Agentes Inteligentes
Inteligência Artificial
Definição
Um agente é tudo aquilo que pode ser visto
como percebendo um ambiente e agindo
sobre ele
Eu adicionaria:
... Em busca de um conjunto de objetivos.
Agentes

Um agente é algo capaz de perceber seu
ambiente por meio de sensores e de agir
sobre esse ambiente por meio de
atuadores.
Exemplos

Agente humano
 Sensores:
Olhos, ouvidos e outros órgãos.
 Atuadores: Mãos, pernas, boca e outras partes do
corpo.

Agente robótico
 Sensores:
câmeras e detectores de infravermelho.
 Atuadores: vários motores.

Agente de software
 Sensores:
entrada do teclado, conteúdo de arquivos
e pacotes vindos da rede.
 Atuadores: tela, disco, envio de pacotes pela rede.
Aula 1 - 17/10/2010
Mapeando percepções em ações




Sequência de percepções: história completa de
tudo que o agente percebeu.
O comportamento do agente é dado
abstratamente pela função do agente:
[f: P*  A]
onde é a P* é uma sequência de percepções e A
é uma ação.
O programa do agente roda em uma
arquitetura física para produzir f.
Agente = arquitetura + programa.
Aula 1 - 17/10/2010
Exemplo:
O mundo do aspirador de pó

Percepções: local e conteúdo
 Exemplo:

[A, sujo]
Ações: Esquerda, Direita, Aspirar, NoOp
Uma função para o agente aspirador de pó
Sequência de Percepções
Ação
[A, Limpo]
Direita
[A, Sujo]
Aspirar
[B, Limpo]
Esquerda
[B, Sujo]
Aspirar
[A, Limpo], [A, Limpo]
Direita
[A, Limpo], [A, Sujo]
Aspirar
...
[A, Limpo], [A, Limpo], [A, Limpo]
Direita
[A, Limpo], [A, Limpo], [A, Sujo]
Aspirar
...
Programa: Se o quadrado atual estiver
sujo, então aspirar, caso contrário mover
para o outro lado.
Agentes Racionais


Como preencher corretamente a tabela de
ações do agente para cada situação?
O agente deve tomar a ação “correta” baseado
no que ele percebe para ter sucesso.
O
conceito de sucesso do agente depende uma
medida de desempenho objetiva.

Exemplos: quantidade de sujeira aspirada, gasto de energia,
gasto de tempo, quantidade de barulho gerado, etc.
 A medida
de desempenho deve refletir o resultado
realmente desejado.
Agentes Racionais

Agente racional: para cada sequência de
percepções possíveis 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.
Agentes Racionais

Racionalidade é diferente de perfeição.



Mas os agentes podem (e devem!) executar ações para
coleta de informações.


A racionalidade maximiza o desempenho esperado, enquanto a
perfeição maximiza o desempenho real.
A escolha racional só depende das percepções até o momento.
Um tipo importante de coleta de informação é a exploração de
um ambiente desconhecido.
O agente também pode (e deve!) aprender, ou seja,
modificar seu comportamento dependendo do que ele
percebe ao longo do tempo.


Nesse caso o agente é chamado de autônomo.
Um agente que aprende pode ter sucesso em uma ampla
variedade de ambientes.
Características Cognitivas (1/2)

Básicas:
– capacidade de agir sem
intervenção de outros agentes.
 Reatividade – habilidade de reagir a
estímulos do ambiente.
 Proatividade – propriedade de agir guiado
por objetivos, a partir de iniciativa própria.
 Sociabilidade – potencialidade de se
comunicar com outros agentes do ambiente.
 Autonomia
Características Cognitivas (2/2)

Adicionais:
– capacidade de se adaptar ao
ambiente (aprendizado).
 Mobilidade – habilidade de se mover entre
ambientes.
 Veracidade – propriedade de dizer sempre a
verdade.
 Benevolência – característica de realizar tudo
aquilo que lhe é solicitado.
 Racionalidade – capacidade de agir sempre em
busca dos próprios objetivos.
 Adaptatividade
Não há consenso!



