Agentes Inteligentes

Transcrição

1 Agentes Inteligentes I. Agir de forma humana: a abordagem do teste de Turing: Processamento de linguagem natural (comunicar-se); Representação de conhecimento (armazenar); Raciocínio automatizado (responder perguntas e tirar novas conclusões); Aprendizado de máquina (se adaptar; detectar e extrapolar padrões); Visão computacional (perceber objetos) e Robótica (manipular objetos e movimentar-se).

2 Agentes Inteligentes Pesquisadores da Inteligência Artificial (IA) dedicam pouco esforço à aprovação no teste de Turing, pois é mais importante estudar os princípios básicos da inteligência do que reproduzir um exemplar A Engenharia aeronáutica não objetiva: máquinas que voem exatamente como pombos a ponto de poderem enganar até mesmo outros pombos.

3 Agentes Inteligentes II. Pensando de forma humana: a estratégia de modelagem cognitiva. Se dizermos que dado programa pensa como um ser humano, precisa-se penetrar nos componentes reais da mente humana através de: Introspecção procurando captar nossos próprios pensamentos à medida que eles se desenvolvem Experimentos psicológicos observando uma pessoa em ação; e Imagens cerebrais, observando o cérebro em ação.

4 Agentes Inteligentes Allen Newell e Herbert Simon desenvolveram o GPS (General Problem Solver ou Resolvedor Geral de Problemas (1961). Não se contentaram com o seu programa resolver problemas de modo correto. Eles compararam os passos de suas etapas de raciocínio aos passos de indivíduos humanos resolvendo os mesmos problemas.

5 Agentes Inteligentes Ciência cognitiva: reúne modelos computacionais da IA e técnicas experimentais da psicologia para o estudo dos processos de funcionamento da mente humana. Nos primórdios da IA, pesquisadores argumentavam que um algoritmo funcionava bem em uma tarefa e que, portanto, era um bom modelo de desempenho humano ou vice-versa. Atualmente os pesquisadores separam os dois tipos de afirmações. Os dois campos contribuem um com o outro, principalmente na visão computacional, que incorpora evidências neurofisiológicas em modelos computacionais.

6 Agentes Inteligentes III. Pensando racionalmente: a abordagem das leis do pensamento Aristóteles ( a.c.) O pai da Lógica: codificar o pensamento correto. Leibniz ( ) propõe o uso de símbolos para mecanizar o raciocínio dedutivo. George Boole ( ) e De Morgan ( ) propõem as bases da lógica simbólica. Contudo, não é fácil enunciar o conhecimento informal nos termos formais exigidos pela notação lógica, em particular quando o conhecimento é menos de 100% certo.

7 Agentes Inteligentes IV. Agindo racionalmente: a abordagem de agente racional Um agente é simplesmente algo que age (a palavra agente vem do latino agere, que significa fazer). Na abordagem de leis do pensamento para IA, foi dada ênfase a inferências corretas. Por outro lado, a inferência correta não representa toda a racionalidade: afastar-se de um fogão quente é um ato reflexo, não precisa de deliberação.

8 Agentes Inteligentes A abordagem do agente racional tem duas vantagens sobre as outras abordagens: Primeiro, ela é mais geral que a abordagem de leis do pensamento porque a inferência correta é apenas um dentre vários mecanismos possíveis para se alcançar a racionalidade. Segundo, ela é mais acessível ao desenvolvimento científico do que as estratégias baseadas no comportamento ou no pensamento humano.

9 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, alto-falante, impressora, braços, mensagens para outros agentes,...)

10 Exemplos de Agentes Um agente humano Sensores: olhos, ouvidos,... Atuadores: mãos, pernas, boca,... Um agente robô Sensores: câmeras, detectores da faixa de infravermelho,... Atuadores: usualmente motores, relés, contatores... 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,...

