Inteligência Artificial
Universidade da Madeira
Inteligência Artificial
Agentes Inteligentes
Agenda
zO
que é um Agente
z Como Definir Agentes
z Arquitectura dos Agentes
1
Inteligência Artificial
Universidade da Madeira
O que é um agente
z
Em geral um agente é qualquer entidade que:
z
z
Percebe seu ambiente através de sensores (ex.
câmaras, microfone, teclado, ...).
Age sobre ele através de actuadores (ex. vídeo,
impressora, braços, rodas, ftp, ...)
Sensores
Ambiente
Percepções
Agente
?
modelo do
ambiente
Acções
Actuadores
O que é um agente?
Definições formais
z
Russel & Norvig 2004
Um agente é qualquer entidade que percebe seu ambiente
e através de sensores actua sobre esse mediante
actuadores. Um agente é racional quando realiza a menor
acção possível a partir dos dados percebidos;
z
Wooldridge 2004
Um agente inteligente é um sistema (hardware ou
software) situado em um determinado ambiente, capaz de
actuar de forma autónoma e racional dentro do ambiente
para executar seus objectivos predeterminados;
2
Inteligência Artificial
Universidade da Madeira
O que é um agente?
Definições formais
z
z
z
River 1996
Um agente é um programa de computador que funciona
em background, e desenvolve tarefas autónomas
conforme delegadas pelo utilizador;
Michael Coen 1996
Agentes são programas que desenvolvem diálogos,
negociam e coordenam transferência de informações;
Virdhagriswaran 1995
Os agentes apresentam conceitos de habilidade para
execução autónoma e habilidade para executar raciocínio
orientado ao domínio.
Exemplos de Agentes
z
Agente humano
z
z
Sensores: Olho, ouvidos, pele, gosto, etc.
Actuadores: Mãos, pés, pernas, boca, etc.
z
z
Agente robot
z
z
Sensores: Câmara, infravermelhos, pára-choques, etc.
Actuadores: pinças, rodas, luzes, etc.
z
z
Impulsionados pelos músculos.
Usualmente impulsionados por motores.
Agente software
z
z
Sensores: Inputs
Actuadores: Outputs
3
Inteligência Artificial
Universidade da Madeira
Agente Racional
(McCarthy & Hayes 69, Newell 81)
z
Segue o princípio da racionalidade: dada uma sequência
perceptiva, o agente escolhe, segundo os seus
conhecimentos, as acções que satisfazem melhor o seu
objectivo.
z
Racional NÃO É omnisciente;
z
Racional NÃO É clarividente;
z
Racional NÃO É necessariamente bem sucedido;
z
Existem limitações de:
z
z
z
z
Sensores.
Actuadores.
Raciocinador (conhecimento, tempo, etc.).
Agir para obter mais dados perceptivos é racional.
Agente Racional
(McCarthy & Hayes 69, Newell 81)
Mas, como avaliar um agente?
4
Inteligência Artificial
Universidade da Madeira
Medida de Desempenho
z
Critério que define o grau de sucesso de
um agente na realização de uma dada
tarefa.
z
Esta medida deve ser imposta pelo exterior.
z
Objectiva / Subjectiva.
z
Quantitativa / Qualitativa.
z
Momento de avaliação (antes / depois).
z
Melhor / Pior / Média.
Medida de Desempenho
z
Exemplo:
z
Ao atravessar uma rua deve-se observar se não vem carro das
duas direcções, assim poderemos atravessar. Mas...
z
Não podemos condenar um agente que falha por não
levar em conta algo que ele não pode perceber ou por
uma acção que ele não é capaz de tomar
z
Agente que atravessa a rua sem olhar – não racional
z
A acção correcta seria olhar porque maximiza o
desempenho
5
Inteligência Artificial
Universidade da Madeira
Propriedades dos Agentes
(Wooldridge e Jennings)
z
Autonomia: agentes que operam sem a intervenção de humanos ou
outros, e possuem algum tipo de controlo sobre as suas acções e
estado interno;
z
Pró Actividade: agentes que não se limitam a agir em resposta ao
seu ambiente. Eles são capazes de tomar a iniciativa e exibir
comportamento direccionado por objectivos;
z
Reactividade: agentes que têm a percepção do seu ambiente e
respondem rapidamente às alterações que nele ocorrem;
z
Habilidade Social: agentes que são capazes de interagir com outros
agentes (e possivelmente com humanos) através de uma dada
linguagem de comunicação de agentes.
