Introdução a Sistemas Multiagente

Transcrição

1 Introdução a Sistemas Multiagente Ricardo Azambuja Silveira Junho de 2006

2 1. Introdução Entre as muitas definições de computação, uma das mais populares é aquela que define computação como a solução de um problema, ou formalmente, o cálculo de uma função, através de um algoritmo. O maior problema desta definição é que ela traz embutida o fato de que o método para a solução do problem é realizado através de um algoritmo, no entanto, existem muitos problemas, que poderíamos chamar de complexos, que não possuem solução algorítmica conhecida ou cuja solução através de um algoritmo tem complexidade NP-Completa, o que os tornam, na prática, não-computáveis, pois o tempo e recursos necessários para achar a solução do problema através de técnicas convencionais excede as capacidades computacionais atualmente disponíveis. É justamente neste ponto que surge a Inteligência Artificial (IA) como área da Ciência da Computação que se propõe e pesquisar e desenvolver métodos e estratégias para a solução de problemas complexos através da representação e manipulação de conhecimento. Assim, é de extrema importância que antes de procurar a solução de um problema, se procure analisalo tendo em vista o melhor método para a sua solução. Um problema pode ser definido como um objeto matemático P={D, R, q}, consistindo de dois conjuntos não vazios, D os dados e R os resultados possíveis e q uma relação binária, a condição, que caracteriza uma solução satisfatória, associando a cada elemento do conjunto de dados a solução desejada. Resolver um problema então, será encontrar um modo de implementar esta função, ou de aproximá-la com o conhecimento disponível. Existem vários modos de definir uma função: explicitamente ou por enumeração exaustiva; declarativamente; através de uma fórmula ou por um algoritmo; e por exemplos; podemos considerar que o modo como a função que representa um problema está definida nos guia na escolha da metodologia para a implementação desta função, ou seja, na busca da solução do problema. Um dos principais objetivos da Inteligência Artificial (IA) é pesquisar e desenvolver métodos e estratégias para a solução de problemas complexos através da representação e manipulação de conhecimento. Dependendo da abordagem adotada, tanto o modo de manipular conhecimento como a forma de adquiri-lo, armazená-lo e empregá-lo diferem Assim, podemos identificar diferentes sub-áreas da IA baseadas emdiferentes paradigmas A Inteligência Artificial Simbólica (IAS) que tem como princípio a hipótese do sistema de símbolos físicos no qual um sistema simbólico é capaz de manifestar um comportamento inteligente. Fundamenta-se na Lógica como ferramenta básica para manipular o conhecimento. O conhecimento manipulado deve se originar em algum conhecimento explícito imitando, de forma básica, um modo de raciocínio empregado por humanos na solução de problemas. A IAS costuma ser utilizada em problemas bem definidos em que se conheça o raciocínio que deve ser seguido para se chegar à solução. O paradigma da IA Simbólica apresenta, além do raciocínio lógico tradicional, outras formas de raciocínio apoiadas em outros fundamentos que envolvem situações de imprecisão, incerteza, inconsistência ou ausência do conhecimento explícito sobre o problema, tais como o Raciocínio Probabilístico ou Bayesiano, o Raciocínio Nebuloso ou Fuzzy, entre outros. A Inteligência Artificial Conexionista (IAC) é o paradigma da IA baseado na idéia de que se for construído um modelo computacional suficientemente preciso do funcionamento do cérebro ou se alguma de suas partes, este modelo apresentará um comportamento inteligente. Na IAC a ferramenta básica é um sistema formado por circuitos que se assemelham ao conjunto de circuitos de neurônios cerebrais responsáveis pelo pensamento. A IAC pode ser utilizada em problemas mal-definidos, onde falta o conhecimento explícito de como realizar a tarefa de solucionar um problema e, no entanto este problema é intrinsecamente resolvido por seres vivos sem que se conheça o algoritmo para resolvêlo. A Inteligência Artificial Evolucionária (IAE) é um paradigma da IA inspirada na evolução biológica. Na IAE os mecanismos para solução de problemas são similares aos que se acredita sejam utilizados pela natureza na evolução biológica, envolvendo seleção natural de indivíduos de uma população, mutação, competição, adaptabilidade, etc. O conhecimento passa de geração a geração através da informação contido no código genético. A IAE pode ser utilizada para a solução de problemas que envolvam a solução de problemas de otimização onde as restrições são variáveis e muitas vezes desconhecidas. A análise de um problema costuma levar em conta a forma como o problema está ou pode ser definido a fim de buscar a estratégia ou paradigma de IA mais adequada para a sua solução. Se a função for definida explicitamente ou por enumeração exaustiva, o conhecimento necessário para resolver o problema