11 O que é um Agente O mundo do agente aspirador de pó tem dois locais A e B. O agente percebe em que quadrado esta e se existe sujeira ou não Tabela da função do agente

12 O que é um Agente Programa do agente

13 O que é um Agente A noção de agente deve ser vista como uma ferramenta para analisar sistemas As engenharias podem ser vistas como as que projetam artefatos que interagem com o mundo Inteligência artificial opera no final do espectro: artefatos com consideráveis recursos computacionais e o ambiente da tarefa requer uma tomada de decisão não trivial.

14 Agente racional É aquele que faz tudo certo, toda entrada na tabela correspondente à função do agente é preenchida de forma correta, isto é: O agente é colocado em um ambiente onde irá a gerar uma sequencia de ações de acordo às percepções que recebe. As ações farão com que o ambiente passe por uma sequencia de estados. Se a sequencia de ações é desejável, ele teve um bom desempenho... Fez tudo certo...

15 Agente racional Medida de desempenho: Critério que define o grau de sucesso de um agente na realização de uma dada tarefa Esta medida deve ser imposta do exterior Projetar medidas de desempenho de acordo com o resultado realmente desejado no ambiente: Limpeza média o tempo todo Limpeza exaustiva com longos intervalos

16 Agente racional A definição do que é Racional em qualquer instante dado depende de quatro fatores: A medida de desempenho (critério de sucesso) O conhecimento anterior que o agente tem do ambiente As ações que o agente pode executar A sequencia de percepções do agente até o momento

17 Agente racional Caso do aspirador de pó: Medida de desempenho: especificar uma pontuação para cada quadrado limpo em cada período de tempo (definir o período) O ambiente é conhecido a priori (os dois quadrados). As ações disponíveis são: esquerda, direita e aspirar. O agente percebe corretamente sua posição e se essa posição tem sujeira.

18 Agente racional Definição de agente racional: Para cada sequencia 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 sequencia de percepções e por qualquer conhecimento interno do agente

19 Agente racional O que o agente racional não é: Onisciente: o agente atua com informações atuais ou anteriores...não com a que virá a ser melhor após os fatos. Necessariamente bem sucedido: como seu objetivo é agir de forma correta variações no ambiente que eventualmente bloqueiem o sucesso de suas ações podem passar despercebidas.

20 Agente racional O que o agente racional precisa para melhorar seu desempenho? Apreender: não apenas deve coletar informações, mas aprender a partir de suas percepções. Autonomia: Atuar compensando o conhecimento prévio parcial ou incorreto a partir do seu aprendizado. A inclusão de aprendizado no agente racional propiciará o sucesso em uma variedade de ambientes.

21 Agente racional Especificação do ambiente de tarefa: P: performance (desempenho) E: enviroment (ambiente) A: actuators (atuadores) S: sensors (sensores)

22 Agente racional Como avaliar um agente? Medida de desempenho

23 Agente racional Para projetar um agente, deve-se especificar o ambiente da tarefa de forma tão completa quanto possível, os itens a serem considerados são: P Performance E Environment A Actuators S Sensors

24 Exemplos de PEAS de Agentes Objetivos Ações Dados perceptivos ambiente de testes

25 Agente de Policia Agente raciocínio Conhecimento: - leis - comportamento dos indivíduos,... Objetivo: - fazer com que as leis sejam respeitadas Ações: - multar - apitar - parar,... percepção execução Ambiente

26 Agentes - Ambiente Completamente observável (acessível) Os sensores permitem acesso ao estado completo do ambiente em cada instante Parcialmente observável Sensores para poucas variáveis, imprecisos ou com ruído Se o agente não tiver sensores será inobservável. 26

27 Agentes - Ambiente Agente único O agente que verifica se um ambiente esta limpo. O agente que resolve o jogo de palavras cruzadas. Multiagente O agente que joga xadrez: dois participam no jogo. É competitivo, um deve ganhar do outro. O agente A (motorista de taxi), o agente B (o veículo). É cooperativo, os dois trabalham com o mesmo objetivo. 27