M. Wooldridge and N. R. Jennings. Intelligent Agents: Theory and Practice. In Knowledge Engineering Review
10(2), 1995.
Outras Propriedades Desejáveis
z
Mobilidade. Capacidade de um agente se movimentar
de um local para outro. Usualmente esta capacidade é
mencionada no contexto de agentes de software e como
tal a movimentação verifica-se no interior de uma rede
de computadores.
z
Conhecimento e Crença. Possuir conhecimento consiste
em possuir uma colecção de informação dinâmica e
capacidade de raciocínio sobre essa informação. Uma
crença representa a noção actual que o agente possui
sobre determinado facto. São geralmente dinâmicas,
isto é, podem alterar o seu valor de verdade com o
tempo.
6
Inteligência Artificial
Universidade da Madeira
Outras Propriedades Desejáveis
z
Intenções e Obrigações. Intenções são objectivos de
longo prazo do agente. Obrigações estão relacionadas
com
compromissos
que
o
agente
assumiu
anteriormente.
z
Racionalidade. Um agente agirá de forma a atingir os
seus objectivos e não agirá de forma a impedir que
esses mesmos objectivos sejam atingidos. Em cada
instante, face ao seu conhecimento e de acordo com as
suas capacidades tentará executar a melhor acção para
cumprir esses objectivos.
Outras Propriedades Desejáveis
z
Inteligência. O estado de um agente é formalizado por
conhecimento (i.e. crenças, objectivos, planos e
assunções) e ele interage com outros agentes utilizando
uma linguagem simbólica. Possui capacidade de
raciocínio abstracto e de resolução de novos problemas
e adaptação a novas situações.
z
Continuidade Temporal. O agente é um processo que é
executado continuamente ao longo do tempo
(persistente).
7
Inteligência Artificial
Universidade da Madeira
Outras Propriedades Desejáveis
z
Carácter. O agente possui uma personalidade credível e
eventualmente possui também um “estado emocional”.
z
Aprendizagem. Capacidades de aprendizagem que
fazem com que o agente adquira novo conhecimento e
altere o seu comportamento baseado na sua experiência
prévia.
Estrutura de um Agente
z
Agente = programa + arquitectura
z
Programa Æ uma função que relaciona as
percepções (entradas) do agente para acções
(saídas).
z
Arquitectura Æ suporte dado a execução dos
programas de agente.
z
z
A aquisição de percepções (sensores)
Execução de acções no ambiente (actuadores)
8
Inteligência Artificial
Universidade da Madeira
Agenda
zO
que é um Agente
z Como Definir Agentes
z Arquitectura dos
Agentes
Definindo Agentes
z Percepções
z Percepts
z Acções
z Actions
z Objectivos
z Goals
z Ambiente
z Environment
9
Inteligência Artificial
Universidade da Madeira
Exemplo: Agente da Policia
raciocínio
Agente
Conhecimento:
- leis
- comportamento
dos indivíduos,...
Objectivo:
- fazer com que as leis
sejam respeitadas
percepção
Acções:
- multar
- apitar
- parar, ...
execução
Ambiente
Exemplo extraído de www.cin.ufpe.br/~in1006/2003/IntelligentAgents.ppt
Exemplos
Agente
Diagnóstico
médico
Dados
perceptivos
Acções
Sintomas,
Perguntar,
paciente, exames prescrever exames,
respostas, ...
testar
Objectivos
Ambiente
Saúde do paciente,
minimizar custos
Paciente,
gabinete, ...
Análise de
imagens de
satélite
Pixels
imprimir uma
categorização
categorizar
correctamente
Imagens de
satélite
Tutor de
português
Palavras
digitadas
Imprimir exercícios,
sugestões,
correcções, ...
Melhorar o
desempenho do
estudante
Conjunto de
estudantes
Filtrador de
mails
mensagens
Aceitar ou rejeitar
mensagens
Aliviar a carga de
leitura do usuário
Mensagens,
usuários
Motorista de
táxi
Imagens,
velocímetro,
sons
travar, acelerar,
dobrar, falar com
passageiro, ...
Músico de jazz
Sons seus e de
outros músicos,
grades de
acordes
Escolher e tocar
notas no andamento
Segurança,
Ruas, pedestres,
rapidez, economia,
carros, ...
conforto,...
