Agentes Inteligentes

Transcrição

1 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 efetuadores (ex. vídeo, auto-falante, impressora, braços, ftp, mensagens para outros agentes,...) Medida de desempenho: Critério que define o grau de sucesso das ações a m b i e n t e sensores Raciocinador efetuadores modelo do ambiente Agente

3 Exemplos de Agentes Um agente humano Sensores: olhos, ouvidos,... Atuadores: mãos, pernas, boca,... Um agente robótico Sensores: câmeras, detectores da faixa de infravermelho,... Atuadores: motores,... Um 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,...

4 Percepção: termo para fazer referência às entradas perceptivas do agente em qualquer momento dado Sequencia de percepção do agente: é a história completa de tudo que o agente já percebeu. Em geral, a escolha de ação de um agente em qualquer instante dado pode depender da sequencia inteira de percepções observadas até o momento Em termos matemáticos, afirmamos que o comportamento do agente é descrito pelo função de agente que mapeia qualquer sequencia de percepções específica para uma ação (descrição matemática abstrata). Programa de agente: é uma implementação concreta, relacionada à arquitetura do agente

5 Exemplo Mundo do aspirador de pó Percepção: locais e objetos (ex: sujeira) Ações: esquerda, direita, para cima, para baixo, Nop Função de agente muito simples: se o quadrado atual estiver sujo, então aspirar, caso contrário, mover-se para o outro quadrado

6 Um agente aspirador de pó Sequênica 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 função AGENTE-ASPIRADOR-DE-PÓ ([posição, estado]) retorna uma ação se estado = sujo então retorna Aspirar senão se posição = A então retorna Direita senão se posição = B então retorna Esquerda

7 Conceito de Racionalidade Agente racional Um agente é dito racional se este faz o que é certo Certamente, isto é melhor do que fazer a coisa errada O que isto significa? Como uma primeira aproximação, diremos que a ação correta é uma que induz sucesso. Isto deixa em aberto o problema de avaliar como e quando avaliar o sucesso de um agente

8 Medida de desempenho Medida de Desempenho: mede o sucesso do comportamento do agente caracterizar a maneira que um agente age este critério quantifica o grau de sucesso de um agente Não há uma medida única de sucesso para todos os agentes A medida de desempenho deve ser imposta por uma autoridade Nós (os projetistas) estabelecemos um padrão do que significa obter sucesso em um ambiente e usamos este para quantificar a performance do agente

9 Exemplo de medida de desempenho Aspirador de pó Exemplo: aspirador de pó uma medida de desempenho plausível é medir a quantidade de poeira coletada em um período de oito horas Uma medida mais sofisticada levaria em conta a quantidade de eletricidade consumida e a quantidade de ruído produzido O momento de avaliar o desempenho também é importante. Se medimos após a primeira hora do dia, estaremos recompensando aqueles agentes que trabalham rápido, mesmo que façam pouca coisa mais tarde Portanto, desejamos uma medida de performance para um período longo, seja ela de oito horas ou uma vida inteira

10 Onisciência Racionalidade Um agente onisciente sabe o resultado de uma ação antes de tomá-la Agentes oniscientes não são reais Considere o exemplo Uma pessoa esta caminhando na calçada e vê seu amigo do outro lado Não havendo tráfego se aproximando ele inicia a travessia neste momento um objeto cai de um avião que está sobrevoando a área, a cerca de pés, sobre o pedestre Foi então racional atravessar a rua?

11 Onisciência Racionalidade Foi racional atravessar a rua? O exemplo mostra que racionalidade está relacionada à expectativa de sucesso dado o que foi percebido Atravessar a rua foi racional porque, na maioria das vezes, a travessia teria sido bem-sucedida e não havia maneira de prever a queda do objeto Em outras palavras, não podemos culpar o agente por não levar em conta alguma coisa que ele não tinha condições de observar

12 Racionalidade A definição do que é racional em qualquer instante dado depende de quatro fatores: Medida de desempenho: define o critério de sucesso percepção: tudo que o agente percebeu até o momento; chamamos esta informação de histórico de percepção completo ou sequência de percepções ambiente: tudo que o agente sabe sobre o ambiente ações: as ações que o agente pode executar Agente racional: para cada sequência 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 sequência de percepções e por qualquer conhecimento interno do agente.

