Um Framework para Apoio ao Ensino de Algor itmos de Busca em Ár vor e de Soluções para Problemas de Inteligência Artificial

Transcrição

1 Um Framework para Apoio ao Ensino de Algor itmos de Busca em Ár vor e de Soluções para Problemas de Inteligência Artificial Marco A. C. Simões 1,2, Mario Jorge Pereira 1 1 Grupo de Pesquisa em Computação Inteligente (GPCI) FIB Centro Universitário da Bahia Rua Xingu, 179, Jardim Atalaia/STIEP, Salvador, Bahia, Brasil, CEP Centro de Pesquisas Tecnológicas (CPT) Universidade do Estado da Bahia (UNEB) Rua Silveira Martins, 2555, Cabula, Salvador, Bahia, Brasil, CEP marcosimoes@fib.br, mariojpereira@hotmail.com Resumo. Ferramentas que facilitam o aprendizado podem fazer uso de Inteligência Artificial para atingir melhores resultados. São facilmente encontrados trabalhos que apresentam ferramentas criadas para apoio ao ensino dentro da área de computação, essas ferramentas normalmente estão direcionadas as disciplinas ligadas ao ensino de lógica de programação. Este trabalho apresenta uma ferramenta de apoio ao ensino à disciplina Inteligência Artificial. Um framework com o intuito de facilitar o desenvolvimento de agentes solucionadores de problemas. O framework possibilita ao usuário desenvolvedor do agente abstrair as peculiaridades dos algoritmos e se ater à descrição e modelagem do problema. O principal objetivo do framework é minimizar o trabalho de implementação dentro do processo de criação de um agente e com isso facilitar o aprendizado da construção de agentes inteligentes. Palavras Chave: inteligência artificial, agentes, estratégias de busca. 1 Introdução A IA é uma ciência que surgiu na década de 50, tendo seus trabalhos iniciados logo após a Segunda Guerra Mundial. Pode ser vista como um campo universal, por tornar possível automatizar tarefas intelectuais e ser aplicável a qualquer atividade, desde áreas de uso geral, como aprendizado e percepção, até atividades especificas como diagnósticos de doenças, jogos e sistemas especialistas [10]. Ao nos depararmos com a necessidade de desenvolver aplicações usando IA é necessário conhecer o problema e um conhecimento adicional sobre como aplicar os algoritmos e técnicas de IA. Para o desenvolvimento da aplicação é necessário que o esforço seja dividido entre a modelagem do problema, a implementação do algoritmo do agente inteligente, além do tradicional desenvolvimento da aplicação. Isso aumenta a probabilidade de problemas de modelagem, erros no código e baixo desempenho do algoritmo.

2 2 Marco A. C. Simões, Mario Jorge Pereira O objetivo principal desse trabalho é a especificação de um framework para desenvolvimento de agentes solucionadores de problemas de busca[2,8,9,10]. Este framework foi utilizado como ferramenta de apoio para o ensino de agentes inteligentes numa disciplina de graduação do curso de Sistemas de Informação do Centro Universitário da Bahia (FIB). Faz parte da especificação do trabalho: atender a demanda acadêmica de ferramentas de apoio ao ensino de agentes inteligentes em nível de graduação ou pós graduação; permitir o desenvolvimento de agentes sem necessidade de codificar os diferentes algoritmos de busca; permitir a aplicação das diversas estratégias de busca com a mesma modelagem; permitir a comparação desses algoritmos; gerar um documento com árvore gerada pela solução do problema. 2. Descrição do Framework Fica clara entre os pesquisadores e professores dos cursos que possuem disciplinas que têm como objetivo o ensino de lógica de programação, a dificuldade dos estudantes no seu aprendizado. O motivo dessa dificuldade é atribuído a fatores como: falta de interesse por parte dos alunos; resistência pela própria dificuldade no aprendizado; forte carga de conceitos abstratos envolvidos na atividade de programação; ambientes de programação cada vez mais sofisticados [1,3,7]. Na literatura existem propostas de ferramentas de apoio ao ensino, principalmente de lógica de programação, e algumas dessas iniciativas utilizando IA [3]. Em outra direção temos a criação das plataformas para desenvolvimento de agentes. Uma iniciativa que merece destaque é Java Agent Development Framework (JADE) que foi criado para desenvolver aplicações distribuídas multi agente baseadas na arquitetura de comunicação peer to peer [5]. Não foi encontrado até então na literatura nenhuma proposta que atenda completamente aos requisitos de facilitar a construção de agentes solucionadores de problemas e servir de apoio ao ensino de IA. As dificuldades no aprendizado de programação são refletidas nas disciplinas que necessitam deste conhecimento. Na disciplina de agentes inteligentes do curso de sistema de informação do Centro Universitário da Bahia é perceptível, na maioria dos alunos, a dificuldade em programar os algoritmos de IA. Devido à dificuldade no aprendizado de agentes inteligentes por parte dos alunos, propomos o desenvolvimento de algo que minimize o esforço de programação e facilite o entendimento da disciplina. Foi então desenvolvido um framework [6], com o objetivo principal de permitir o desenvolvimento simplificado de agentes de solução de problemas. O desenvolvimento de um agente para solução de problemas pode ser dividido de forma didática em duas partes: a descrição do problema e implementação da solução computacional. Como foi percebido que a maior dificuldade dos alunos estava em implementar um ou mais dos algoritmos de busca para solução do problema, o desenvolvimento do framework foi dirigido para facilitar a fase de implementação. Para o desenvolvimento do framework foram desenvolvidos agentes para problemas clássicos de IA (exemplos: aspirador de pó, missionários e canibais e jogo da velha) com diferentes estratégias. Observando o que havia em comum entre a implementação das soluções foi possível especificar o framework [6].