Tocar bem, se
divertir, agradar
Músicos,
publico, grades
de acordes
10
Inteligência Artificial
Universidade da Madeira
Ambiente
z
Classes de Ambiente:
Físicos: Robots
z Software: Softbot
z
z
As propriedades do ambiente determinam
em grande parte o projecto do agente.
Propriedades do Ambiente
z
acessível x inacessível
z
É acessível quando os sensores do agente
conseguem perceber o estado completo do ambiente.
z
z
Exemplo: Poker VS. Damas (Checkers)
estático x dinâmico
z
É estático quando o ambiente não muda enquanto o
agente está escolhendo a acção a realizar.
z
z
Exemplo Civilization II VS. Age of Empires
Semi-estático: o ambiente não muda enquanto o
agente delibera, mas o "score" do agente muda.
11
Inteligência Artificial
Universidade da Madeira
Propriedades do Ambiente
z
determinista x não-determinista
z
É determinista quando o próximo estado do ambiente
pode ser completamente determinado pelo estado
actual e as acções seleccionadas pelo agente.
z
z
Exemplo: Gamão (Backgammon) VS. Damas (Checkers)
discreto x contínuo
z
É continuo quando as percepções e acções mudam
em um espectro contínuo de valores.
z
Exemplo: ABS (Anti-Block System) Vs. BlackJack
Propriedades do Ambiente
z
episódico x não-episódico
z
É episódico quando a experiência do agente é
dividida em episódios. Cada episódio consiste em o
agente perceber e então agir. Cada episódio não
depende das acções que ocorreram em episódios
prévios.
z
Exemplo: Roleta vs Xadrez
12
Inteligência Artificial
Universidade da Madeira
Exemplos de Ambientes
estático
discreto
xadrez sem relógio
Agente\Ambiente
acessível determinista episódico
Sim
Sim
Não
Sim
Sim
xadrez com relógio
Sim
Sim
Não
Semi
sim
gamão
sim
não
não
sim
sim
motorista de táxi
Não
Não
Não
Não
Não
médico
Não
Não
Não
Não
Não
tutor
Não
Não
Não
Não
Sim
Analisador de imagem
Sim
Sim
Sim
Semi
Não
Sim
Busca na web
Não
Não
Sim
Não
Filtrador de mail
Sim
Não
Sim
Não
Sim
Músico
Sim
Não
Não
Não
Não
Outras Propriedades
z
agente único x agentes múltiplos
z
z
z
z
z
Palavras cruzadas – agente único.
Xadrez – agentes múltiplos -> ambiente competitivo.
Conduzir um táxi – agentes múltiplos ->ambiente
cooperativo.
A comunicação é necessária em multi-agentes.
tamanho do ambiente
z
número de percepções, acções, objectivos.
13
Inteligência Artificial
Universidade da Madeira
Agenda
zO
que é um Agente
z Como Definir Agentes
z Arquitectura dos Agentes
Algoritmo Básico de um Agente
function ESQUELETO_DE_AGENTE(percepção):acção
static: memória (memória do agente sobre o mundo)
memória ← ACTUALIZA_MEMÓRIA(memória, percepção)
acção ← ESCOLHA_A_MELHOR_ACÇÃO(memória)
memória ←ACTUALIZA_MEMÓRIA(memória,acção)
return acção
z
O agente percebe apenas uma coisa de cada vez e não
uma sequência.
z
z
Deve decidir se armazena a sequência ou não.
O objectivo não faz parte da “template” (medido
externamente).
14
Inteligência Artificial
Universidade da Madeira
Arquitectura de Agentes
Sensores
Actuadores
Gráficos originais: http://ia.ucpel.tche.br/~lpalazzo/Aulas/SMA/01-agentes-inteligentes.ppt
Arquitectura de Agentes
z
Dependendo o que é feito em
diferentes tipos de agentes
•Agente tabela
•Agente reactivo
•Agente reactivo com estado
interno (autómato)
•Agente cognitivo (baseado
em objectivos)
•Agente optimizador
•Agente que aprende
temos
autonomia
complexidade
15
Inteligência Artificial
Universidade da Madeira
Agente Tabela
Sensores
Tabela
percepções
acções
.
.
.
.
Actuadores
Gráficos originais: http://ia.ucpel.tche.br/~lpalazzo/Aulas/SMA/01-agentes-inteligentes.ppt
Agente Tabela
z
z
Dada uma percepção simplesmente procura a resposta.
