AGENTES INTELIGENTES. Cedric Luiz de Carvalho

Documentos relacionados
Inteligência Artificial Agentes Inteligentes

Inteligência Artificial. Aula 2

O que é um sistema distribuído?

Fundamentos de Inteligência Artificial [5COP099]

Sistemas Multi-agentes

Inteligência Artificial - IA. Agentes Inteligentes Cont.

6. QUADRIMESTRE IDEAL 7. NÍVEL Graduação 8. Nº. MÁXIMO DE ALUNOS POR TURMA TEORIA: 60 LABORATÓRIO: 30

Conceitos de Sistemas Distribuídos

Modelagem de Dados MODELAGEM DE DADOS. Sistemas de Banco de Dados. Profa. Rosemary Melo

Sobre o Artigo. Turing, A.M (1950). Computing machinery and intelligence. Mind, 59,

Inteligência Artificial. Aula 1 Prof. Nayat Sánchez Pi

Sistemas Distribuídos

Sistemas Distribuídos

Sistemas Distribuídos

Fabrício Jailson Barth BandTec

CRÉDITOS DO CURSO. Carga Horária Créditos IN1030 Seminários 30 2

Sistemas Embarcados (embutidos) Paulo C. Masiero

Componente de aplicação. Figura 1 - Elementos funcionais de uma aplicação sendo executados de forma distribuída

Modelagem de Dados MODELAGEM DE DADOS. Sistemas de Banco de Dados. Profa. Rosemary Melo

Características de Sistemas Distribuídos

Sistemas Distribuídos. Plano de Curso. Plano de Curso 04/03/12 ! EMENTA:

Inteligência Artificial

Inteligência Artificial. Prof. Ilaim Costa Jr.

Características de Sistemas Distribuídos

Como as aplicações de entretenimento (em especial jogos digitais) têm enfrentado um constante crescimento, tanto em tamanho quanto em complexidade,

Projeto de Interface Homem- Máquina

Programação Concorrente

Tipos de Clusters. Introdução. Introdução 21/03/12

Sistemas Distribuídos

Introdução a Sistemas Distribuídos

Prof. Dr. Jomi Fred Hübner (FURB/SC) Prof. Dr. Jaime Simão Sichman (USP/SP)

Engenharia Software. Ení Berbert Camilo Contaiffer

SISTEMAS DISTRIBUÍDOS

Cliente-servidor Código móvel Agentes de software Processos pares. Prof a Ana Cristina B. Kochem Vendramin DAINF / UTFPR

Introdução aos Sistemas Distribuídos

INTELIGÊNCIA ARTIFICIAL

Comunicação de Dados II

Levantamento, Análise e Gestão Requisitos. Aula 03

IAC - Inteligência Artificial Aplicada a Controle

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

Introdução. Conceitos Básicos. Conceitos Básicos. Conceitos Básicos

Introdução. Conceitos Básicos. Conceitos Básicos. Conceitos Básicos

Sistema Distribuído. Sistema Distribuído. Aplicações Distribuídas. Conceitos Básicos

SEMINÁRIOS INTEGRADOS EM ADS PROGRAMAÇÃO ESTRUTURADA E ORIENTADA A OBJETOS

Orientação a Objetos (OO) Java Avançado Revisão do Paradigma de. Orientação a Objetos (OO) Programação Orientada a Objetos. Programação Procedimental

SISTEMAS OPERACIONAIS

Arquitetura de Computadores. Processamento Paralelo

INF 1771 Inteligência Artificial

Quando Distribuir é bom

JADEX: A BDI REASONING ENGINE. Alexander Pokahr, Lars Braubach e Winfried Lamersdorf Springer US - Multi-Agent Programming 2005 pp.

Orientação a Objetos (OO) LPG II - Java. Orientação a Objetos (OO) Programação Orientada a Objetos. Programação Procedimental

AULA 03: PROCESSAMENTO PARALELO: MULTIPROCESSADORES

Agentes Inteligentes. Inteligência Artificial

Capítulo 2. Orientação a Objetos

Estilos Arquiteturais

Arquitetura de Computadores Paralelos. Introdução Conceitos Básicos Ambientes de Programação Modelos de Programação Paralela

GERENCIAMENTO DE PROJETOS - 20h - EaD

Engenharia de Software. Gerenciamento de Pessoal. Professor Joerllys Sérgio

Padrões. Arquitetura de Software Thaís Batista

Programação de Sistemas Distribuídos e Concorrência

Computação Distribuída

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

SIST706 Sistemas Distribuídos

PERÍODO LETIVO ENGENHARIA DE COMPUTAÇÃO

UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 15 PROFª BRUNO CALEGARO

Computação na Biologia Molecular e Bionanotecnologia: Computação Biológica

Programação Distribuída. Metas de um Sistema Distribuído

Sistemas Distribuídos

Caracterização de Sistemas Distribuídos

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 4 Tipos de Agentes Inteligentes Racionais e Ambientes

A Matemática como Serviço a Ciência da Computação. Prof. Dr. Carlos Eduardo de Barros Paes Coordenador do Curso de Ciência da Computação

Aula 5 TECNOLOGIA EM JOGOS DIGITAIS JOGOS MULTI PLAYER. Marcelo Henrique dos Santos

Transcrição:

AGENTES INTELIGENTES

2/60 Introdução Envolvem estudos em várias áreas: Psicologia Sociologia Filosofia Ciência da Computação: Inteligência Artifical

3/60 Críticas Qualquer coisa que possa ser feita com agentes (...) também pode ser feita em C. Outras áreas da IA não obtiveram o sucesso esperado (SE, RN). O novo paradigma seria uma válvula de escape.

