AGENTES
1
Patricia Tedesco
O QUE É UM AGENTE?
 Qualquer
que:




está imersa ou situada em um ambiente (físico,
virtual/simulado)
percebe seu ambiente através de sensores (ex.
câmeras, microfone, teclado,...)
age sobre ele através de atuadores (ex. vídeo,
auto-falante, impressora, braços, ftp, ...)
possui objetivos próprios


entidade (humana ou artificial)
explícitos ou implícitos
escolhe suas ações em função das suas percepções
para atingir seus objetivos
3
O QUE É UM AGENTE RACIONAL
 Agente


Racional
faz a melhor coisa possível
segue o princípio da racionalidade:

dada uma seqüência perceptiva, o agente escolhe,
segundo seus conhecimentos, as ações que melhor
satisfazem seu objetivo
 Onisciência
Limitações de:
 Racionalidade




sensores
atuadores
raciocinador (conhecimento, tempo, etc.)
4
PROPRIEDADES ASSOCIADAS AOS AGENTES
 Autonomia


de raciocínio (IA):
Requer máquina de inferência e base de
conhecimento
Essencial em sistemas especialistas, controle,
robótica, jogos, agentes na internet ...
 Adaptabilidade


Capacidade de adaptação a situações novas
Duas implementações


(IA):
aprendizagem e/ou programação declarativa
Essencial em agentes na internet, interfaces
amigáveis ...
5
OUTRAS PROPRIEDADES FREQÜENTEMENTE
ASSOCIADAS AOS AGENTES
 Comunicação

IA + técnicas avançadas de sistemas distribuídos:




& Cooperação (Sociabilidade):
Protocolos padrões de comunicação, cooperação, negociação
Raciocínio autônomo sobre crenças e confiabilidade
Arquiteturas de interação social entre agentes
Essencial em sistemas multi-agente, comércio
eletrônico, ...
 Personalidade:
IA + modelagem de atitudes e emoções
 Essencial em entretenimento digital, realidade
virtual, interfaces amigáveis ...

6
EXEMPLO: AGENTE DE POLÍCIA
raciocínio
Agente
Conhecimento:
- leis
- comportamento
dos indivíduos,...
percepção
Ambiente
Objetivo:
- fazer com que as leis
sejam respeitadas
execução
Ações:
- multar
- apitar
- parar, ...
AGENTES
8
Algoritmo Básico e Arquiteturas
AGENTES: ALGORITMO BÁSICO
 função
agenteSimples (percepção) retorna
ação
memória := atualizaMemória (memória,
percepção)
ação := escolheMelhorAção(memória)
memória := atualizaMemória (memória, ação)
retorna ação
9
AGENTES: ARQUITETURAS
 Agente
reativo
 Agente reativo com estado interno
 Agente cognitivo (baseado em objetivos)
 Agente otimizador
 Agente adaptativo
autonomia 10
complexidade
AGENTES: ARQUITETURAS
De forma bem simplificada, um agente pode ser
visto como um mapeamento:

seqüência perceptiva => ação
ambiente

sensores
Raciocinador
Agente
modelo do
ambiente
atuadores
11
AGENTE REATIVO
Agente
ambiente
sensores
Como está o mundo agora?
Que ação devo escolher agora?
Regras
“condição-ação”
atuadores

Vantagens e desvantagens

Regras condição-ação: representação inteligível, modular e eficiente



ex. Se velocidade > 60 então multar
Não pode armazenar uma seqüência perceptiva, pouca autonomia
Ambientes:
Reflexo imprescindível em ambientes dinâmicos
 Acessível, episódico, pequeno

AGENTE REATIVO COM ESTADO INTERNO
Agente
sensores
estado: como o mundo era antes
ambiente
Como está o mundo agora?
como o mundo evolui
impacto de minhas ações
Que devo fazer agora?
atuadores