3 Um Framework para Apoio ao Ensino de Algoritmos de Busca Arquitetura A arquitetura do framework (fig. 1) foi projetada com o intuito de ser extensível, o que permite acrescentar novas estratégias. Atualmente ele permite o uso de dez estratégias, sendo seis de busca sem informação, duas de busca com informação e duas de busca competitiva [2,8,9,10]. A fig. 1 apresenta a arquitetura do framework e cada um dos seus componentes. O componente de exportação permite ao agente criar documentos que representem a árvore de busca. O controle de ação está encarregado de aplicar as ações criadas pelo usuário aos estados. O componente de estratégias encapsula e provê as estratégias de busca: largura, profundidade custo uniforme, profundidade limitada, aprofundamento iterativo, bidirecional, gulosa, A*, minimax e alfa beta [2,8,9,10]. O núcleo por sua vez contém as interfaces básicas para o uso do agente. O uso de padrões de projeto foi fundamental nesse trabalho. Os padrões de projeto são soluções genéricas para problemas que sempre ocorrem, os padrões são genéricos o suficiente para resolver problemas mesmo em um contexto específico [4]. Fig. 1. Arquitetura do framework 3. Resultados O framework foi utilizado sob forma de trabalho em duas turmas da disciplina de agentes inteligentes do curso de Bacharelado em Sistemas de Informação do Centro Universitário da Bahia, sob a supervisão do professor Marco Simões. O trabalho consistia em resolver o clássico problema do metrô de Paris simplificado com o apoio do framework. Na entrega do trabalho, foi aplicado um questionário sobre o uso do framework. O questionário foi composto por cinco perguntas com resposta sim ou não e sete perguntas cujas respostas poderiam ser insuficiente, satisfatório, bom e excelente, totalizando doze questões. Ele foi aplicado aos alunos que entregaram o trabalho. Um total de vinte e cinco questionários foram respondidos.

