Inteligência Artificial Escola de Verão Laboratório Associado de Computação e Matemática Aplicada LAC

Transcrição

1 Inteligência Artificial Escola de Verão 2008 Laboratório Associado de Computação e Matemática Aplicada LAC Agentes Inteligentes Agente: Qualquer coisa que pode: Agente 1. Perceber seu ambiente através de sensores e 2. Agir sobre ambiente através de atuadores. 1

2 Características de um agente humano: Sensores: Olhos Ouvidos Outros órgãos para sensores Atuadores: Mãos Pernas Boca Outras partes do corpo??? #$%& ga%#0 Q&% Características de um agente robótico: Sensores: Câmeras Localizadores de infravermelho Sonares, etc Atuadores: Motores 2

3 Características de um agente de software: 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. Diagrama de um Agente Genérico Sensor Percepção? Agente Ações Atuadores Ambiente Adaptado de Russel & Norvig, 1995, pág. 32 3

4 Diagrama de um Agente Genérico Sensor Percepção? Agente Ações Atuadores Ambiente 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. => É necessário uma medida de desempenho do agente. 4

5 Agente 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. 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. 5

6 Medida de Desempenho: indica o sucesso de um agente Problema: Não existe uma medida única! Exemplo: Agente 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 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 6

7 Diferença entre racionalidade e onisciência: Agente 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 Exemplo: (Racionalidade X Onisciência) Ação: mover rápido. 7

8 Racionalidade depende de: Medida de desempenho que define o grau de sucesso 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. Agente: ferramenta para análise de sistemas (diferente de uma caracterização que divide o mundo em agentes e não agentes). 8

9 Mapeamento: associação entre as sequências percebidas e as ações f : P* A Agente pode ser descrito por uma tabela (look-up-table) Sequência percebida Ação => pode se tornar uma lista (mapeamento) infinita Solução: procurar as sequências possíveis e enumerá-las. Mapeamento Ideal: Especificação de que ações o agente deve tomar como resposta a uma sequência percebida => projeto de um agente ideal. 9

10 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 10

11 Programa Agente: Estrutura de Agentes Inteligentes Função que implementa o mapeamento entre as sequências percebidas e as ações. Agente: Executado em uma arquitetura (computador ou dispositivos eletrônicos tipo câmera, etc). Possui software Agentes = arquitetura + programa Agente: Policial de Trânsito Agente raciocínio Conhecimento: -leis - comportamento dos indivíduos,... Objetivo: - fazer com que as leis sejam respeitadas Ações: -multar -apitar - parar,... percepção execução Ambiente 11

12 Requisitos para se projetar um agente: O que será percebido Ações Os objetivos ou a medida de desempenho O tipo de ambiente Agente Diagnóstico médico Análise de imagens de satélite Tutorial de português Filtrador de mails Dados perceptivos Sintomas, paciente, exames respostas,... Pixels Palavras digitadas mensagens Exemplos de agentes Ações Objetivos Ambiente Perguntar, prescrever exames, testar imprimir uma categorização Imprimir exercícios, sugestões, correções,... Aceitar ou rejeitar mensagens Saúde do paciente, minimizar custos categorizar corretamente Melhorar o desempenho do estudante Aliviar a carga de leitura do usuário Paciente, gabinete,... Imagens de satélite Conjunto de estudantes Mensagens, usuários Motorista de taxi Músico de jazz Imagens, velocímetro, sons Sons seus e de outros músicos, grades de acordes brecar, acelerar, dobrar, falar com passageiro,... Escolher e tocar notas no andamento Adaptado de Russel & Norvig, 1995, pág. 37. Segurança, rapidez, economia, conforto,... Tocar bem, se divertir, agradar Ruas, pedestres, carros,... Musicos, publico, grades de acordes 12

13 Programas Agentes 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 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. 13

14 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 Agente como uma tabela de referência Look Up Table 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 14

15 Problemas: 1) Número de entradas pode ser muito grande ( para jogar xadrez) 2) Muito tempo para construção da tabela 3) Agente não é autônomo - cálculo da melhor ação é embutido - mudanças no ambiente => agente pode perder-se) 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: Agente_guiado_por_tabela realiza o que é pedido: implementa o mapeamento desejado! 15