13 Racionalidade Um agente escolhe a ação que maximize o valor esperado da medida de desempenho dada uma sequencia de percepções Racional Onisciente Perceptores podem não fornecer todas informações relevantes Racional vidente Consequências de ações não esperadas Logo, racional sucesso Racional exploração, aprendizagem, autonomia

14 Ambiente de Tarefa - PEAS PEAS: Performance, Environment, Actuators, Sensors (desempenho, ambiente, atuadores, sensores) Os ambientes de tarefas são essencialmente os problemas para os quais os agentes racionais são as soluções. O tipo de ambiente de tarefa afeta diretamente o projeto apropriado para o programa do agente.

15 Especificando o ambiente de tarefa Ex: motorista de táxi automatizado Medida de desempenho: Ambiente: Atuadores: Sensores:

16 Especificando o ambiente de tarefa Ex: motorista de táxi automatizado Medida de desempenho:segurança, destino correto, minimizar o consumo de energia e desgaste, minimizar o custo/tempo da viagem... Ambiente: ruas, rodovias, tráfegos, pedestres, tempo (chuva, sol...),... Atuadores: direção, acelerador, freio, buzina, auto-falante/visor,... Sensores: video, velocímetro, hodômetro, acelerômetro, teclado, GPS

17 Exemplos de Agentes

18 Tipos de ambientes Completamente observável versus parcialmente observável Determinístico versus estocástico Episódico versus seqüencial Estático versus dinâmico Discreto versus contínuo Agente único versus multiagente

19 Tipos de ambientes Completamente observável versus parcialmente observável O ambiente de tarefa é completamente observável se os sensores de um agente permitem acesso ao estado completo do ambiente em cada instante, ou seja, se os sensores detectam todos os aspectos que são relevantes para a escolha da ação (a relevância depende da medida de desempenho) Ambiente parcialmente observável: devido ao ruído e a sensores imprecisos ou porque partes do estado estão simplesmente ausentes nos dados do sensor

20 Tipos de ambientes Determinístico versus estocástico Se o próximo estado do ambiente é completamente determinado pelo estado atual e pela ação executada pelo agente, dizemos que o ambiente é determinístico: caso contrário, ele é estocástico Se o ambiente é determinístico exceto pelas ações de outros agentes, dizemos que o ambiente é estratégico.

21 Tipos de ambientes Episódico versus seqüencial Episódico: a experiência do agente é dividida em episódios atômicos.cada episódio consiste na percepção do agente, e depois, na execução de uma única ação. O episódio seguinte não depende das ações de episódios anteriores. Sequencial: a decisão atual pode afetar todas as decisões futuras. Ambiente episódicos são muito mais simples que ambientes sequenciais, pois o agente não precisa pensar à frente.

22 Tipos de ambientes Estático versus dinâmico Se o ambiente puder se alterar enquanto um agente está deliberando, dizemos que o ambiente é dinâmico para esse agente; caso contrário, ele é estático. Se o próprio ambiente não mudar com a passagem do tempo, mas o nível de desempenho do agente se alterar, diremos que o ambiente é semidinâmico. Exemplo: Dinâmico: ambiente que se dirige um táxi Estático: jogo de palavras cruzadas Semidinâmico: jogo de xadrez quando jogado com a contagem do tempo

23 Tipos de ambientes Discreto versus contínuo A distinção entre discreto e contínuo pode se aplicar ao estado do ambiente, ao modo como o tempo é tratado, e ainda às percepções e ações do agente. Agente único versus multiagente Jogo de xadrez: ambiente de multiagente competitivo. Direção de um táxi: multiagente parcialmente cooperativo