Desvantagem: pouca autonomia


não tem objetivo, não encadeia regras
Ambientes: determinista e pequeno

Ex. Tamagotchi
Regras
“condição-ação”
AGENTE COGNITIVO BASEADO EM OBJETIVO
ambiente
sensores
Agente
estado: como o mundo era antes
Como está o mundo agora?
como o mundo evolui
Como ele ficará se faço isto?
impacto de minhas ações
Que devo fazer agora?
Objetivos
atuadores

Vantagens e desvantagens:



Mais complicado e ineficiente, porém mais flexível,
autônomo
Não trata objetivos conflitantes
Ambientes: determinista

ex.: xeque-mate no xadrez
AGENTE OTIMIZADOR (UTILITY BASED)
Agente
sensores
estado: como o mundo era antes
Como está o mundo agora?
ambiente
Como ele ficará se faço isto?
Este novo mundo é melhor?
Que ação devo escolher agora?
atuadores



Ambiente: sem restrição
Desvantagem: não tem adaptabilidade
Ex. motorista recifense

Segurança e velocidade – conflito!
como o mundo evolui
qual é o impacto de
minhas ações
Função de Utilidade
AGENTE QUE APRENDE
Agente
sensores
t+1
crítico
avaliação
ambiente
t
trocas
elemento de
elemento de
execução (agente) conhecimento aprendizagem
t
atuadores



objetivos de
aprendizagem
Gerador de
problemas
Ambiente: sem restrição
Vantagem: tem adaptabilidade (aprende)
Ex. motorista sem o mapa da cidade
RELEMBRANDO...

Um agente é...


Uma entidade autônoma, que percebe o ambiente
através de seus sensores e atua neste através de seus
atuadores...
Assim...

Como decidir que ações realizar?
AINDA OUTRAS ARQUITETURAS
FAMOSAS...
AGENTES BASEADOS EM LÓGICA
Comportamento Inteligente = Representação
simbólica do ambiente + do comportamento desejado
 Formalismo: lógica
 Manipulação: dedução lógica


Teoria de agentes (): como os agentes devem se
comportar
AGENTES BASEADOS EM LÓGICA
 Estados
internos dos agentes: fórmulas lógicas
Aberta(válvula221)
 Interessante(aulaagentes)

 Comportamento
do agente: determinado por
sua Base de Conhecimento (regras + fatos)

Aquilo que o Agente acredita sobre seu ambiente
 Três
funções básicas:
See – determina a percepção
 Next – atualiza a BC
 Action – escolhe a próxima ação

O ROBÔ ASPIRADOR DE PÓ
O ROBÔ ASPIRADOR

Agente recebe:



Sujeira
Null


para frente
sugar
virar
Objetivo: mover-se no
ambiente buscando e
removendo sujeira
Três predicados:
Em(x.y)
 Sujeira(x,y)
 Direção(d)

Ações:




Comportamento do
agente
função próximo
 regras de dedução

AGENTES BASEADOS EM LÓGICA
 Função
´próximo´:
Analisar as percepções
 Atualizar a Base de Conhecimento
 remover informações velhas ou irrelevantes
 Inferência em várias partes:

velho() = {P(t1,...,tn}/ P {Em, Suj, Dir} & P(t1,...,tn}
 Novo: todas as novas posições, direções e possíveis sujeiras
 Próximo(,P) = ( \ velho())  Novo(,P)

ALGORITMO BÁSICO
Função ação_agente-BL (BC):ação
Para cada a  A faça
se BC  faça(a) então
retorne a
para cada a  A faça
se BC  ¬faça(a) então
retorne a
Retorne null
Fim ação_agente-BL
AGENTES BASEADOS EM LÓGICA
 Regras


de dedução:
predicado(termo)  predicado(termo)
Ex: Em(0,0)  Sujeira(0,0)  Faça(sugar)
 Problemas
com essa abordagem
Como mapear percepções para fórmulas?
 Complexidade da prova do teorema
 Difícil representar conhecimento procedimental
 Ambiente estático!!! Como seria num dinâmico?