3 está na enumeração, não é usual considerar este problema do âmbito da IA. No entanto, se o problema for definido declarativamente, o problema de IA é a construção de um transformador de semânticas. Com efeito, o enunciado é descrito em uma semântica declarativa, e o computador para resolver o problema necessita de uma descrição algorítmica, isto é, de uma descrição imperativa. Esta é a semântica operacional que guiará as ações do computador. A implementação de um transformador de semânticas leva frequentemente a problemas de busca. Utilizar um método de busca em que por passos sucessivos se aproxima da solução, usando algumas vezes passos sem grande justificativa teórica é uma abordagem da IAS e da IAE. Por outro lado, se o problema for definido através de exemplos, possivelmente deverá ser usado um método para aproximar a função solução do problema com a precisão desejada. Esta é a estratégia geralmente usada na IAC. Deste modo, verifica-se que não existe a melhor solução para todo o tipo de problema. Razão pela qual problemas de natureza complexa muitas vezes podem ser solucionados de forma híbrida combinando as melhores facilidades oferecidas por cada tipo de solução. Para que isso ocorra, no entanto, é necessário prover mecanismos que permitam a interoperabilidade de sistemas de natureza diversa, como é proposto na idéia de Sisteas Multiagentes Heterogêneos, discutida a segui. 2. Sistemas Multiagentes Heterogêneos Ambientes de aplicações reais costumam ser compostos de um grande número de sub-problemas que por sua vez podem ainda ser divididos em sub-sub-problemas a fim de facilitar a análise e a implementação de soluções. Os Sistemas Multiagentes (SMA) são uma das estratégias da Inteligência Artificial Distribuída (IAD) que se mostram adequada para manipular problemas complexos. Este enfoque baseiase no estudo e desenvolvimento de agentes autônomos em um universo multiagente. Para os SMA, o termo autônomo designa o fato de que os agentes têm uma existência própria, independente da existência de outros agentes. Usualmente, cada agente possui um conjunto de capacidades comportamentais que definem sua competência, um conjunto de objetivos, e a autonomia necessária para utilizar suas capacidades comportamentais a fim de alcançar seus objetivos. Um agente é uma entidade computacional com um comportamento autônomo que lhe permite decidir suas próprias ações. Podemos dizer que estes agentes são heterogêneos em sua natureza quando o paradigma de IA empregado na implementação de cada agente for diferente. Um agente de software é conceituado como uma entidade que funciona de forma contínua e autônoma em um ambiente em particular, geralmente habitado por outros agentes, e que seja capaz de intervir no seu ambiente, de forma flexível e inteligente, sem requerer intervenção ou orientação humana constante. De um modo ideal, um agente que funcione, continuamente, por longos períodos de tempo, deve ser capaz de aprender com a experiência e, se ele habita um ambiente com outros agentes, seja capaz de comunicar-se e cooperar com eles, e ainda mover-se de um local para outro. Uma sociedade de agentes divide um mundo comum, e cada um dos membros desta sociedade possui objetivos e pontos de vista diferentes, gerando muitas vezes alguns conflitos. Esses conflitos devem ser negociados e resolvidos entre os agentes, e devem estar comprometidos com um plano conjunto de compromissos de ações e de crenças em diferentes níveis de abstrações. Um agente pode, de acordo com o tipo de problema com o qual está habilitado a tratar, possuir, em maior ou menor grau, os seguintes atributos: Reatividade: A habilidade de perceber o ambiente de modo seletivo e manifestar um comportamento como resposta a um estímulo externo; Autonomia: Comportamento dirigido a objetivos, pró-ativo e auto-iniciado; Comportamento cooperativo: Trabalhar com outros agentes para atingir um objetivo comum; Habilidade de comunicação ao nível de conhecimento: Capacidade de comunicar-se com pessoas ou outros agentes em uma linguagem de mais alto nível que um simples protocolo de comunicação programa a programa; Capacidade de inferência: Capacidade de agir a partir de especificações abstratas de tarefas, usando conhecimentos prévios; Continuidade temporal: Persistência de identidade por longos períodos de tempo; Personalidade: Capacidade de demonstrar atributos de um personagem; Adaptabilidade: Habilidade de aprender com a experiência; Mobilidade: Habilidade de migrar de uma plataforma para outra.