[Wooldridge 1999] Autonomia é a habilidade de agir
sem intervenção humana ou de outros sistemas.
Isso é conseqüência do controle total sobre seu
estado interno e sobre seu comportamento.
[Maes 1995] Agente autônomo é o que consegue
operar com completa autonomia, decidir por si só
como relacionar os dados obtidos com ações de
modo que seus objetivos sejam atingidos com
sucesso.
[Russel & Norvig 1995] Um sistema é autônomo na
medida em que seu comportamento é determinado
pela sua experiência, em vez de ter todo o
conhecimento sobre o ambiente pré-construído. Esse
sistema tem um conhecimento inicial e habilidade
de aprender.
Agentes Racionais


São aqueles que tomam a ação correta em
busca de seus objetivos.
Dependem:
 Da
medida de eficiência (performance measure) que
define o grau de sucesso do agente.
 De sua seqüência de percepções em relação ao
ambiente.
 De todo o conhecimento que tem sobre o ambiente
 Das ações que é capaz de realizar.
Agente Racional Ideal
Para cada possível seqüência de percepção, um
agente racional ideal deve realizar a ação que
maximize sua medida de eficiência, com base
em evidências providas pela seqüência de
percepção e mais qualquer conhecimento que o
agente tiver sobre o ambiente.
Exemplos
Termostato
 Agente de Diagnóstico Médico
 Motorista de Taxi Artificial

Quais são seus perceptores, ações, objetivos, ambiente e
medida de eficiência?
PEAS

Ao projetar um agente, a primeira etapa
deve ser sempre especificar o ambiente
de tarefa.
 Performance
= Medida de Desempenho
 Environment = Ambiente
 Actuators = Atuadores
 Sensors = Sensores
Exemplo de PEAS:
Motorista de Táxi Automatizado




Medida de desempenho: viagem segura, rápida,
sem violações às leis de trânsito, confortável
para os passageiros, maximizando os lucros.
Ambiente: ruas, estradas, outros veículos,
pedestres, clientes.
Atuadores: direção, acelerador, freio,
embreagem, marcha, seta, buzina.
Sensores: câmera, sonar, velocímetro, GPS,
hodômetro, acelerômetro, sensores do motor,
teclado ou microfone.
Exemplo de PEAS:
Sistema de Diagnóstico Médico
Medida de desempenho: paciente
saudável, minimizar custos, processos
judiciais.
 Ambiente: paciente, hospital, equipe.
 Atuadores: exibir na tela perguntas,
testes, diagnósticos, tratamentos.
 Sensores: entrada pelo teclado para
sintomas, descobertas, respostas do
paciente.

Exemplo de PEAS:
Robô de seleção de peças
Medida de desempenho: porcentagem de
peças em bandejas corretas.
 Ambiente: correia transportadora com
peças; bandejas.
 Atuadores: braço e mão articulados.
 Sensores: câmera, sensores angulares
articulados.

Exemplo de PEAS:
Instrutor de Inglês Interativo
Medida de desempenho: maximizar nota
de aluno em teste.
 Ambiente: conjunto de alunos.
 Atuadores: exibir exercícios, sugestões,
correções.
 Sensores: entrada pelo teclado.

Agente Básico
- Cadê a medida de eficiência?
- Será que a escolha da ação pode ser feita a partir de uma
tabela que relacione diretamente condição/ação?
Agente Dirigido por Tabela
Função AGENTE-DIRIGIDO-POR-TABELA(percepção) retorna
uma ação
Variáveis estáticas:


percepções, uma seqüência, inicialmente vazia
tabela, uma tabela de ações, indexada por seqüências
de percepções, de início completamente especificada
anexar percepção ao fim de percepções
ação ← ACESSAR(percepções, tabela)
retornar ação
• Desvantagens:
–
–
–
–
Tabela gigante (xadrez = 10150 entradas)
Tempo longo para construir a tabela
Não tem autonomia
Mesmo com aprendizado demoraria muito para aprender a tabela.
Tipos básicos de agentes

Quatro tipos básicos, do mais simples ao
mais geral
 Agentes
reativos simples
 Agentes reativos baseados em modelos
 Agentes baseados em objetivos
 Agentes baseados na utilidade
Agente Reflexivo
Sensors
regras condição-ação
Que ação eu devo
tomar
Ambiente
Estado do
Mundo
Effectors


Ações baseadas no estado atual do mundo.
Agem por reflexo: regras condição-ação.
Agente Reflexivo com Estado Interno
estado interno
Sensors
como o mundo evolui
regras condição-ação
Que ação eu devo
tomar
Ambiente
conseqüências de minhas
ações
Estado do
Mundo
Effectors

Necessários quando um histórico é
necessário, além da informação sensorial.
Agente Orientado a Objetivos
estado interno
como o mundo evolui
objetivos
Estado do
Mundo
Como será o mundo
se eu tomar ação A
Que ação eu devo
tomar
Effectors