AGENTES BDI
 BDI
– Beliefs, Desires, Intentions
 Motivação: Raciocínio prático

Processo de Decidir, a cada momento, que
ações tomar para chegar mais perto dos
objetivos.
 Implica


Decidir que objetivos quer realizar
Como vão ser executados esses objetivos
 Requer


Três conjuntos de sentenças lógicas: B, D e I 
Estes conjuntos são consistentes entre si.
OS ESTADOS MENTAIS
 Crenças:
o que se sabe sobre o estado do
ambiente e dos agentes

“Recife é ensolarada”.
 Desejos:
estados do mundo que o agente
quer atingir

“Eu gostaria de ganhar 45 milhões de reais
 Intenções:
Comprometimento com ações
para alcançar objetivo

“Vou Ligar para o dentista”
UM EXEMPLO...

Daniel acabou de se formar... O que fazer?
 Virar acadêmico...
Que Desejo
 Ir para o Mercado
escolher?
 Se
resolve ser acadêmico... Se compromete a
realizar ações neste sentido
Intenções

E

Procurar Emprego em uma Universidade.
o mundo, como está?
Crenças
Daniel se formou, Daniel pode ser professor
DESEJOS
Especificam as preferências dos agentes
sobre os estados do ambiente
 Podem ser inconsistentes

Eu desejo perder 30 Kg
 Gostaria de comer quilos de chocolate suíço

causam intenções  ações
 Objetivos: subconjunto consistente dos
desejos.
 Desejos
INTENÇÕES
 Guiam a escolha das Ações
 Devem ser c onsistente com desejos
 Devem ser persistentes
e crenças
Demasiado persistentes. Fazem o agente
perder tempo!

Pouco persistentes. Não alcançam nenhum
objetivo
 É preciso reconsiderar as intenções com
alguma frequencia

Ainda é possível realizá-las?
 Já foram realizadas?
 Seria melhor se comprometer com outra intenção?

RECONSIDERANDO INTENÇÕES...
P
Tempo t = 0
Desejo: Atingir o alien
Intenção: Aproximar-se de P
Crença: o Alien está em P
RECONSIDERANDO INTENÇÕES...
?
Q
P
Tempo t = 10
Desejo: Atingir o alien
Intenção: Aproximar-se de P
Crença: o Alien está em P
O DILEMA BDI

O agente não para para reconsiderar suas intenções:


O agente para demais para reconsiderar:


Perde tempo tentando o impossível! (Xiita)
Não tem tempo de fazer nada! (Indeciso)
Como encontrar o balanço?
O QUE O AGENTE BDI TEM?
3 conjuntos de sentenças





Crenças
Desejos
Intenções
4 Funções




Revisão de Crenças BRF(Bel, BC)
Geração de Intenções Options(Bel, Int)
Função Filtro Filter(Bel, Des, Int)
Função Selecionadora de Ações Execute(Int)
A ARQUITETURA BDI
Agente
Sensores
Ambiente
percepções
+
Estado interno:
Crenças, desejos, intenções
Como está o mundo agora?Função Revisão de Crenças
Que objetivos podem
ser alcançados?
Que Intenções tenho?
ações
Atuadores
Função de Opção
Função Filtro
Função de seleção de
ações
ALGORITMO DO AGENTE BDI
Programa Agente BDI
t := 0 //contador de tempo
enquanto Agente-BDI vivo, faça
Tell(BC, Percepções-Sentença(percepção,t))
BRF(Percepcao, BC)
Desejos <- Options(BC, intençao)
intençao <- Filter (Bel, Des, intenção)
ação <- Executa(intenção)
fim
MARCO
Mediador Artificial de Conflitos
 Media discussões entre agentes Humanos
 Raciocínio BDI/BGI