4 A figura 1, a seguir apresenta uma taxionomia de agentes definida em termos de um espaço em três dimensões: Grau de Mobilidade, Grau de Inteligência e Grau de Agenciamento, adaptada de Bradshaw. Grau de agenciamento é a medida de autonomia e autoridade que o agente possui; grau de inteligência é a medida de raciocínio e capacidade de aprendizagem; e grau de mobilidade é a medida da sua capacidade de se deslocar através da rede. Grau de Agenciamento Interatividade de serviço Interatividade de aplicação Interatividade de dados Representação do usuário Asíncronia Grau de Mobilidade Estático Scripts móveis objetos móveis Agentes com função fixa FIGURA 1 - Taxinomia de Agentes. Agentes Inteligentes Sistemas Expecialistas Grau de Inteligência Preferências Raciocínio Planejamento Aprendizagem Sob o ponto de vista da constituição de uma Sociedade de Agentes Heterogêneos, a fundamentação dos sistemas multiagentes é baseada na interação social de indivíduos que convivem entre si e interagem mutuamente para alcançar objetivos comuns e individuais. Para tal, um agente é concebido como um indivíduo autônomo, com capacidades que lhe são inerentes para o desempenho de suas funções e o alcance dos seus objetivos. Uma sociedade de agentes divide um mundo comum, e cada um dos membros desta sociedade possui diferentes objetivos e pontos de vista, gerando muitas vezes alguns conflitos. Estes conflitos devem ser negociados e resolvidos entre os agentes, e devem estar comprometidos com um plano conjunto. Este plano é um conjunto de compromissos de ações e de crenças em diferentes níveis de abstrações. Uma sociedade de agentes, segundo Torsun [49], para atingir objetivos comuns, deve ser constituída por elementos capazes de desempenhar as seguintes funções: Cooperação. Resolução de conflitos. Negociação. Comprometimentos. Interação. Comunicação. A sociedade de agentes que constitui esta proposta contempla principalmente aspectos de cooperação, comprometimentos, interação e comunicação. 3. Coordenação e comunicação em sistemas multiagentes Um sistema multiagentes pode ser visto como uma rede, fracamente acoplada, de solucionadores de problemas que trabalham em conjunto para resolver problemas que vão além da sua capacidade individual. Estes solucionadores de problemas são essencialmente autônomos, distribuídos e, muitas vezes, heterogêneos em sua natureza. É de vital importância a coordenação do comportamento dos agentes e da maneira pela qual eles compartilham seus conhecimentos, objetivos, habilidades e seus planos para, em conjunto, tomar as ações necessárias para solucionar um problema. Para que diferentes agentes autônomos possam cooperar mutuamente a fim de atingirem seus objetivos é necessário que a sociedade possua organização e comunicação. A organização diz respeito à natureza e à função da sociedade e de seus elementos constituintes

5 e a comunicação é o principal instrumento que os agentes utilizam para desenvolver a coordenação de suas ações. Estas duas necessidades colocam aos projetos de ambientes multiagentes os seguintes problemas: Como formular, descrever, decompor e alocar problemas entre um grupo de agentes inteligentes; Como habilitar agentes para comunicação e interação e qual a linguagem de comunicação e protocolo empregar; Como verificar que agentes agem coerentemente em suas decisões e suas ações; Como habilitar os agentes a representar e raciocinar sobre as ações, planos e conhecimentos a respeito dos demais agentes; Como reconhecer e tratar pontos de vistas conflitantes entre diferentes agentes ou grupos de agentes e coordenar as suas