24 Exercício

25 Estrutura de Agentes Até este momento, falamos sobre como descrever o comportamento dos agentes a ação que é executada após uma seqüência de percepções. A tarefa de IA é projetar programas de agentes uma função que implementa o mapeamento da percepção em ações se assume que o programa vai rodar em algum tipo de dispositivo computacional, que chamamos de arquitetura A arquitetura pode ser um simples computador hardware de propósito específico para certas tarefas, tais como processamento de imagens e filtragem de áudio Em geral, a arquitetura: apresenta a percepção dos sensores do agente, roda o programa do agente, e alimenta as ações do agente aos atuadores

26 Estrutura de Agentes Programa: agente = arquitetura + programa uma função que mapeia percepção em ação Arquitetura Dispositivo computacional no qual o programa é executado

27 Estrutura de Agentes Agentes reativos simples Agentes reativos baseados em modelo Agentes baseados em objetivos Agentes baseados na utilidade Agentes com aprendizagem O processo de tomada de decisão através do raciocínio e com conhecimento é central em IA e no projeto de um agente de sucesso meios para representar conhecimento são importantes.

28 Agente Reativo Simples a m b i e n t e sensores Qual a aparência atual do mundo? Que ação devo executar agora? atuadores Agente Regras condição-ação Tipo mais simples. Seleciona ações com base na percepção atual, ignorando o restante do histórico de percepções. Exemplo: Agente aspirador de pó, porque sua decisão se baseia apenas na posição atual e no fato dessa posição conter ou não sujeira. 28

29 Agente Reativo Simples Vantagens e desvantagens Regras condição-ação: representação inteligível, modular e eficiente ex. Se velocidade > 60 então multar Não pode armazenar uma seqüência de percepções, pouca autonomia Ambientes: Reflexo imprescindível em ambientes dinâmicos Acessível, episódico, pequeno Funcionará somente se a decisão correta puder ser tomada com base apenas na percepção atual Ambiente completamente observável Exemplos de alguns problemas: Talvez somente uma imagem não é suficiente para determinar se o carro da frente esta dando sinal de mudança de direção, alerta ou freio 29

30 Agente Reativo Baseado em Modelos sensores Agente estado: como o mundo era antes a m b i e n t e Qual é a aparência atual mundo? Que ação devo executar agora? atuadores como o mundo evolui impacto de minhas ações Regras condição-ação Agente controla a parte do mundo que ele não pode ver agora (agente mantém estado interno que depende do histórico de percepções). Exemplo: agente taxista vai trocar de pista e pode não ver momentaneamente alguns carros à sua volta 30

31 Agente Reativo Baseado em Modelos O agente deve manter um estado interno que dependa do histórico de percepções e reflita os aspectos não observados no estado atual Dois tipos de conhecimento são necessários para atualizar o estado interno do agente (modelo do mundo): Como o ambiente evolui independente do agente Um carro que está ultrapassando, em geral estará mais perto do que estava um instante anterior Como as ações do próprio agente afetam o mundo Se o agente virar o volante à direita, o carro irá virar p/ a direita Um agente que utiliza o modelo de mundo Desvantagem: pouca autonomia não tem objetivo, não encadeia regras Ambientes: determinístico e pequeno 31

32 Agente Baseado em Objetivo a m b i e n t e sensores Qual a aparência atual do mundo? Qual será a aparência se for executada a ação A? Que ação devo executar agora? atuadores Agente estado: como o mundo era antes como o mundo evolui impacto de minhas ações Objetivos Controla o estado do mundo, bem como um conjunto de objetivos que está tentando atingir e escolhe uma ação que (no final) levará à realização de seus objetivos. 32

33 Agente Baseado em Objetivo Agente combina seu objetivo com as informações sobre os resultados de ações possíveis a fim de escolher ações que alcancem os seus objetivos Exemplo: Táxi em um entroncamento de estradas: virar à esquerda, à direita ou ir em frente? Necessidade de busca e planejamento: áreas da IA dedicadas a encontrar seqüências de ações que alcançam os objetivos do agente. 33