MARCO
UM EXEMPLO DE INTERAÇÃO
A. Eu acho que as vendas de natal começam no
princípio de novembro
B. Por que? Acho que é mais tarde...
A. Para dar tempo de fazer propaganda..
B. Ah, ok.
O FUNCIONAMENTO DE MARCO
MArCo
Sensores
Diálogo
percepções
+
Estado interno:
Crenças (individuais e de
grupo), desejos, intenções
Revisão de Crenças
Como está o mundo agora?Função
O povo mudou de idéia?
Que objetivos podem
ser alcançados?
Que Intenções tenho?
ações
Atuadores
Atualizo modelos
Função de Opção:
faço o povo elaborar as
idéias?
Função Filtro
Função de seleção de
ações
UM EXEMPLO REAL...
Agentis (Australian Artificial Intelligence Institute)
Objetivo. Ajudar no desenvolvimento e manutenção de call centers
Ou de portais na internet.
•
•
•
Gera aplicações automáticas para os clientes
Reduz tempo de desenvolvimento e custos
Gera estatísticas de rendimento
Utilizado pela companhia de telecomunicações australiana para
responder a 98% das chamadas ao sistema de ajuda ao usuário.
Sistema comporta 4000 agentes.
ARQUITETURAS REATIVAS
Alternativa a representação simbólica
 O comportamento do agente é produto de sua
interação com o ambiente
 Comportamento inteligente emerge da interação
entre vários comportamentos mais simples.
 Abordagem comportamental, situada, reativa

THE SUBSUMPTION ARCHITECTURE

a tomada de decisão é um conjunto de
comportamentos realizadores de tarefa.

Cada um é uma função de ação



Neste caso máquinas de estados finitos.
Cada um assume a forma situação  ação
Há uma hierarquia de comportamentos

Comportamentos de nível mais baixo inibem os de
nível mais alto
O ALGORITMO BÁSICO
Função ação (p:Percepção): ação
var disparado: nível; selecionada: ação
disparado <- {(cond, ação) }
para todo (cond, ação) disparado
Se ¬(cond’, ação’) disparado tal que
(cond’, ação’) < (cond, ação)
return ação
return null
Fim função ação
A ARQUITETURA DE BROOKS
Módulos (e organização) definidos pelo designer
 Pode ser usada para descrever agentes
cognitivos também.

UM EXEMPLO – ROBÔ EXPLORANDO
AMBIENTE
Evitar obstáculos
Recarregar
Otimizar caminhos
Mapear território
Sensores
Explorar
Pegar/largar objetos
Avançar random.
Ambiente
Atuadores
UM EXEMPLO...
O objetivo é explorar um planeta distante, para coletar
amostras de rocha. Não se sabe onde estão, mas há
áreas de maior concentração delas. Vários veículos
autônomos estão disponíveis para coletar amostras e
depois voltar para a nave-mãe. Há um mapa do
planeta disponível, mas o planeta tem vários
obstáculos que impedem os veículos de se comunicar.
PARA RESOLVER O PROBLEMA...
 Utilização

de dois mecanismos...
Campo Gradiente/Potencial
Os objetos do ambiente emitem sinais, cuja
intensidade é inversamente proporcional ao objetivo.
 U(p) = Uatr(p) + U rep(p)
 Uatr(p) = k * dist(p, objetivo)2
 U rep(p) =
k’ * 1/dist(p, objetivo)2 se dist(p,
objetivo)<distinfl

0 caso contrário

Comunicação Indireta

Fragmentos radioativos são deixados no caminho
UM PARÊNTESE...
 Outra
forma de construir os campos
potenciais é alterar o potencial de
atração...

