FATEP – Faculdade de Tecnologia Paulo Freire
Curso de Tecnólogo em Programação de Jogos
Digitais
Disciplina: Inteligência Artificial
Inteligência Artificial I
Agentes Inteligentes
Prof.a Daniele Erica Damke Schroeder
[email protected]
Agentes Inteligentes
Tópicos

Agentes Inteligentes
2
O que é um Agente?

Agente é qualquer entidade que:
percebe seu ambiente através de sensores (ex.
câmeras, microfone, teclado,mensagens de outros
agentes,...);
 age sobre ele através de atuadores (ex. vídeo, autofalante, impressora, braços, ftp, mensagens para outros
agentes,...).


Medida de desempenho: critério que define o
grau de sucesso das ações.
Agentes Inteligentes
Agentes que operam em ambientes
imprevisíveis, abertos e em constante
mudança, onde há elevada possibilidade de
que ações possam falhar.
Agentes que são capazes de ação autônoma
flexível, incluindo reatividade, aprendizado,
pró-atividade e habilidade social.
4
Agentes Inteligentes
São capazes de perceber seu ambiente por
meio de sensores e de agir sobre esse
ambiente por intermédio de atuadores.
5
ambiente
Agentes Inteligentes
sensores
raciocinador
Agente
modelo do
ambiente
efetuadores
Fonte: Russel e Norvig, Inteligência Artificial.
6
Tipos de Agentes

Agente humano

Agente robótico

Agente de software
Tipos de Agentes


Agente humano

Sensores: olhos, ouvidos, nariz, ...

Atuadores: mãos, pernas, boca, ...
Agente robótico

Sensores: câmeras, detectores da faixa de
infravermelho, ...

Atuadores: motores, ...
Tipos de Agentes

Agente de software

Sensores: teclas digitadas, conteúdo de arquivos,
pacotes de redes, ...

Atuadores: exibição de algo na tela, gravação de
arquivos, envio de pacotes de rede, ...
Exemplos de Agentes
Fonte: Russel e Norvig, Inteligência Artificial.
Metodologia de
Desenvolvimento de Agentes

Decompõe o problema em:

Ambiente de tarefas:





percepções (sensores);
ações (atuadores);
objetivos (desempenho);
ambiente;
além de outros agentes.
11
Metodologia de
Desenvolvimento de Agente

Decompõe o tipo de conhecimento em:








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?
Indica arquitetura e método de resolução de
problema
12
Exemplos de Agentes
Agente
Dados
perceptivos
Ações
Objetivos
Ambiente
Diagnóstico
médico
Sintomas,
paciente, exames
respostas, ...
Perguntar,
prescrever exames,
testar
Saúde do paciente,
minimizar custos
Paciente,
gabinete, ...
Análise de
imagens de
satélite
Pixels
imprimir uma
categorização
categorizar
corretamente
Imagens de
satélite
Tutorial de
portuguê
s
Palavras
digitadas
Imprimir exercícios,
sugestões,
correções, ...
Melhorar o
desempenho do
estudante
Conjunto de
estudantes
Filtrador de
emails
mensagens
Aceitar ou rejeitar
mensagens
Aliviar a carga de
leitura do usuário
Mensagens,
usuários
Motorista de
táxi
Imagens,
velocímetro,
sons
brecar, acelerar,
dobrar, falar com
passageiro, ...
Segurança,
rapidez, economia,
conforto,...
Ruas, pedestres,
carros, ...
Músico de jazz
Sons seus e de
outros músicos,
grades de
acordes
Escolher e tocar
notas no andamento
Tocar bem, se
divertir, agradar
Músicos,
publico, grades
de acordes
Fonte: Russel e Norvig, Inteligência Artificial.
13
Agentes - Percepção


Faz referência às entradas perceptivas do agente
em qualquer momento.
A seqüência de percepções do agente é a história
completa de tudo que o agente já percebeu.
“O comportamento de um agente é descrito pela função de agente que
mapeia qualquer seqüência de percepções específicas para uma ação. A
função de agente pode ser demonstrada matematicamente por uma
tabela que registra todas as seqüências de percepções registrando as
ações que ao agente executa em resposta.”
Fonte: Russel e Norvig, Inteligência Artificial.
14
Agentes - Percepção