16 Exemplo de Agente: Tipo de Agente Percepções Ações Objetivos Ambiente Motorista de táxi Câmeras, Medidor de velocidade, GPS, Sonar, Microfone Mudança de Marcha, Acelerar, Frear, Falar com o passageiro 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 Agente Percepções Ações Objetivos Ambiente Agente para evitar obstáculos Distância do obstáculo; velocidade; trajetória Girar o volante; aumentar a velocidade; frear; buzinar; sinalizar Evitar bater nos obstáculos Rodovias; ruas Sensores: Câmeras; sonares; laser Atuadores: Volante; acelerador; freios; buzina; pisca alerta 16

17 Tipo de Agente Percepções Ações Objetivos Ambiente Agente 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 Atuadores: Volante; acelerador; freios Tipos de Agente: Agentes Reflexivos Agentes que seguem o mundo Agentes baseados em objetivos Agentes baseados em utilidade Agentes de Aprendizagem 17

18 Agente Reflexivo Princípio: Regra Condição -Ação Agente Sensores Regras Condição-ação Como o ambiente está atualmente Que ações devem ser tomadas Ambiente 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 18

19 Agentes que seguem o mundo Mantêm um estado interno que será combinado com as novas percepções. Agente Estado Sensores Como o mundo evolui O que minhas ações provocam Regras Condição-ação Como o ambiente está atualmente Que ações devem ser tomadas Atuadores Ambiente 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 19

20 Agentes baseados em objetivos Agente Estado Sensores Como o mundo evolui O que minhas ações provocam Como o ambiente está atualmente O que acontece se faço a ação A? Ambiente Objetivos Que ação devo fazer agora? Atuadores Agentes baseados em utilidade Agente Estado Sensores Como o mundo evolui O que minhas ações provocam Utilidade Como o ambiente está atualmente O que acontece se faço a ação A? O quanto estarei satisfeito neste estado Ambiente Que ação devo fazer agora? Atuadores 20

21 Agentes com aprendizagem Padrão de desempenho Agente Crítico Sensores realimentação Elemento de aprendizado objetivos de aprendizado mudanças conhecimento Elemento de desempenho Ambiente Gerador de problemas Atuadores 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. 21

22 Propriedades dos ambientes: Acessível x Inacessível Ambiente 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 tendem a ser Não- Ambientes Inacessíveis determinísticos. 22

23 Propriedades dos ambientes: Episódico x Não-episódico Episódico a experiência do agente é dividida em episódios. Episódio: percepção e ação do agente Ambientes episódicos são simples agente não pensa no futuro! o Propriedades dos ambientes: Estático x Dinâmico Ambiente dinâmico muda enquanto o agente está decidindo. No ambiente estático o agente não precisa monitorar o mundo enquanto decide. Ambiente semi-dinâmico - ambiente não muda com o tempo, mas o desempenho do agente muda. 23

24 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). Ambientes 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). 24

25 Exemplos de Ambientes Agente 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 Programas de Ambientes Agentes são projetados para funcionar em uma Classe de Ambientes. Exemplo de simulador básico 25

26 Exemplo de simulador de ambiente (segue o mundo) local variables: scores vetor com dimensão igual ao no. de agentes- inicialmente todos 0. return scores Sistema de Múltiplos Agentes (Multi-agente) Cada agente tem competências e habilidades limitadas para resolver um problema. Não há controle goblal Os dados são descentralizados A computação é assíncrona 26

27 Sistema de Múltiplos Agentes (Multi-agente) Facilitador: agente que facilita serviços pode coordenar as atividades dos demais agentes (que se transformam em subordinados) Mediador: agente que explora o conhecimento para criar serviços para aplicações em níveis mais altos Broker (intermediário, despachante, corretor): agente que recebe uma requisição e desempenha as ações usando serviços de outros agentes. Sistema de Múltiplos Agentes (Multi-agente) Matchmaker (páginas amarelas): agente que ajuda na busca por serviços requisitados com base em propaganda Blackboard (Quadro negro): agente repositório que recebe e guarda requisições para outros agentes processarem. 27

28 Sistema de Múltiplos Agentes (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 Agentes (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)'') 28