Campo dividido em células

Procedure valor(x, v)
Se x.potencial não está definido ou v<x.potencial
Então
x.potencial = v;
para todo y vizinho de x
valor(y, v+1)
Senão faça nada
Fim da procedure
COMPORTAMENTOS UTILIZADOS...
1.
2.
3.
4.
5.
se detectar obstáculo, mude de direção
Se carregar amostras e na base, largue
Se carregar amostras e fora da base, vá na
direção do gradiente
Se achar amostra, pegue
Se true, se mova randomicamente
PARA ASSEGURAR COOPERAÇÃO
1.
2.
3.
4.
5.
6.
se detectar obstáculo, mude de direção
Se carregar amostras e na base, largue
Se carregar amostras e fora da base,
largue dois fragmentos e vá na
direção do gradiente
Se achar amostra, pegue
Se detectar fragmento, pegue e vá no
sentido contrário ao gradiente
Se true, se mova randomicamente
NEM TUDO SÃO FLORES...
O ambiente deve fornecer informação suficiente para
os agentes...
 mais complicado tomar decisões de longo prazo.
 Difícil projetar comportamento emergente.
 Difícil construir agentes com muitos
comportamentos.

EM RESUMO...
IA E AGENTES
 IA
cresceu muito nos anos 70 modelando a
inteligência individual.
 Advento das redes de computadores modificou as
necessidades!
 Inteligência como a integração dos processos de
raciocinar, decidir, aprender e planejar.
 O Modelo de Agente aparece então como
catalisador...
DE FATO...
 Mundo
onde informações e conhecimentos
crescem (e mudam) rápido demais!
 O crescimento da Internet trás desafios
constantes que incluem:




Acesso a informações relevantes
Identificação de oportunidades
Ação no momento preciso
Manipulação de grandes volumes de informação
 Ubiqüidade,
Gerenciamento e Inteligência
NO ENTANTO...
 Vários
problemas não podem ser tratados
centralizadamente... Por exemplo...




Controle de linha de metrô
Monitoramento de Redes de Computador
Diagnóstico Médico
Compra e Venda
Como Resolvê-los?
INTELIGÊNCIA COLETIVA
57
IA Distribuída
UM CENÁRIO...
INTELIGÊNCIA COLETIVA


Porque pensar a inteligência/racionalidade como
propriedade de um único indivíduo?
Não existe inteligência ...





Em um time de futebol?
Em um formigueiro?
Em uma empresa (ex. correios)?
Na sociedade?
Solução: IA Distribuída



Agentes simples que juntos resolvem problemas complexos
tendo ou não consciência do objetivo global
Proposta por Marvin Minsky e em franca expansão...
60
o próprio ambiente pode ser modelado como um agente
A IA DISTRIBUÍDA
 Grupo
de Entidades que
podem Interagir
Organização
 Ação e Interação

 Metáfora
de inteligência
é o Comportamento
Social.
IA DISTRIBUÍDA:
DOIS TIPOS DE SISTEMAS

Resolução distribuída de problemas



consciência do objetivo global e divisão clara de tarefas
Exemplos: Robótica clássica, Busca na Web, Gerência de
sistemas distribuídos, ...
Sistemas Multi-agentes


não consciência do objetivo global e nem divisão clara de
tarefas
Exemplos: n-puzzle, futebol de robôs, balanceamento de
carga, robótica, ...
3
7
4
3
5
7
8
1
4
2
6
5
8
2
1
1
2
3
6
4
5
6
7
8
62
AGENTES EM IA
63
Metodologia (metáfora) para projeto
de sistemas
AGENTES:
METODOLOGIA DE DESENVOLVIMENTO

Decompõe problema em:


Decompõe tipo de conhecimento em:








percepções, ações, objetivos e ambiente (e outros agentes)
Quais são as propriedades relevantes do mundo?
Como o mundo evolui?
Como identificar os estados desejáveis do mundo?
Como interpretar suas percepções?
Quais as conseqüências de suas ações no mundo?
Como medir o sucesso de suas ações?
Como avaliar seus próprios conhecimentos?
O resultado dessa decomposição indica a
arquitetura e o método de resolução de problema
(raciocínio)
64
SIMULAÇÃO DE AMBIENTES