Problemas
z
A tabela pode ser muito grande.
z
z
z
Mesmo que fosse possível construí-la esta poderia levar muito tempo.
O agente não tem autonomia, pois as acções são derivadas do seu
conhecimento interno (e não da sua experiência).
z
z
z
Ex.: um agente para jogar xadrez teria 35100 entradas.
Uma troca inesperada no ambiente poderia resultar em falha.
Se for dado ao agente um mecanismo de aprendizagem para aumentar
o grau de autonomia, ele poderá ficar aprendendo para sempre sem
que todas as entradas da tabela sejam preenchidas.
Ambientes
z
Acessível, determinista, episódico, estático, discreto e minúsculo!
16
Inteligência Artificial
Universidade da Madeira
Agente Reactivo
z
A tabela perfeita / completa é totalmente inviável.
z
É possível sumarizar a tabela usando:
z
z
z
Entradas/saídas comuns.
Pré processamento do sinal de entrada para identificar
condições comuns.
Usa regras de condição Æ acção
z
Se velocidade > 60 então multar
Agente Reactivo
Sensores
Como é o
mundo agora?
Regras
condição-acção
Que acção deve
ser executada?
Actuadores
17
Inteligência Artificial
Universidade da Madeira
Agente Reactivo
z
Problemas
z
z
z
z
z
A decisão do agente só depende da percepção actual.
Muitas soluções não podem ser alcançadas se o agente não
souber o que fez antes ou como o mundo era antes.
Não pode armazenar uma sequência perceptiva, e tem pouca
autonomia.
Aplicabilidade restrita: funciona apenas se o ambiente for
completamente observável.
z Exemplo: Para carros sem luz central de freio, um agente
reactivo não consegue determinar com uma única imagem
se o carro da frente está fazendo sinal de mudança de
direcção, alerta ou freio.
Ambientes
z
z
Reflexo imprescindível em ambientes dinâmicos
Acessível, episódico, pequeno
Agente Reactivo com Estado Interno
z
O estado actual é dado em função do estado anterior
(histórico) e do que foi percebido no ambiente.
z
O agente tem um estado interno com as informações
colectadas do ambiente.
z
Dois tipos de conhecimento são necessários para
actualizar a memória do agente (modelo do mundo):
z
Como o ambiente evoluí independente do agente
z
z
Um carro que está ultrapassando em geral estará mais perto do
que estava um instante antes.
Como as acções do próprio agente afectam o mundo
z
Se o agente virar o volante à direita, o carro irá virar para a direita.
18
Inteligência Artificial
Universidade da Madeira
Agente Reactivo com Estado Interno
Estado
Sensores
Como o
mundo evolui?
O que minhas
acções fazem?
Regras
condição-acção
Como é o
mundo agora?
Que acção deve
ser executada?
Actuadores
Agentes Reactivos com Estado Interno
z
Problemas
z
z
Conhecer os estados do ambiente não é suficiente para tomar
uma boa decisão.
Exemplo: o agente Motorista de Táxi chega a um cruzamento
com três caminhos, qual será a direcção que deve escolher?
z
z
z
z
simplesmente reagir não dá, existem três reacções possíveis
saber do passado do ambiente também não ajuda a decidir qual o
caminho
A decisão depende apenas do destino que o táxi está tentando
chegar.
Ambientes
z
determinista e pequeno
19
Inteligência Artificial
Universidade da Madeira
Agente Cognitivo
(baseado em objectivo)
z
O agente precisa de algum tipo de informação sobre o
seu objectivo.
z
z
Objectivos descrevem situações desejáveis. Ex.: estar no
destino.
Combinando informações sobre:
z
z
O objectivo do agente.
Os resultados de suas acções.
z
O agente pode escolher acções que alcancem o
objectivo.
z
A selecção da acção baseada em objectivo pode ser:
z
z
Directa: quando o resultado de uma única acção atinge o
objectivo.
Mais complexa: quando será necessário longas sequências de
acções para atingir o objectivo.
Agente Cognitivo
(baseado em objectivo)
z
Para encontrar sequências de acções que alcançam os
objectivos
z
z
A tomada de decisão envolve a consideração do futuro.
z
z
z
Algoritmos de Busca (procura) e Planeamento.
“O que acontecerá se eu fizer isso ou aquilo?”
“O quanto isso melhorará o meu desempenho?”