ações; Como projetar e implementar sistemas práticos de IAD. Quando um agente ingressa em uma sociedade, dois tipos de problemas são identificados para que o novo agente possa se adaptar a esta sociedade: o problema da linguagem e interação e o problema do conhecimento e atuação. O primeiro refere-se ao uso das expressões adequadas e a maneira como as interações são organizadas na sociedade, enquanto que a segunda refere-se a que papel o agente deve desempenhar e que papéis ele deve esperar que os demais agentes, integrantes da sociedade, desempenham. O quadro da figura 2 a seguir resume a questão da cooperação entre agentes em um sistema multiagentes, dividindo-o em níveis ou camadas que vão desde o problema da comunicação entre os agentes até as estratégias para a solução de problemas de forma cooperativa. A comunicação forma a base da cooperação e é constituída pelo transporte de mensagens entre os agentes através da rede, pelos protocolos de comunicação e pelos métodos de comunicação resultantes. A comunicação entre agentes será tratada no item posterior. Os protocolos e as estratégias de cooperação, por sua vez, são construídos sobre os métodos de comunicação e são de fundamental importância na definição de quem, quando e como devem atuar os agentes na solução do problema. Co op era ção Co mu nic açã o Quadro de avisos Estratégias Protocolos Linguagens de comunicação Difusão de mensagens Federação Transporte Mensagens diretas

6 FIGURA 2 Comunicação e Cooperação em Sistemas Multiagentes. Se diversos agentes trabalham de forma cooperativa na solução de um problema em uma sociedade de agentes, é necessário definir uma estratégia a ser utilizada no processo de solução do problema. Costumase dividir a definição da estratégia em três etapas: a divisão do problema em subproblemas, a solução dos subproblemas e a combinação das soluções. A figura 3 ilustra este conceito. Problema Global Sub problema 1 Subsolução 1 Sub problema 2 Subsolução 2... Sub problema n Subsolução n Solução Global FIGURA 3 Distribuição da Resolução de um Problema. A divisão do problema em subproblemas e a designação de cada subproblema ao agente associado são etapas fundamentais do processo. Isto normalmente é feito na etapa de análise e projeto do sistema, mas, a fim de prover maior poder de atuação e maior grau de inteligência ao sistema, algumas decisões devem ser tomadas em tempo de execução, pelos próprios agentes. Para isso são definidos protocolos e estratégias de cooperação. Quanto mais autonomia e flexibilidade o sistema possuir para definir a estratégia de solução do problema em tempo de execução, maior o grau de adaptabilidade o sistema pode ter. Como regra, pode-se estabelecer que, quanto mais fraca for a definição prévia do problema, maior é o grau de autonomia que o sistema deve possuir para definir, em tempo de execução, a melhor estratégia a ser adotada. Uma definição das possíveis topologias de cooperação entre agentes é ilustrada na figura 4. Se os agentes do sistema trabalham de forma completamente independente e seguem seus próprios objetivos, eles se classificam entre os sistemas independentes. Se, por sua vez, os agentes têm objetivos não correlatos, eles podem ser considerados como discretos, caso contrário classificam-se como de cooperação emergente. Sistemas são cooperativos quando possuem mecanismos explícitos de cooperação. Esta categoria de sistemas multiagentes pode ser considerada como comunicativos quando possuem e utilizam protocolos e procedimentos de cooperação. Caso contrário, se utilizam meios indiretos, são considerados não comunicativos.