Às vezes, é mais conveniente simular o ambiente




mais simples
permite testes prévios
evita riscos, etc...
O ambiente (programa)





recebe os agentes como entrada
fornece repetidamente a cada um deles as percepções
corretas e recebe as ações
atualiza os dados do ambiente em função dessas ações e de
outros processos (ex. dia-noite)
é definido por um estado inicial e uma função de
atualização
65
deve refletir a realidade
SIMULAÇÃO DE AMBIENTES


função simulaAmbiente (estado,
funçãoAtualização,agentes,final)
repita
para cada agente em agentes faça
Percept[agente] := pegaPercepção(agente,estado)
para cada agente em agentes faça
Action[agente] := Programa[agente] (Percept[agente])
estado := funçãoAtualização(ações, agentes, estado)
scores := avaliaDesempenho(scores,agente,estado)
//opcional
até final
Cuidado para não cair em tentação e “roubar” do ambiente a
descrição do que aconteceu. Usar a memória do agente!
66
COMO DESENVOLVER UM
SOFTWARE INTELIGENTE
 Projeto:



Modelar tarefa em termos de ambiente,
percepções, ações, objetivos e utilidade
Identificar o tipo de ambiente
Identificar a arquitetura de agente adequada ao
ambiente e tarefa
 Implementação:



O simulador de ambientes
Componentes do agente
Testar o desempenho com diferentes instâncias
do ambiente
67
PORQUE USAR A METÁFORA DE AGENTES?
1. Fornece metodologias de desenvolvimento de
sistemas inteligentes estendendo as de engenharia
de software
2. Fornece visão unificadora das várias sub-áreas da IA
3. Ajuda a embutir a IA em sistemas computacionais
tradicionais
4. Permite tratar melhor a interação com ambiente
5. Permite tratamento natural da IA distribuída
68
DUAS NOÇÕES FUNDAMENTAIS...

Resolução Distribuída de Problemas (RDP) envolve:
Um grupo de especialistas
 Habilidades Complementares
 Organização Fixa


Sistemas Multiagentes (SMA)...


Agentes podem preexistir
Organização varia em tempo de execução
UM SISTEMA MULTIAGENTE
Interação
Organização
Agentes
Recurso
Esfera de
Influência
Ambiente
DEFININDO SMA
 Um
SMA é um sistema que possui os seguintes
elementos:






Um ambiente, E
Um conjunto de objetos O
Um conjunto de Agentes, A (AO)
Um conjunto de relações R, que liga objetos
Um conjunto de operações Op
Operadores que representam os resultados das
operações em Op e as reações do ambiente a eles.
TROCANDO EM MIÚDOS...

Um Sistema Multiagentes ...
Consiste de uma coleção de componentes autônomos, com
objetivos particulares
 Que se interrelacionam

De acordo com uma Organização
 Interagindo, negociando e coordenando esforços para resolver
tarefas

MAS... POR QUE MESMO DISTRIBUIR?
Porque o problema é fisicamente distribuído.
 Porque o problema é heterogêneo.
 Porque o problema só pode ser resolvido pela integração
de pontos de vista locais.
 Porque precisamos de adaptação a mudanças
estruturais...

EM RESUMO...É BOA IDÉIA QUANDO...
Precisamos manter a autonomia das sub-partes;
 As interações são complexas
 Não é possível descrever o Problema a priori.

AS VANTAGENS...
Maior rapidez na solução dos problemas
 Diminuição do overhead de comunicação
 Maior flexibilidade
 Aumento da Segurança

DUAS FORMAS DE PROJETO
Organização
Emergência de
Propriedades
Interação
Agentes
Restrições
e Objetivos
CONSIDERAÇÕES NO PROJETO DE SMA

Três Grandes Grupos...

Aspectos Fundamentais


Aspectos Arquiteturais


Como podemos garantir compatibilidade de ações?
Características a serem providas pela arquitetura
Aspectos Ambientais

Como é o ambiente onde funciona o SMA?
ESTRUTURA

Padrão de Relações entre os agentes e sua distribuição
de habilidades
Cobertura: as habilidades necessárias para resolver
problemas devem ser possuídas por pelo menos um agente;
 Conectividade: Agentes devem interagir de forma que suas
habilidades possam ser integradas

COMUNICAÇÃO

Habilita os agentes a intercambiar informações.
Percepção
 Ação


Modelada sobre a comunicação humana
Atos de Fala
 Blackboard


Tem esforços de padronização!
ORGANIZAÇÃO
Conjunto de Compromisso Globais, Crenças e
intenções comuns aos agentes que querem
atingir um objetivo comum.
 Definem...