Exemplo da tabela de funções do agente do
aspirador de pó;
15
Agentes - Desempenho
O que torna uma agente bom ou ruim,
inteligente ou estúpido?
16
Agentes - Desempenho


Um agente racional é aquele que faz tudo certo –
em termos conceituais toda entrada na tabela
corresponde à função de agente é preenchida de
forma correta.
O que é fazer tudo certo? O que é fazer tudo
errado?
A ação certa é aquela que fará ao agente obter maior sucesso.
17
Agentes - Desempenho

Uma medida de desempenho é um critério para se
medir o sucesso do comportamento do agente:





O agente é inserido em um ambiente;
O agente recebe uma seqüência de percepções;
O agente gera uma seqüência de ações;
As ações fazem o ambiente passar por uma seqüência de
estados;
Se a seqüência é desejável, quer dizer que o agente
funcionou bem.
18
Agentes - Desempenho

Ex, caso o aspirador de pó:

Medida de desempenho:

quantidade de poeira aspirada em um determinado
período de tempo com uma penalidade pela eletricidade
gerada e pelo ruído emitido.
Em qualquer situação não existe uma receita mágica para a
definição de medidas de desempenho.
19
Agentes - Racionalidade

A Racionalidade de um agente depende de
quatro fatores:




Medida de desempenho que define o sucesso do
agente;
O conhecimento anterior que o agente possui do
ambiente;
As ações que o agente pode executar;
A seqüência de percepções do agente até o momento.
20
Agentes - Racionalidade
Para cada seqüência de percepções possível,
um agente racional deve selecionar uma ação
que se espera venha a maximizar sua medida
de desempenho, dada a evidência fornecida
pela seqüência de percepções e por qualquer
conhecimento interno do agente.
21
Agentes – Racionalidade X
Perfeição
Um agente perfeito sabe o resultado real de suas ações e pode agir de
acordo com ele, porém a onisciência (perfeição) é impossível na
realidade.


Racionalidade: Maximiza o desempenho
esperado.
Perfeição: Maximiza o desempenho real.
22
Agentes – Racionalidade X
Perfeição

Ex:
Em uma rodovia possuo plena visão de mais de
1KM para ultrapassagem, inicio a ultrapassagem
mas cai uma peça de um avião na pista na qual
estou realizando a ultrapassagem.
Fui irracional ao iniciar a ultrapassagem?
23
Agentes – Racionalidade X
Perfeição
Impossível projetar um agente cujo projeto deve
escolher a melhor ação após a ocorrência do
fato. Ou seja, os agente projetados só
dependem das seqüência de percepções até
o momento.
 Coleta de informações
 Aprender
 Autonomia
24
Ambiente de Tarefas






Completamente observável versus parcialmente
observável
Determinístico versus estocástico
Episódico versus seqüencial
Estático versus dinâmico
Discreto versus contínuo
Agente único versus multiagente
25
Ambiente de Tarefas
Completamente observável

os sensores permitem acesso ao estado completo
do ambiente em cada instante;
os sensores detectam todos os aspectos que são
relevantes para a escolha da ação:




onde a relevância dependerá da medida de
desempenho;
o agente não precisa manter estados internos para
controlar o mundo.
26
Ambiente de Tarefas
Parcialmente observável




ruídos na leitura dos sensores;
imprecisão dos sensores;
limitação dos sensores.
27
Ambiente de Tarefas
Determinístico


o próximo estado do ambiente é determinado pelo
estado atual e pela ação executada pelo agente.
Estocástico


o próximo estado do ambiente não pode ser
determinado pelo estado atual e pela ação executada
pelo agente.
Estratégico


o ambiente é determinístico exceto pelas ações de
outros agentes.
Em um ambiente completamente observável e determinístico o agente
não precisa se preocupar com a incerteza deste ambiente.Um
ambiente parcialmente observável pode parecer estocástico.
28
Ambiente de Tarefas
Episódico





cada episódio é atômico;
cada percepção consistem em uma única ação;
o episódio seguinte não depende das ações
executadas no episódio anterior;
a ação do episódio só depende do próprio episódio.
Ex: peças defeituosas em uma linha de montagem.
Seqüencial



diversas percepções podem compor uma única ação.
os episódios seguintes são dependentes das ações
executadas no episódio anterior.
Ex: jogo de xadrez.
29
Ambiente de Tarefas
Estático




