Agentes Inteligentes Características de um agente humano:

Transcrição

1 s Inteligentes Características de um agente humano: : Sensores:??? #$%& 306@ ga%#0 Q&% Qualquer coisa que pode: 1. Perceber seu ambiente através de sensores e 2. Agir sobre ambiente através de atuadores. Olhos Ouvidos Outros órgãos para sensores Atuadores: Mãos Pernas Boca Outras partes do corpo Características de um agente robótico: Características de um agente de software: Sensores: Câmeras Localizadores de infravermelho Sonares, etc Atuadores: Motores function SQRT(x) z 1.0 /* chute inicial */ repeat until z 2 x < z z (z 2 x)/(2z) end return z strings de bits funcionam como sensores e atuadores. 1

2 Diagrama de um Genérico Sensor Diagrama de um Genérico Sensor Percepção? Percepção? Ações Ações Atuadores Atuadores Adaptado de Russel & Norvig, 1995, pág. 32 Objetivo do uso de agentes: Projetar e construir agentes que: Tenham uma boa interação com o ambiente (façam bom uso dos sensores) Ajam adequadamente sobre o ambiente (façam bom uso dos atuadores) Conclusão: os agentes precisam fazer um bom trabalho. racional Faz a coisa certa (ação que faz o agente ter sucesso), segundo o princípio da racionalidade: Dada uma seqüência percebida, o agente escolhe, segundo seus conhecimentos, as ações para atingir seu objetivo. => É necessário uma medida de desempenho do agente. 2

3 Problema Como e Quando se deve avaliar o sucesso de um agente? Como Usa-se uma medida de desempenho imposta por superiores => como um padrão (objetivo) de medida. Medida de Desempenho: indica o sucesso de um agente Problema: Não existe uma medida única! Exemplo: que faz limpeza em ambiente com um aspirador. Possíveis medidas: quantidade de pó coletado em 8 horas de trabalho quantidade de eletricidade consumida e a quantidade de barulho além de limpar perfeitamente e de forma quieta, ainda vai à praia no final de semana Quando: Diferença entre racionalidade e onisciência: Tempo de realização da tarefa Instantes inicial e final => determinação da quantidade de tempo Problema: cuidado deve-se tomar na consideração do período de tempo. Risco: premiar rapidez e punir consistência onisciente: conhece as saídas de suas ações e age de acordo Onisciência é impossível na realidade. Racionalidade: relacionada com o sucesso esperado em função do que foi percebido 3

4 Exemplo: (Racionalidade X Onisciência) Racionalidade depende de: Medida de desempenho que define o grau de sucesso Ação: mover rápido. Tudo que o agente percebeu (sequência percebida) Conhecimento que o agente possui sobre o ambiente Ações que o agente pode realizar Definição de um agente racional ideal Para cada sequência percebida, um agente racional ideal deve fazer qualquer ação esperada para maximizar sua medida de desempenho, com base na evidência provida pela sequência percebida e pelo conhecimento que o agente tem. Mapeamento: associação entre as sequências percebidas e as ações f : P* A pode ser descrito por uma tabela (look-up-table) Sequência percebida Ação : ferramenta para análise de sistemas (diferente de uma caracterização que divide o mundo em agentes e não agentes). => pode se tornar uma lista (mapeamento) infinita Solução: procurar as sequências possíveis e enumerá-las. 4

5 Mapeamento Ideal: Especificação de que ações o agente deve tomar como resposta a uma sequência percebida => projeto de um agente ideal. Exemplo: Mapeamento Ideal: Tabela pode se tornar infinita. Especificação procedural (agente - Método de Newton) x Percebido Ação z function SQRT(x) z < /* chute inicial */ repeat until z 2 x < z <-- z (z 2 x)/(2z) end return z Autonomia (outro requisito para um agente ideal) relacionada com o conhecimento que o agente possui Ação do agente baseia-se na sua própria experiência e no conhecimento sobre o ambiente onde se encontra. Um sistema é (completamente) autônomo se seu comportamento é determinado pela sua própria experiência. Possui capacidade de adaptação a situações novas não disponíveis na base de conhecimento Programa : Estrutura de s Inteligentes Função que implementa o mapeamento entre as sequências percebidas e as ações. : Executado em uma arquitetura (computador ou dispositivos eletrônicos tipo câmera, etc). Possui software s = arquitetura + programa 5