Um conjunto de diretrizes...
Uma política de interação.
 Muitos
exemplos!
O CIn
 Sua Família

NEGOCIAÇÃO

Esforço para solução de conflitos e cooperação


Grupo de agentes “self-interested” que consegue chegar
a uma decisão conjunta.
Envolve..
Linguagem
 Protocolo – ex. Contract Net
 Processo de Decisão

COORDENAÇÃO
 Fundamental
para o trabalho conjunto.
 Um SMA pressupõe coordenação entre seus
agentes! Porque...




Há dependências entre as ações
Nenhum indivíduo pode resolver o problema
sozinho
Deve-se respeitar as restrições globais
Deve-se garantir a harmonia na execução
conjunta de tarefas!
COORDENAÇÃO... II
 Então

O processo pelo qual um agente raciocina sobre suas
ações locais e as de outros agentes para garantir que a
comunidade funcione coerentemente.
 Visa




coordenação é...
garantir que...
Todas as partes necessárias existam na sociedade.
Interação que possibilite a execução das atividades.
Que todos atuem consistentemente
Que tudo seja feito com dos recursos disponíveis
COORDENAÇÃO... III

Para coordenar com sucesso é preciso...
Uma estrutura...
 Flexibilidade nas interações

Comunicação!
 Negociação!


Conhecimento e raciocínio

Para reconhecer interações potenciais entre planos de ação!
ENTÃO... O FUNDAMENTAL É...

Interagir!!!






Com quem?
Quando?
Qual o conteúdo?
Como? Que processos e recursos?
Por que?
Como estabelecer a compreensão mútua?
ASSIM...
Quando Encarar os SMA?
DESIGN DE SMA

Quando partir para SMA?
Quando o ambiente é aberto;
 Quando os agentes são a metáfora natural.
 Quando há distribuição de dados, controle ou expertise.
 Quando estamos lidando com sistemas legados.

CONSIDERAÇÕES EM SMA

Ação


O indivíduo e sua relação com o mundo


Como coordenar ações?
Estados mentais
Interação
Comunicação
 Negociação/Argumentação


Implementação
PROBLEMAS NO DESENVOLVIMENTO DE
AGENTES
Superestimativas do potencial dos agentes.
 Dogmatismo a respeito dos agentes.
 Não está claro porque usar agentes.
 Construção de soluções genéricas para problemas
específicos.
 Desenvolver SMA é desenvolver Software...
 SMA é software “multithreaded”.

E MAIS PROBLEMAS...
 Seu
projeto não explora concorrência.
 Você resolve adotar sua arquitetura.
 Seus agentes usam IA demais.
 Os agentes estão em todos os lugares.
 Não tem agentes suficientes.
 A Interação é caótica...
OBJEÇÕES A SMA

Não é a mesma coisa que SD?
Sincronização e Coordenação Dinâmicas
 Agentes têm interesses próprios!!!


Não é IA?
SMA têm características de CC e de ES!
 Em SMA, o aspecto social é fundamental!

OBJEÇÕES A SMA... II

Não é só teoria dos Jogos?
TJ muitas vezes desconsiderou a computação...
 Hipóteses da TJ são questionadas em SMA


O que eu vou fazer com Ciência Social?


Ambas servem como ferramentas uma para outra.
Mas são bem diferentes!!!!
CONCLUSÕES
100
AGENTES NO MAPA DA COMPUTAÇÃO
NEM TODO AGENTE É INTELIGENTE!
Inteligência
Artificial
Engenharia
de Software
Agentes
Sistemas
Distribuídos
101