7 Sistemas multiagentes Independente cooperativo 2 Discreto Cooperação Comunicativo Não comunicativo emergente Deliberativo Negociador FIGURA 4 Topologia de Cooperação Entre Agentes. Sistemas multiagentes comunicativos podem ainda ser subdivididos em deliberativos e negociadores. Em sistemas deliberativos, ocorre um planejamento e um acordo a respeito da metodologia entre os agentes, enquanto que em sistemas negociadores existe um componente competitivo entre os agentes e uma metodologia de negociação deve ser utilizada para resolver conflitos e designar tarefas entre os agentes. Nos sistemas baseados em negociação, dois ou mais agentes podem executar uma mesma tarefa ou solucionar um mesmo tipo de problema. Para tanto um protocolo de negociação, conhecido como rede de contratos (contract net system), é estabelecida. O processo ocorre da seguinte forma: depois da fase da subdivisão do problema, um agente coordenador faz uma espécie de edital ou solicitação de ofertas. Os agentes, ao perceberem o edital avaliam se podem solucionar o problema, de acordo com as suas aptidões, e respondem ao coordenador, usualmente informando o custo da solução, relativo ao tempo ou carga de processamento. De posse destas informações o coordenador avalia e define um ou mais agentes para executar cada um dos processos para a solução de cada subproblema. O tipo de problema tratado por sistemas de ensino-aprendizagem parece adequar-se melhor às características dos sistemas deliberativos. Nesta proposta, assume-se como conceito de coordenação a propriedade de interação entre um conjunto de agentes na execução de alguma ação coletiva. Sem coordenação, os benefícios de realizar a solução de um problema de forma descentralizada resultam em resultados caóticos, incoerentes e individuais. Uma coordenação adequada resulta em uma solução coerente, eficaz e efetiva ao problema. Para que os agentes de um sistema possam cooperar entre si e coordenar as suas ações, é necessário que eles tenham conhecimento das capacidades, habilidades, desejos e planos dos outros agentes. Parte deste conhecimento pode ser obtida dos papéis que cada um dos agentes pode assumir em uma sociedade. O problema é como os agentes de uma sociedade percebem os papéis uns dos outros. Para tal, os objetivos de um processo de coordenação devem assegurar que todas as partes constituintes de um problema sejam designadas a, pelo menos, um agente. As principais razões pelas quais as ações de múltiplos agentes devem ser coordenadas são: Existem dependências entre as ações dos agentes; Existem restrições globais do problema que devem ser consideradas; Nenhum agente possui competência, recursos e informações suficientes para solucionar inteiramente o problema. Compartilhar de um mesmo propósito (implícito ou explícito), não garante, por si só, que agentes cooperem entre si. Dois operários pintando uma casa, por exemplo, estão imbuídos de um mesmo propósito, mas, se eles não souberem da existência um do outro, não haverá cooperação. Para que haja cooperação, é necessária uma ação conjunta e um plano de ação acordado entre os agentes. Isto não seria possível sem uma representação interna dos estados do mundo por parte do agente. Três diferentes mecanismos para identificar os papéis dos demais agentes de uma sociedade podem ser empregados: Por meio de um protocolo de apresentação: Neste mecanismo, o agente interessado questiona os demais agentes. Para tal, é necessário que todos os agentes tenham