34 Agente Baseado em Objetivo O agente precisa de algum tipo de informação sobre o seu objetivo Objetivos descrevem situações desejáveis. Ex: estar no destino Combinando informações sobre: O objetivo do agente Os resultados de suas ações O agente pode escolher ações que alcancem o objetivo A seleção da ação baseada em objetivo pode ser: Direta: quando o resultado de uma única ação atinge o objetivo Mais complexa: quando será necessário longas seqüências de ações para atingir o objetivo 34

35 Agente Baseado em Objetivo Para encontrar seqüências de ações que alcançam os objetivos Algoritmos de Busca e Planejamento A tomada de decisão envolve a consideração do futuro -> distinta das regras de condição-ação O que acontecerá se eu fizer isso ou aquilo? O quanto isso me ajudará a atingir o objetivo? Agentes reativos: reação -> frear quando carro da frente frear Agentes baseado em objetivo: raciocínio -> carro da frente freia -> carro da frente diminui velocidade -> objetivo: não atingir outros carros -> ação para atingir objetivo: frear 35

36 Agente Baseado em Objetivo Vantagens e desvantagens: Mais complicado e ineficiente, porém mais flexível, autônomo Não trata objetivos conflitantes Ambientes: determinístico 36

37 Agente Baseado em Utilidade ambiente sensores Qual a aparência atual do mundo? Qual será a aparência se for executada a ação A? Este novo mundo é melhor? Que ação devo executar agora? atuadores Agente estado: como o mundo era antes como o mundo evolui qual é o impacto de minhas ações Função de Utilidade - Usa um modelo do mundo juntamente com uma função de utilidade que mede suas preferências entre estados do mundo. - Em seguida, ele escolhe a ação que leva à melhor utilidade esperada, na qual a utilidade esperada é calculada pela média entre todos os estados resultantes possíveis, ponderados pela probabilidade do resultado. Existem muitas seqüências de ações que levam o agente ao seu objetivo. Algumas mais rápidas, mais seguras, mais econômicas, etc. Agentes baseados em utilidade utilizam uma medida de desempenho (função de utilidade) que permite uma comparação entre diferentes estados do mundo, permitindo selecionar a seqüência de ações 37

38 Agente Baseado em Utilidade Se um estado do mundo é mais desejável que outro, então ele terá maior utilidade para o agente Utilidade é uma função que mapeia um estado para um número real que representa o grau de satisfação com este estado Especificação completa da função de utilidade decisões racionais em dois tipos de casos: Quando existem objetivos conflitantes (velocidade x segurança) a função de utilidade especifica o compromisso apropriado Quando existem vários objetivos que se deseja alcançar e nenhum deles pode ser atingido com certeza ponderar a importância dos objetivos Ambiente: sem restrição Desvantagem: não tem adaptabilidade 38

39 Agente com Aprendizagem Agente a m b i e n t e sensores elemento de desempenho (agente) atuadores Trocas/mudanças conhecimento crítico elemento de aprendizagem Gerador de problemas Avaliação/ realimentação objetivos de aprendizagem Um elemento de aprendizado utiliza realimentação sobre como um agente está funcionando e determina de que maneira o elemento de desempenho deve ser modificado para funcionar melhor no futuro. 39

40 Agente com Aprendizagem Em agentes sem aprendizagem tudo o que o agente sabe foi colocado nele pelo projetista Turing propõe construir máquinas com aprendizagem e depois ensiná-las Aprendizagem também permite ao agente atuar em ambientes totalmente desconhecidos e se tornar mais competente do que o seu conhecimento inicial poderia permitir Ambiente: sem restrição Vantagem: tem adaptabilidade (aprende) 40

41 Agentes com aprendizagem Elemento de aprendizado: responsável pela execução de aperfeiçoamentos Elemento de desempenho: responsável pela seleção de ações externas O elemento de aprendizado utiliza realimentação do crítico sobre como o agente está funcionando e determina de que maneira o elemento de desempenho deve ser modificado para funcionar melhor no futuro. O crítico informa ao elemento de aprendizado como o agente está se comportando em relação a um padrão fixo de desempenho Gerador de problemas: responsável por sugerir ações que levarão a experiências novas e informativas.