28 Agentes - Ambiente Determinístico Quando o próximo estado do ambiente é completamente determinado pelo estado atual e pela ação executada pelo agente. Exemplo: O aspirador de pó. Estocástico Um ambiente não determinístico é aquele no qual as ações são caracterizadas por seus resultados possíveis. Exemplo: O motorista de taxi, não pode prever o comportamento do tráfego. 28

29 Agentes - Ambiente Episódico Em cada episódio, o agente recebe uma percepção e executa uma única ação. A escolha da ação somente pode depender do próprio episódio. Exemplo: agente que detecta peças defeituosas em uma linha de montagem. Seqüencial Em ambientes sequenciais, a decisão atual pode afetar as decisões futuras. Exemplos: jogar xadrez e dirigir um taxi são sequenciais, a decisão atual poderia afetar as decisões futuras. 29

30 Estático Fáceis de manipular, porque o agente não precisa observar o mundo de modo constante ou com a passagem do tempo enquanto esta decidindo sobre a realização de uma ação. Exemplo: o jogo de palavras cruzadas. Agentes - Ambiente Dinâmico Quando o ambiente puder se alterar enquanto um agente esta deliberando. Exemplo: o ambiente em que se dirige um taxi, os outros carros e o próprio taxi continuam a se mover enquanto o algoritmo de direção hesita sobre o que fazer em seguida. Semidinâmico: Se o próprio ambiente não muda com a passagem do tempo, mas o nível de desempenho do agente se alterar, o ambiente é semidinâmico. O jogo de xadrex, quando jogado com a contagem do tempo, é semidinâmico. 30

31 Agentes - Ambiente Discreto Contínuo Aplica-se ao estado do ambiente. Como o tempo é tratado. Percepções e ações do agente. Exemplo: um ambiente de jogo de xadrez tem um numero finito de estados distintos. Exemplo: dirigir um taxi é um problema de estado contínuo, a velocidade e a posição do taxi e dos outros veículos. 31

32 Exemplos de Ambientes de tarefa e suas características Ambiente de tarefa Observável Agentes Determinístico Estocástico Episódico Sequencial Estático Dinâmico Discreto Contínuo Jogo de palavras cruzadas Xadrez com um relógio Completamente Completamente Único Multi Determinístico Determinístico Sequencial Sequencial Estático Semi Discreto Discreto Direção de taxi Diagnóstico médico Parcialmente Parcialmente Multi Único Estocástico Estocástico Sequencial Sequencial Dinâmico Dinâmico Contínuo Contínuo Análise de imagens Robô de seleção de peças Completamente Parcialmente Único Único Determinístico Estocástico Episódico Episódico Semi Dinâmico Contínuo Contínuo Controlador de refinaria Instrutor interativo de inglês Parcialmente Parcialmente Único Multi Estocástico Estocástico Sequencial Sequencial Dinâmico Dinâmico Contínuo Discreto

33 Agentes: metodologia de desenvolvimento Decompor o problema em: percepções, ações, objetivos e ambiente (e outros agentes) Decompor o tipo de conhecimento em: Quais são as propriedades relevantes do mundo? Como o mundo evolui? Como identificar os estados desejáveis do mundo? Como interpretar suas percepções? Quais as conseqüências de suas ações no mundo? Como medir o sucesso de suas ações? Como avaliar seus próprios conhecimentos? Indicar a arquitetura e método de resolução de problema 33

34 Agentes - Estrutura O trabalho da IA é projetar o programa do agente: Implementar a função do agente Mapear as percepções em ações O programa será executado em algum tipo de dispositivo que conte com sensores e atuadores físicos (arquitetura) Agente = arquitetura + programa

35 Agentes - Estrutura Programa Agente dirigido por tabela

36 Agente Tabela Limitações Mesmo Problemas simples -> tabelas muito grandes ex. xadrez Nem sempre é possível, por ignorância ou questão de tempo, construir a tabela Não há autonomia nem flexibilidade Este agente só tem fins didáticos!!! Não vale nem a pena pensar nele Ambientes acessível, determinístico, episódico, estático, discreto e minúsculo!