6 : Policial de Trânsito Requisitos para se projetar um agente: raciocínio Conhecimento: - leis - comportamento dos indivíduos,... Objetivo: - fazer com que as leis sejam respeitadas Ações: - multar - apitar - parar,... O que será percebido percepção execução Ações Os objetivos ou a medida de desempenho O tipo de ambiente Diagnóstico médico Análise de imagens de satélite Tutorial de português Filtrador de mails Motorista de taxi Músico de jazz Exemplos de agentes Dados perceptivos Sintomas, Perguntar, Saúde do paciente, paciente, exames prescrever exames, minimizar custos respostas,... testar Pixels Palavras digitadas mensagens Imagens, velocímetro, sons Sons seus e de outros músicos, grades de acordes Ações Objetivos imprimir uma categorização Imprimir exercícios, sugestões, correções,... Aceitar ou rejeitar mensagens brecar, acelerar, dobrar, falar com passageiro,... Escolher e tocar notas no andamento Adaptado de Russel & Norvig, 1995, pág. 37. categorizar corretamente Melhorar o desempenho do estudante Aliviar a carga de leitura do usuário Paciente, gabinete,... Imagens de satélite Conjunto de estudantes Mensagens, usuários Segurança, Ruas, pedestres, rapidez, economia, carros,... conforto,... Tocar bem, se divertir, agradar Musicos, publico, grades de acordes Programas s Forma Geral: Aceita o que é percebido do ambiente e gera ações. function AGENTE(percepçao) returns ação static memoria, memória do agente sobre o mundo memoria Atualiza-memoria(memoria,percepçao) ação Escolhe-melhor-ação(memoria) memoria Atualiza-memoria(memoria,ação) return ação 6

7 Considerações: 1. O programa agente recebe apenas um evento percebido como entrada Construção da sequência (percebida) fica a critério do agente Sequência percebida pode ser dispensada para alguns ambientes. Domínios complexos: armazenamento da sequência percebida completa é impossível. Considerações: 2. Objetivo a ser atingido e a medida de desempenho não estão no esqueleto geral do agente - Medida de desempenho: - aplicada externamente para julgar o comportamento do agente - é possível atingir um alto desempenho sem explicitar o método de medida como uma tabela de referência Look Up Table Problemas: function AGENTE_GUIADO_TABELA(percepção) returns ação static percepção, uma sequência, inicialmente vazia tabela, uma tabela, indexada por sequências de percepções, inicialmente com especificação completa Acrescenta percepção ao final de percepção ação Tabela(percepção, tabela) return ação 1) Número de entradas pode ser muito grande ( para jogar xadrez) 2) Muito tempo para construção da tabela 3) não é autônomo (cálculo da melhor ação é embutido mudanças no ambiente => agente pode perder-se) 7

8 Problemas: 4) Mesmo com um mecanismo de aprendizagem disponível (para dotar o agente com certa autonomia), poder-se-ia tomar uma eternidade para aprender o valor correto para todas as entradas. Entretanto: _guiado_por_tabela realiza o que é pedido: implementa o mapeamento desejado! Tipo de Motorista de táxi Percepções Câmeras, Medidor de velocidade, GPS, Sonar, Microfone Exemplo de : Ações Mudança de Marcha, Acelerar, Frear, Falar com o passageiro Objetivos Segurança, Rapidez, Legalidade, Viagem confortável, Maximização dos lucros Rodovias, Outros tráfegos, Pedestres, Consumidores Medida de desempenho associada com os objetivos (que podem ser conflitantes, exigindo um compromisso) Tipo de Percepções Ações Objetivos Tipo de Percepções Ações Objetivos para evitar obstáculos Distância do obstáculo; velocidade; trajetória Girar o volante; aumentar a velocidade; frear; buzinar; sinalizar Evitar bater nos obstáculos Rodovias; ruas para manter-se na faixa de rolagem Centro da faixa; limites da faixa Girar o volante; acelerar; frear Manter-se na faixa Rodovias; ruas Sensores: Câmeras; sonares; laser Atuadores: Volante; acelerador; freios; buzina; pisca alerta Sensores: Câmeras Autadores: Volante; acelarador; freios 8

9 Tipos de : Reflexivo Princípio: Regra Condição -Ação Reflexivos s que seguem o mundo s baseados em objetivos s baseados em utilidade Regras Condição-ação Sensores Como o ambiente está atualmente Que ações devem ser tomadas s de Aprendizagem Atuadores Exemplo function AGENTE_REFLEXIVO(percepção) returns ação static regras, um conjunto de regras condição-ação estado Interpreta_Entrada(percepção) regra Corresponde_regra(estado,regras) ação Ação_regra[regra] return ação s que seguem o mundo Mantêm um estado interno que será combinado com as novas percepções. Regras Condição-ação Estado Como o mundo evolui O que minhas ações provocam Sensores Como o ambiente está atualmente Que ações devem ser tomadas Atuadores 9