o ambiente não se alterar quando o agente atua;
o agente não precisa observar o mundo enquanto está
atuando;
mais fáceis de manipular.
Ex: jogo de palavras cruzadas.
Dinâmico




o ambiente pode se alterar enquanto o agente está
atuando;
o agente precisa observar o mundo enquanto está
atuando;
ambientes dinâmicos estão continuamente perguntando
ao agente o que ele deseja fazer, se ele não tiver
decidido, a resposta é não fazer nada.
Ex: dirigir um carro.
30
Ambiente de Tarefas
Semi dinâmico



o ambiente não pode se alterar enquanto o agente
está atuando;
o desempenho do agente pode mudar enquanto ele
está atuando.
Ex: jogo de palavras xadrez com contagem de tempo (onde o
tempo é um fator de desempenho).
31
Ambiente de Tarefas
Discreto


depende do estado do ambiente, modo como o
tempo é tratado, e ainda às percepções e ações do
agente.
Ex: jogo de xadrez com número finito de estados distintos e conjunto
discreto de percepções e ações.
Contínuo


depende do estado do ambiente, modo como o
tempo é tratado, e ainda às percepções e ações do
agente.
Ex: dirigir um carro.
32
Ambiente de Tarefas
Agente único


um único agente participa do programa.
Ex: jogo de palavras cruzadas.
Multiagente


mais de um agente participa do programa.
Ex: jogo de xadrez, dirigir um taxi.
Um programa multiagente em determinados problemas pode ser
modelado com um programa de agente único no seguinte caso:
O agente B pode ser tratado com um comportamento estocástico.
O agente B precisa de uma medida de desempenho cujo valor depende
do agente A.
33
Ambiente de Tarefas
Ambiente multiagente

Competitivo


onde, um agente A tenta maximizar suas medidas de
desempenho e minimizar as medidas de desempenho
do agente B.
Ex: jogo de xadrez.
Cooperativo


onde, um agente A tenta maximizar suas medidas de
desempenho e as dos demais agentes.
Ex: dirigir um carro (parcialmente cooperativo).
34
Ambiente de Tarefas
Fonte: Russel e Norvig, Inteligência Artificial.
35
Estrutura de Agentes
agente = arquitetura + programa
O processo de tomada de decisão através do raciocínio e com
conhecimento central em IA e no projeto de um agente de
sucesso  meios para representar conhecimento são
importante.
36
Estrutura de Agentes





Agentes reativos simples
Agentes reativos baseados em modelo
Agentes baseados em objetivos
Agentes baseados na utilidade
Agentes com aprendizagem
37
Estrutura de Agentes
Agentes reativos simples


Selecionam a ação baseados na percepção atual;
Ignora o restante do histórico de percepções.

Vantagens



São extremante simples;
Funcionam corretamente em ambientes completamente
observáveis.
Desvantagens


Inteligência limitada.
Regra condição-ação
38
Estrutura de Agentes

Agentes reativos simples
39
Estrutura de Agentes

Agentes reativos baseados em modelo
O conhecimento de “como o mundo funciona” – seja ele
implementado em circuitos bolleanos simples ou em teoria
científicas completas – é chamado de modelo do mundo
40
Estrutura de Agentes
Agentes reativos baseados em modelo






Possibilidade de controlar parte do mundo que o
agente não vê no momento;
Mantém um estado interno de controle;
Utiliza a percepção atual do mundo juntamente com
um estado interno para gerar a descrição interna do
estado atual;
Utiliza informações a respeito da evolução do mundo
para controlar as partes não-vistas;
Controla o estado atual do mundo usando um modelo
interno. Em seguida, ele escolhe uma ação da mesma
maneira que o agente reativo simples.
41
Estrutura de Agentes

Agentes reativos baseados em modelo
42
Estrutura de Agentes
Agentes baseados em objetivos

Utilizam a descrição do estado atual, além de
informações sobre os objetivos que descrevam
situações desejáveis;
A decisão baseada em objetivo pode ser :





direta, quando a satisfação do objetivo resulta de uma
única ação;
indireta, quando o agente tem que considerar uma
seqüência de ações para encontrar um meio de atingir
um objetivo.
...
43
Estrutura de Agentes
Agentes baseados em objetivos