37 Agentes - Estrutura Seja o conjunto de percepções possíveis e seja o tempo de duração do agente (número total de percepções que o agente receberá). O número de entradas da tabela conterá: T t=1 P t

38 Agentes - Estrutura Agentes reativos simples Agentes reativos baseados em modelo Agentes baseados em objetivos Agentes baseados na utilidade Agentes com aprendizagem

39 Agentes Reativos Simples

40 Agentes Reativos Simples Agente reativo simples age de acordo com uma regra cuja condição corresponde ao estado atual definido pela percepção.

41 Agentes Reativos Simples 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 de essa posição conter ou não sujeira.

42 Agentes Reativos 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

43 Agentes Reativos Simples 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

44 a m b i e n t e Agente Reativo Baseado em Modelos sensores Qual é a aparência atual mundo? Agente estado: como o mundo era antes como o mundo evolui impacto de minhas ações Que ação devo executar agora? atuadores Regras condição-ação 44

45 Agente Reativo Baseado em Modelos O agente mantém o estado atual do mundo usando um modelo interno. A seguir, escolhe uma ação da mesma maneira que o agente reativo simples 45

46 Agente Reativo Baseado em Modelos 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 46

47 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 47

48 Agente Reativo Baseado em Modelos Um agente que utiliza o modelo de mundo Desvantagem: pouca autonomia Ambientes: determinístico e pequeno 48

49 Agentes Baseado em objetivos O agente baseado em modelos e orientado pelos objetivos monitora o estado do mundo, bem como um conjunto de objetivos que esta tentando atingir e escolhe uma ação que (no final) levará à realização de seus objetivos.

50 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 sequências de ações que alcançam os objetivos do agente. 50

51 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 51

52 Agente Baseado em Objetivo Para encontrar sequências 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 52

53 Agente Baseado em Objetivo Vantagens e desvantagens: Parece menos eficiente, mas, é mais flexível, o conhecimento que apoia suas decisões é representado de maneira explícita e pode ser modificado. Não trata objetivos conflitantes Ambiente: determinístico 53

54 Agentes baseados em utilidade

55 Agente Baseado em Utilidade 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 55

56 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 56

57 Agente Baseado em Utilidade Ambiente: sem restrição Desvantagem: não tem adaptabilidade 57

58 a m b i e n t e Agente com Aprendizagem Agente sensores crítico realimentação elemento de desempenho (agente) mudanças conhecimento elemento de aprendizado objetivos de aprendizado atuadores Gerador de problemas 58

59 Agente com Aprendizagem O elemento de desempenho é responsável pela seleção de ações externas. Este é o que anteriormente consideramos o agente completo: recebe percepções e decide sobre ações. O elemento de aprendizado é responsável pela execução de aperfeiçoamentos. 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. 59

60 Agente com Aprendizagem O crítico informa ao elemento de aprendizado como o agente esta se comportando em relação a um padrão fixo de desempenho. O padrão de desempenho permite saber se uma percepção recebida é uma coisa boa ou não. Este padrão de desempenho deve ser fixo e deve-se pensar nele como algo que esta totalmente fora do agente, pois este não deverá modificá-lo para ajustá-lo a seu próprio comportamento. 60

61 Agente com Aprendizagem O gerador de problemas é responsável por sugerir ações que levarão a experiências novas e informativas. A realização de explorações e a execução de algumas ações podem não ser ótimas a curto prazo, mas, poderiam permitir a descoberta de ações melhores a longo prazo. A tarefa do gerador de problemas é sugerir essas ações exploratórias. 61

62 Agente com Aprendizagem Em agentes sem aprendizagem tudo o que o agente sabe foi colocado nele pelo projetista Aprendizagem também permite ao agente atuar em ambientes totalmente desconhecidos e se tornar mais competente do que o seu conhecimento inicial poderia permitir. 62

63 Agente com Aprendizagem Ambiente: sem restrição Vantagem: tem adaptabilidade (aprende) 63