4 4 Marco A. C. Simões, Mario Jorge Pereira Interpretando os resultados da primeira parte do questionário (tabela 1), é possível observar que se o aluno já teve contato com algum framework em Java previamente, ele não sentiu dificuldades no uso desse framework. A maioria atestou que com o apoio do framework seria mais simples solucionar o problema do que tentar resolver sem nenhum tipo de ferramenta de apoio. Para segunda parte do questionário (tabela 2) foram atribuídos valores de 1 a 5, sendo 1 equivalente a insuficiente e 5 equivalente a excelente, obtendo a média e desvio padrão das respostas. Foi possível verificar que o framework foi bem aceito pelos alunos, que em sua grande maioria o avaliou de maneira geral como bom. Na questão seis (tabela 2) encontramos uma das principais motivações e o maior desafio para criação do framework, esse item que apresenta a menor média do questionário é uma auto avaliação sobre o conhecimento da linguagem Java. Esse item expõe a dificuldade dos alunos no aprendizado de lógica de programação. Tabela 1. Percentual das respostas de 1 a 5 do questionário. Pergunta Sim Não 1. Você já fez uso de algum tipo de framework? 52% 48% 2. Você já utilizou algum framework em Java? 48% 52% 3. Você sentiu dificuldade para utilizar o framework de agentes? 44% 56% 4. Você acredita que seria mais simples implementar o algoritmo de busca 16% 84% partindo do zero, sem apoio do framework? 5. Você sentiu maior dificuldade em implementar do que modelar o problema? 44% 56% Table 2. Média e desvio padrão para as respostas 6 a 12 do questionário. Pergunta Média Desvio Padrão 6. Como você avalia seu conhecimento sobre Java? 2,92 0,95 7. Quanto você acha que o framework facilitou o desenvolvimento 3,48 0,87 do trabalho? 8. Como você avalia o tempo dado para o trabalho? 3,36 1,11 9. Como você avalia a explicação e a documentação do framework? 2,96 1, Com a modelagem do problema pronta você acha que o 3,80 0,91 framework ajudou na implementação? 11. Como que você avalia a iniciativa de implementar um 4,64 0,57 framework para o desenvolvimento de agentes? 12. De forma geral como você avalia o framework? 4,00 0,58 4. Conclusão A relevância deste trabalho está em contribuir para o ensino de IA, mais especificamente, de agentes solucionadores de problemas, simplificando a construção dos agentes. Com o uso do framework é possível obter um maior foco na parte de descrição do ambiente e modelagem do problema, retirando a carga de implementação dos algoritmos de IA. Como pode ser visto nos resultados da pesquisa, o framework cumpriu seu objetivo principal de facilitar o desenvolvimento de agentes de busca. E ainda é possível destacar que o uso do framework permitiu que os alunos fizessem um estudo

5 Um Framework para Apoio ao Ensino de Algoritmos de Busca 5 comparativo do comportamento e das soluções apresentadas pelos algoritmos já implementados no framework, sem requerer nova modelagem ou implementação. Podemos destacar como principais contribuições a pesquisa com os alunos, que dentro das suas limitações, apresentou um ambiente favorável e de grande aceitação de ferramentas desse tipo. A pesquisa mostra também que a dificuldade no aprendizado de lógica afeta o aprendizado de agentes inteligentes. E por fim, o próprio framework, que pode permitir de maneira significativa uma queda no tempo de aprendizado de agentes inteligentes. A maior limitação do trabalho está ligada ao tamanho da amostra na qual foi aplicado o questionário. Para superar essa limitação o questionário continuará a ser aplicado para as próximas turmas da disciplina de agente inteligentes, incluindo turmas de outras instituições e cursos que abordam a disciplina. Referências 1. ALMEIDA, Eliana Silva de, COSTA, Evandro de Barros, ALMEIDA, André Atanasio Maranhão, SILVA, K. S., PAES, R. B., BRAGA, J. D. H. AMBAP: Um Ambiente de Apoio ao Aprendizado de Programação In: XXII Congresso da Sociedade Brasileira de Computação, 2002, Florianópolis. Anais BIGUS, Joseph P.; BIGUS, Jennifer; BIGUS, Joe. Constructing Intelligent Agents Using Java: Professional Developer's Guide. 2ª edição. John Wiley: ISBN: X 3. FARIA, Eustáquio São José de. VILELA, Jamil Miranda. COELHO, Juan Manuel Adán. Um sistema de Aprendizado Colaborativo de Programação Baseado em Agentes Chamado Learn In Group. In: XXV Congresso da Sociedade Brasileira de Computação, XIII Workshop sobre Educação em Computação, 2005, Florianópolis. Anais GAMMA, Erich. et. al. Design Patterns: Elements of Reusable Object oriented Software Reading, MA: Addison Wesley. 5. BELLIFEMINE, F. CAIRE, G. POGGI, A. JADE A White Paper. Disponível em: [ Acesso em: 18/mar/ LANDIN, Niklas; NIKLASSON, Axel. Development of object oriented frameworks f. Tese (Master of Philosophy) Department of Communication Systems, Lund University, Suécia. 7. LEMOS, Marilza Antunes de. Uma abordagem baseada em padrões elementares para aprendizado de programação p. Tese (Doutorado) Escola Politécnica, São Paulo, Brasil. 8. LUGER, George F; Stubblefield William A. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. 3ª edição. Reading Massachusetts USA. Addison Wesley Longman, Inc NILSSON, Nils J. Artificial Intelligence: A New Synthesis. San Francisco CA USA Morgan Kaufmann Publishers, Inc ISBN: RUSSELL, Stuart Jonathan. NORVIG, Peter. Inteligência Artificial. 2ª edição. Rio de Janeiro RJ: Elsevier, 2004.