Exemplos:
z
Objectivo: não bater no carro da frente.
z
Se o carro da frente pára, pela forma de funcionamento do mundo,
a única acção que atinge o objectivo de não bater é também parar.
20
Inteligência Artificial
Universidade da Madeira
Agente Cognitivo
(baseado em objectivo)
Estado
Sensores
Como o
mundo evolui?
Como é o
mundo agora?
O que minhas
acções fazem?
Como ele será se for
executada a acção A?
Objetivos
Que ação deve
ser executada?
Actuadores
Agente Cognitivo
(baseado em objectivo)
z
Considerações / Problemas
z
O agente que funciona orientado a objectivos é mais flexível.
z
z
z
Mais flexível – representação do conhecimento permite modificações
z
z
Ex.: Se começar a chover, todas as informações relevantes podem ser
alteradas para se operar de forma eficiente.
Contudo, o objectivo não garante o melhor comportamento para o
agente, apenas a distinção entre os estados, objectivos e não
objectivos.
z
z
Agente reflexo Æ acções pré compiladas.
Agente p/ objectivo Æ pode alterar somente o objectivo sem necessidade
de se reescrever as regras de comportamento.
Exemplo: algumas alternativas de planeamento de acções futuras podem
ser mais rápidas, seguras ou baratas que outras.
Ambientes
z
Determinista.
21
Inteligência Artificial
Universidade da Madeira
Agente Optimizador
z
Também chamado “baseado em utilidade”.
z
Se um estado do mundo é mais desejável que outro, então ele terá maior
utilidade para o agente.
z
Utilidade é uma função que relaciona um estado para um número real, que
representa o grau de satisfação com este estado.
z
Nos casos onde existem objectivos conflituantes (velocidade x segurança)
a utilidade pode determinar o peso adequado a cada objectivo.
z
Qualquer agente racional deve se comportar como se possuísse uma
função de utilidade, cujo o valor esperado ele tenta maximizar.
z
(A origem da utilização da função de utilidade vem da teoria da decisão).
Agentes Optimizador
Estado
Sensores
Como o
mundo evolui?
Como é o
mundo agora?
O que minhas
acções fazem?
Como ele será se for
executada a acção A?
Quanto mais
feliz serei eu?
Utilidade
Que acção deve
ser executada?
Actuadores
22
Inteligência Artificial
Universidade da Madeira
Agentes Optimizador
z
Desvantagem
z
z
Não tem adaptabilidade
Ambientes
z
sem restrição
Agentes que Aprendem
z
Quatro componentes conceituais
z
Elemento de aprendizado:
z
z
Responsável pela execução dos aperfeiçoamentos.
Crítico:
z
z
O elemento de aprendizado “realimenta” o crítico sobre
como o agente está funcionando.
Determina de que maneira o elemento de desempenho deve
ser modificado.
23
Inteligência Artificial
Universidade da Madeira
Agentes que Aprendem
z
Quatro componentes conceituais
z
Elementos de desempenho:
z
z
z
Responsável pela selecção de acções externas.
Antes visto como o agente completo – recebe percepções e
decide sobre acções.
Gerador de problemas:
z
Responsável por sugerir acções que levarão a experiências
novas e informativas.
Agentes que Aprendem
Padrões de Desempenho
Sensores
Crítica
Aprendizado
Graduação do
Desempenho
Gerador de
Problemas
Actuadores
24
Inteligência Artificial
Universidade da Madeira
Agentes que Aprendem
z
Ambientes
z
Sem restrição.
Agentes Inteligentes
z
Constituem um paradigma especialmente adequado
para a modelagem de sistemas de IA.
z
A racionalidade dos agentes é o seu principal
atributo e corresponde ao seu componente
inteligente.
z
Apresentam-se em diferentes graus de
complexidade e sempre são capazes de aprender.
25
Inteligência Artificial
Universidade da Madeira
Leituras
LIVROS
z Russel,
Norvig, Artificial Intelligence: A Modern
Approach, Cap. 2.
z Costa, Simões, Inteligência Artificial. Fundamentos e
Aplicações. Cap 1.5, 2.1,3.1,4.1,5.1.
ARTIGOS
z Intelligent Agents: Theory and Practice. M. Wooldridge e
N. R. Jennings. Knowledge Engineering Review 10(2),
1995.
http://www.csc.liv.ac.uk/~mjw/pubs/ker95.pdf
FIM
26