10 function AGENTE_REFLEXIVO_COM_ESTADO (percepção) returns ação static estado, uma descrição do estado atual do mundo regras, um conjunto de regras condição-ação estado Atualiza_estado(estado,percepção) regra Corresponde_regra(estado,regras) ação Ação_regra[regra] estado Atualiza_estado(estado,ação) return ação s baseados em objetivos Objetivos Estado Como o mundo evolui O que minhas ações provocam Sensores Como o ambiente está atualmente O que acontece se faço a ação A? Que ação devo fazer agora? Atuadores s baseados em utilidade Utilidade Estado Como o mundo evolui O que minhas ações provocam Sensores Como o ambiente está atualmente O que acontece se faço a ação A? O quanto estarei satisfeito neste estado s com aprendizagem Padrão de desempenho Crítico Elemento de aprendizado realimentação objetivos de aprendizado mudanças conhecimento Sensores Elemento de desempenho Que ação devo fazer agora? Atuadores Gerador de problemas Atuadores 10

11 Como acoplar um agente ao ambiente? Natureza da conexão entre o agente e o ambiente: Ações são realizadas sobre o ambiente, que por sua vez provê percepções para o agente. Diferentes tipos de ambientes: podem afetar o projeto dos agentes de forma diferente. Há ambientes que podem ser usados como plataforma para teste de programas agentes. Propriedades dos ambientes: Acessível x Inacessível acessível (ao agente) - Se os sensores do agente fornecem um estado completo do ambiente (todos os aspectos relevantes para escolher a ação) O agente não precisa manter um estado interno para acompanhar o mundo. Propriedades dos ambientes: Determinístico x Não-determinístico Se o próximo estado do ambiente é totalmente determinado pelo estado atual e pelas ações do agente, então o ambiente é determinístico não há preocupação com incerteza Propriedades dos ambientes: Episódico x Não-episódico Episódico a experiência do agente é dividida em episódios. Episódio: percepção e ação do agente s Inacessíveis tendem a ser Nãodeterminísticos. s episódicos são simples agente não pensa no futuro! o 11

12 Propriedades dos ambientes: Estático x Dinâmico dinâmico muda enquanto o agente está decidindo. No ambiente estático o agente não precisa monitorar o mundo enquanto decide. semi-dinâmico - ambiente não muda com o tempo, mas o desempenho do agente muda. Propriedades dos ambientes: Discreto x Contínuo Discreto: há um número distinto de percepções e ações (Ex. Xadrez) Contínuo: guiar (velocidade e localização do veículo e dos veículos próximos variam numa faixa de valores contínuos). s diferentes requerem agentes diferentes. Pior Caso: Inacessível, Não-episódico, Dinâmico e Contínuo! Na maioria das situações reais os ambientes são complexos (Não importa muito se são determinísticos, devem ser tratados como Não-determinísticos). Exemplos de s acessível determinista episódico estático discreto xadrez sem Sim Sim Não Sim Sim relógio xadrez com Sim Sim Não Semi sim relógio gamão sim não não sim sim motorista de taxi Não Não Não Não Não médico Não Não Não Não Não tutor Não Não Não Não Sim Analisador de Sim Sim Sim Semi Não imagem Busca na web Não Não Sim Não Sim Filtrador de mail Sim Não Sim Não Sim Músico Sim Não Não Não Não 12

13 Programas de s Exemplo de simulador de ambiente (básico) s são projetados para funcionar em uma Classe de s. Exemplo de simulador de ambiente (segue o mundo) Sistema de Múltiplos s (Multi-agente) local variables: scores vetor com dimensão igual ao no. de agentes- inicialmente todos 0. Cada agente tem competências e habilidades limitadas para resolver um problema. Não há controle goblal Os dados são descentralizados A computação é assíncrona return scores 13

14 Sistema de Múltiplos s (Multi-agente) Facilitador: agente que facilita serviços pode coordenar as atividades dos demais agentes (que se transformam em subordinados) Sistema de Múltiplos s (Multi-agente) Matchmaker (páginas amarelas): agente que ajuda na busca por serviços requisitados com base em propaganda Mediador: agente que explora o conhecimento para criar serviços para aplicações em níveis mais altos Blackboard (Quadro negro): agente repositório que recebe e guarda requisições para outros agentes processarem. Broker (intermediário, despachante, corretor): agente que recebe uma requisição e desempenha as ações usando serviços de outros agentes. Sistema de Múltiplos s (Multi-agente) Interação entre agentes Características mais importante Permite o compartilhamento de informações para um melhor desempenho das tarefas. Necessidades: Linguagem e protocolo comum para comunicação Formato comum para o contéudo das informações na comunicação Ontologias compartilhadas Sistema de Múltiplos s (Multi-agente) Interação entre agentes KQML - Knowledge Query and Manipulation Language (register :sender agenta :receiver agentb :reply- with message2 :language common_language :ontology common_ontology :content ``(ServiceProvision Manufacturing:TaskDecomposition)'') 14