8 conhecimento do mesmo protocolo de apresentação, tenham descrições comuns para papéis e tenham conhecimento dos seus próprios papéis. Pelo reconhecimento do processo que o agente executa: Por este mecanismo o agente observador verifica uma seqüência de eventos globais em que o agente observado está participando e traça o comportamento deste agente. Pelo reconhecimento do plano do agente: Por esta técnica o agente observador identifica a intenção do agente observado pelo reconhecimento do plano que está sendo executado pelo agente observado. Três níveis devem ser considerados na comunicação entre agentes, conforme foi mostrado anteriormente, o nível de transporte de mensagens, que trata da forma pela qual as mensagens são fisicamente transportadas entre os agentes; o nível de mecanismos de troca de mensagens; e o nível de linguagem de comunicação, que trata da forma como as mensagens são constituídas. No nível referente aos mecanismos de comunicação, é possível identificar (figura 2) quatro diferentes topologias de trocas de mensagens entre agentes: a topologia de mensagens diretas, de federação, de difusão de mensagens e de quadro de avisos [4]. O modelo de troca direta de mensagens, ou comunicação direta envolve o estabelecimento de uma ligação direta entre os agentes, através de um conjunto de protocolos que permite o estabelecimento de comunicação fim a fim. Este tipo de comunicação implica que cada um dos agentes envolvidos deve ter conhecimento da existência dos seus parceiros e da forma de endereçar mensagens a eles O modelo de sistemas federados deve ser utilizado quando o número de agentes é muito grande. Neste modelo, uma estrutura hierárquica de agentes é estabelecida e a troca de mensagens se dá através de mediadores ou facilitadores. O modelo de comunicação por difusão de mensagens (broadcasting) é utilizado quando for necessária alguma comunicação a todos os agentes do sistema, ou quando o remetente da mensagem não sabe quem é ou qual o endereço do seu destinatário. No modelo de comunicação através de quadro de avisos (blackboard) a comunicação se dá através de algum tipo de compartilhamento de memória utilizado como um repositório no qual os agentes obtêm informações e postam suas mensagens a outros agentes. Usualmente o quadro de mensagens é particionado em vários níveis de abstração, apropriado a cada problema em particular. 3.1.Linguagens de comunicação entre agentes No que diz respeito às de linguagens de comunicação em sistemas multiagente, cabe destacar dois grandes esforços para prover interoperabilidade em sistemas abertos: um promovido pela FIPA e outro pela ARPA. O trabalho desenvolvido pela ARPA (Advanced Research and Projects Agency), resultou em um projeto denominado KSE (Knowledge Sharing Effort) que tem como objetivo o desenvolvimento de metodologias e software para o compartilhamento e a reutilização de conhecimento, e que durante muito tempo tornou-se a base para um padrão na implementação de comunicação em sistemas multiagentes. Sob o ponto de vista das linguagens de comunicação, um agente é visto como um componente de software que se comunica com outros agentes através de mensagens codificadas em uma Linguagem de Comunicação de Agentes (Agent Communication Language - ACL). Os grupos de trabalho do projeto KSE desenvolveram uma ACL constituída por três camadas: uma Camada de Protocolo, que define a sintaxe das mensagens e os métodos de troca de informações; uma Camada de Conteúdo, que define a informação, propriamente dita que é trocada; e uma Camada Ontológica, que provê uma base semântica específica para o domínio para as expressões contidas na linguagem. Camada de protocolo: O grupo KSE desenvolveu uma linguagem denominada KQML (Knowledge Query and Manipulation Language) para ser utilizada na camada de protocolo da ACL. A especificação da linguagem KQML define o formato das mensagens e um conjunto de elementos denominados performativas ("performatives"), que são independentes do domínio, correspondendo a categorias de mensagens semanticamente distintas. Cada mensagem KQML deve obrigatoriamente conter uma performativa (por exemplo: tell, ask-if, reply, achieve, Etc.) e campos que incluem a identificação do destinatário, da origem, e outros. A especificação da linguagem KQML assume que a comunicação entre os agentes é confiável, e que a transferência de mensagens ocorre de um modo assíncrono em relação à operação dos agentes. Além disso, ela é neutra em relação ao método usado para codificar a mensagem, que pode ser desde uma cadeia arbitrária de caracteres até uma expressão SQL de consulta a um banco de dados.