Envolvem considerações do futuro;
Utilizam busca e planejamento que são técnicas
utilizadas para determinar seqüências de ações
que alcançam os objetivos do agente;
Controlam o estado do mundo, bem como um
conjunto de objetivos que estão tentando atingir e
escolhem uma ação que (no final) levará a
realização de seus objetivos.
44
Estrutura de Agentes

Agentes baseados em objetivos
45
Estrutura de Agentes
Agentes baseados na utilidade




Mapeiam um estado (ou uma seqüência de
estados) em um número real, que descreve o grau
de felicidade associado;
Especificam um meio pelo qual a probabilidade de
sucesso pode ser ponderada em relação a
importância dos objetivos, quando estes não
puderem ser alcançados;
...
46
Estrutura de Agentes
Agentes baseados na utilidade




Tentam maximizar o valor de sua função de
utilidade;
Usam um modelo do mundo juntamente com a
função de utilidade que mede suas preferências
entre estados do mundo;
Em seguida, escolhem a ação que leva a melhor
utilidade esperada, na qual a utilidade esperada é
calculada pela média entre todos os estados
resultantes possíveis, ponderados pela
probabilidade do resultado.
47
Estrutura de Agentes

Agentes baseados na utilidade
48
Estrutura de Agentes
Agentes com aprendizagem

Dividido em quatro componentes:





Elemento de aprendizagem: responsável pela
execução de aperfeiçoamentos. Recebe informações
de como o agente está funcionando (análise da
percepção – crítico) e determina de que maneira o
elemento de desempenho deve ser modificado para
funcionar melhor no futuro;
Elemento de desempenho: responsável pela seleção
de ações externas;
Crítico;
Gerador de problemas.
49
Estrutura de Agentes
Agentes com aprendizagem




Mapeiam um estado (ou uma seqüência de
estados) em um número real, que descreve o
grau de felicidade associado;
Especifica um meio pelo qual a probabilidade de
sucesso pode ser ponderada em relação a
importância dos objetivos, quando estes não
puderem ser alcançados;
Tenta maximizar o valor de sua função de
utilidade.
50
Estrutura de Agentes

Agentes com aprendizagem
51
IA Clássica

Metáfora basicamente psicológica


Uma pessoa ou entidade resolve o problema.
Inteligência atomizada, restrita aos micro aspectos
de sua própria racionalidade.
52
Inteligência : Centralizada ou
Distribuída?





Cada um fa(e)z um pouco, e... somos UM!
Não aproveitamos muito o trabalho alheio.
A Internet nos faz trabalhar de forma mais
inteligente (nenhum componente é crítico).
Resolução de problemas: Há alguns cuja
solução é inerentemente distribuída ou fica mais
fácil distribuindo!
Somos centralizados ou distribuídos ??
53
Inteligência : Centralizada ou
Distribuída?

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...
O próprio ambiente pode ser modelado como um
agente
54
IA Distribuída (IAD)
População de agentes

Autônomos que podem interagir
 metáfora da organização social
 realça a ação e a interação entre os agentes

Relacionada aos macro aspectos dos agentes:
agentes enquanto sociedade.

Inspirada também em lingüística, sociologia,
economia,filosofia, biologia e ... Redes
Neurais!
55
IAD - Quando usar?

Problema complexo



Problema intrinsecamente distribuído


ex. jogos com personagens, administração de
sistemas, controle de tráfego, etc.
Problemas exigindo rápido tempo de resposta



Dividir e conquistar
ex. jogo dos 8 números, ordenação, etc.
processamento paralelo
ex. busca na internet.
Problema com domínios de conhecimento ou
tarefas

um agente para cada tipo de conhecimento/tarefa
56
Experimento do Robô MultiHumano

Robô simulado por 4 humanos:



1 Cérebro (1 pessoa), raciocinador
2 Braços (1 por pessoa = 2 pessoas), atuadores
1 sistema de visão (1 pessoa), sensor
Agente
Sensores
P
Ambiente
Atuadores
Interpretação
das percepções:
I = f(P)
Raciocínio
A
Escolha
das ações:
A = g(I,O)
1. Percepções ambientais
2. Própriocepções
3. Percepções comunicativas
Objetivos
1. Ações de alterações
ambientais
2. Ações perceptivas
3. Ações comunicativas
57
Exemplos - Sistemas
Multiagentes
SMarket: Um Sistema Multiagentes para Compras on-line
Fonte: http://wwwhome.cs.utwente.nl/~alme/cvitae/smarket-techreport.pdf
58