Mais flexíveis por inferirem reações.
Ambiente
conseqüências de minhas
ações
Sensors
Agente Baseado em Utilidade
estado interno
como o mundo evolui
utility
Estado do
Mundo
Como será o mundo
se eu tomar ação A
O quão feliz vou
ficar nesse estado
Ambiente
conseqüências de minhas
ações
Sensors
Que ação eu devo
tomar
Effectors


Funciona escolhendo sempre um estado mais útil.
Função de utilidade: determina o grau de satisfação
do agente em relação a um determinado estado.
Propriedades do Ambiente
Acessível x Inacessível
 Determinístico x Não-determinístico
 Episódico x Não-episódico
 Estático x Dinâmico
 Discreto x Contínuo

Ambiente Acessível




Sensores têm acesso ao estado completo do
ambiente (i.e. os agentes vêem tudo).
Os sensores captam toda informação relevante
para a escolha por uma ação.
Não é necessário manter o estado interno.
Ex.:
– acessível
 robô que seleciona peças – inacessível
 xadrez
Ambiente Determinístico



Próximo estado = estado atual + ações dos
agentes.
Devemos dizer se um ambiente é ou não
determinístico do ponto de vista de um agente.
Ex.:
– determinístico
 robô que seleciona peças – não-determinístico
 xadrez
Ambiente Episódico




A experiência dos agentes é dividida em episódios, i.e.
pares percepção-ação.
A qualidade da ação depende apenas do episódio em si,
porque episódios subseqüentes não dependem da ação
que ocorrem em episódios anteriores.
É mais simples porque o agente não precisa pensar no
futuro.
Ex.:
 xadrez – não-episódico
 robô que seleciona peças – episódico
Ambiente Estático




O ambiente não muda enquanto o agente
está deliberando.
É mais simples de lidar porque o agente não
precisa monitorar o ambiente enquanto toma
uma decisão.
Semi-dinâmico: o ambiente não muda mas a
medida de eficiência do agente muda.
Ex.:
 Xadrez sem relógio – estático
 Xadrez com relógio – semi-dinâmico
 robô que seleciona peças – dinâmico
Ambiente Discreto
Há um conjunto limitado e bem definido de
perceptores e ações distintos.
 Ex.:

– discreto
 robô que seleciona peças – contínuo
 xadrez
Ambiente x Agente
Cada ambiente requer um tipo de agente.
 Ambiente mais simples: acessível,
determinístico, episódico, estático e
discreto.
 Quanto mais complexo for o ambiente,
mais complexo deve ser o agente.

Agentes x Internet
Agentes de Busca
Usuário
Browser
Search Engine
Consulta
Resposta
Servidor de
Consultas
Base de
Índices
)--(
Web
Robô
Indexing Engine
Busca
Exemplos: Google, Bing, AltaVista, Lycos, Excite, ...
Agentes que filtram Informação
Arquitetura:
Browser
Servidor
de News
Artigos
Indexados
Perfil do
usuário
Indexing Engine
Internet
Agente de Filtragem
• Filtram as informações encontradas de acordo com o
perfil do usuário.
Exemplos

NewsHound




Busca notícias em diversos jornais a partir do perfil dado
Envia informações através de e-mail ou páginas html.
Utiliza critérios de relevância
MetaCrawler

Programa inteligente que usa outros engenhos de busca em
prol do usuário
Usuário
Browser
Search Engine
Consulta
Softbot
Resposta
Perfil do
usuário
Servidor de
Consultas
Base de
Índices
Agentes Notificadores

Notifica o usuário de eventos de importância
para ele.
 Mudança
no conteúdo de uma página na Web.
 Mudança de endereço de uma página.

Exemplo: URLMINDER
 Monitora
páginas na Web
e comunica aos usuários
se houve mudanças
nelas
 Checa páginas pelo
menos 1 vez/dia
 Não faz busca recursiva de URLs.
Comércio Eletrônico

Hoje
 informação
 marketing
 processamento
do pedido
 Problemas
O que comprar?
 Onde comprar?
 Quanto pagar?

Agentes que filtram Informação de Compra
Arquitetura:
Browser
Servidor
Sites
Indexados
Perfil do
usuário
Indexing Engine
Internet
Agentes de Comércio Eletrônico
• Filtram as opções de compra de acordo com o perfil do
usuário.
Agentes Inteligentes
Dúvidas?