9 Camada de conteúdo: O grupo KSE desenvolveu também uma proposta denominada KIF (Knowledge Interchange Format) com o objetivo de codificar o conteúdo das mensagens KQML. A linguagem KIF define uma sintaxe, uma semântica e um conjunto de operadores, baseados em lógica de predicados de primeira ordem com extensões para suportar raciocínio meta-nível e inferências não monotônicas. Ontologias: Uma vez que a linguagem KIF não define os termos, relações, funções, etc., específicos para modelar algum domínio, em particular, necessário para a comunicação entre sistemas arbitrários baseados em arquiteturas multiagentes, estes elementos devem constituir uma ontologia. No contexto do compartilhamento do conhecimento, uma ontologia é uma especificação de uma conceituação, isto é, uma descrição dos conceitos e relacionamentos que podem existir em uma comunidade de agentes. Ontologias reutilizáveis são importantes para a integração de informações, para o desenvolvimento de bases de dados compartilhadas e para a interoperação de sistemas. O esforço realizado pela FIPA (Foundation for Intelligent Physical Agents), é voltado para a criação de padrões concretos de comunicação que tornem possível a implementação de agentes abertos e interoperáveis. Como resultado a FIPA publicou especificações definindo os fundamentos de uma Arquitetura Abstrata para construção de sistemas multiagentes, de uma Linguagem de Comunicação entre Agentes (FIPA- ACL e de um conjunto de linguagens de descrição de conteúdos e de ontologias bastante generalista e poderoso. Estas especificações foram definidas tendo em vista evitar, ao máximo, problemas de interoperabilidade, de forma que tanto os detalhes precisos de como a serialização e encapsulamento das mensagens deveria ser feita, mas também qual seria a semântica associada a estas mensagens e protocolos foram incorporados aos padrões. É deste ponto em particular que o presente projeto pretende partir, ou seja, não se vislumbra a necessidade de se criar um novo modelo ou arquitetura de intercomunicação entre agentes inteligentes. Em princípio os padrões da FIPA, parecem generalistas e extensíveis o suficiente para permitir a modelagem da comunicação entre os sistemas multiagente de natureza heterogênea. Entretanto, existem inúmeras questões e problemas que devem ser dimensionados e resolvidos para que a iniciativa apresentada no presente projeto se torne realidade, entre as quais destacam-se:: Uma classe de problemas, que poderiam ser denominados de implementação concreta, está relacionada à forma como os serviços de comunicação serão efetivamente disponibilizados Atualmente existem algumas soluções abertas e livres que disponibilizam os serviços FIPA, porém estas soluções muitas vezes estão voltadas para um sistema operacional ou linguagem de programação particular. Ou ainda constituem um conjunto extensível de classes que por ter um campo de aplicação muito vasto, dificulta a implementação de aplicações Um segundo aspecto importante, está relacionado justamente às questões específicas da aplicação, como no caso de ambientes de aprendizagem, de como a comunicação entre diversas classes de agentes pedagógicos ou de apoio ao ensino-aprendizagem seria modelada num nível mais abstrato. A arquitetura FIPA define uma série de linguagens de conteúdo, além de oferecer um serviço padrão para registro e intercâmbio de ontologias. No contexto da FIPA também foram padronizadas algumas ontologias voltadas para aplicações específicas como por exemplo: gerenciamento de redes, integração de software, agentes assistentes de viagens, agentes para aplicações áudio-visuais, etc. Entretanto, não foi previsto até agora, dentro dos padrões da FIPA, nenhum tipo de linguagem de conteúdo, modelo ou conjunto de ontologias específico para aplicações voltadas ao ensino-aprendizagem. São estes tipos de problemas e questões que nortearão o processo de pesquisa do projeto proposto. Os problemas de implementação concreta podem ser resolvidos essencialmente pela definição de algum nível de compatibilização de comunicação que mediará a interação entre as várias aplicações disponíveis e a implementação de novas soluções, além da definição formal dos pontos em abertos no que diz respeito aos vários níveis de comunicação.

10 3. Principais Referências Bibliográficas [1] Brenner, Walter, Zarnekow, Rüdiger, Wittig, Harmut. Intelligent Software Agents: Foundations and Applications. Berlin, Springer, [2] Bradshaw, Jeffrey M. (Ed) Software Agents. Cambridge, MIT Press, [3] Ferber, Jacques. Multi-Agent Systems. London, Addison-Wesley, [4] Wooldridge, Michael. Reasoning About Rational Agents. Cambridge, MIT Press, [5] Wooldridge, Michael, An Introduction to MultiAgent Systems. Sussex, John Wiley & Sons, [6] Weiss, Gerhard (Ed). Multiagent Systems: A Modern Aproach to Distribuited Artificial Intelligence. Cambridge, MIT Press, 2000.