4/60 Críticas Tudo com o rótulo agente vende. Alguns softwares no mercado têm uma arquitetura nem complexa nem sofisticada - por quê então inteligentes?

5/60 Defesa Arquiteturas multi-agentes se distinguem por oferecer soluções razoáveis a custo aceitável para certa classe de problemas.

6/60 Defesa Os agentes tornam possível superar as diferenças entre os diversos tipos de redes e plataformas. Os agentes podem tratar melhor os problemas em ambientes distribuídos.

7/60 Conceito Um agente inteligente é um software que ajuda as pessoas, agindo no seu lugar - Don Gilbert - IBM

8/60 Tarefas dos Agentes Automatizar ações repetitivas; Analisar dados; Organizar dados de maneira inteligente; Fazer sugestões; Relembrar coisas; etc.

9/60 Propriedades Gerais Autonomia. Habilidade social. Reatividade. Iniciativa. Continuidade temporal. Orientação a Objetos.

10/60 Propriedades Específicas Mobilidade. Benevolência. Racionalidade. Adaptabilidade. Colaboração.

11/60 Programação Orientada a Objetos - POO Objetos: Porções do mundo real. Caracterizados por um estado e um comportamento. Interação: passagem de parâmetros. Estrutura interna: oculta aos demais objetos. Métodos: procedimentos para tratar mensagens. Ex.: um cão pode latir quando perturbado.

12/60 Programação Orientada a Agentes - POA Lida com objetos e agentes. Agentes: meta-objetos (caracterizados por estado e comportamento).

13/60 Programação Orientada a Agentes - POA Agentes: Possuem metas pré-definidas e orientam seu trabalho para satisfazê-las. Conseguem sintetizar planos para lidar com situações não previstas originalmente. Podem aprender com a experiência.

14/60 Princípios básicos da POO Encapsulamento: estruturas de dados ocultas. Herança: reutilização de código. Polimorfismo: correspondência dinâmica entre métodos e mensagens recebidas.

15/60 Princípios Básicos da POA Execução orientada a metas. Gerenciamento transparente dos objetos do domínio.

16/60 Agência e Inteligência Agência: autonomia e autoridade do agente.

17/60 Agência e Inteligência Inteligência de um agente: grau de raciocínio; capacidade de aprender padrões de comportamento; capacidade de aceitar declarações do usuário; capacidade de executar tarefas que lhe são delegadas.

18/60 Aplicações Aplicações atuais: na maioria são de natureza experimental e de fundamentação ad hoc.

19/60 Exemplos Agentes que automatizam caixas de correio eletrônico (total ou parcialmente). Agentes que pesquisam ou filtram listas de discussão. Agentes que agendam, registram e executam o flow-up de reuniões ou conferências on-line.

20/60 Outras Aplicações Gerenciamento de Sistema de Redes; Acesso e gerenciamento móvel; Acesso e gerenciamento de informação; Colaboração: infra-estrutura para compartilhamento de recursos e gerenciamento de equipes e produtos de seu trabalho.

21/60 Outras Aplicações Gerenciamento administrativo; Comércio eletrônico; Interfaces inteligentes.

22/60 Agentes Entidade: com metas; com ações; com domínio do conhecimento; situado em um ambiente.

23/60 Sistemas Multiagentes Subcampo da IA Princípios para a construção de sistemas complexos envolvendo múltiplos agentes. Mecanismos de coordenação do comportamento dos agentes independentes.

24/60 Taxonomia Computação Distribuída Inteligência Artificial IA Distribuída Resolução Distribuída de Problemas Sistemas Multiagentes

25/60 Taxonomia Computação distribuída: Vários processos compartilham dados, mas não controle. Foco: paralelização de baixo nível ou sincronização.

26/60 Taxonomia IA Distribuída: Controle inteligente; Dados distribuídos. Foco: resolução de problemas, comunicação e coordenação.

27/60 Taxonomia Resolução distribuída de problemas: Decomposição de tarefas; Síntese da solução; Gerenciamento da informação.

28/60 Taxonomia Sistema Multiagentes: Coordenação de comportamento; ou Coordenação de gerenciamento.

29/60 Taxonomia dos MAS Comunicação Aumento da Complexidade Poder e Centralização. Centralizado (único agente) Heterogêneo, com comunicação. Heterogêneo, sem comunicação. Heterogeneidade Homogêneo, sem comunicação.

30/60 Taxonomia dos MAS Agentes Homogêneos e não comunicantes Reativos / deliberativos. Perspectiva local / global. Modelagem dos estados dos outros agentes. Como afetam os outros agentes.

31/60 Taxonomia dos MAS Agentes Heterogêneos e não comunicantes Benevolência / competitividade. Estáticos / evolutivos. Modelagem das metas, ações e conhecimento dos outros agentes. Gerenciamento de recursos ações interdependentes. Convenções sociais. Papéis desempenhados

32/60 Taxonomia dos MAS Agentes Heterogêneos comunicantes Entendimento mútuo. Planejamento de atos de comunicação. Benevolência / competitividade. Gerenciameto de recursos esquema de coordenação. Compromentimento / descomprometimento.

33/60 Por quê MAS? Se existe diferentes pessoas ou organizações com diferentes metas e informações particulares. Um sistemas multiagente para tratar seus interesses.

34/60 Por quê MAS? Múltiplos agentes: Pode-se implementar paralelismo aumento de performance.

35/60 Paralelismo Diferentes tarefas ou habilidades atribuídas a diferentes agentes. Redundância: melhora a tolerância a falhas.

36/60 Escalabilidade Sistema inerentemente modular. Muito fácil acrescentar novos agentes novas capacidades.

37/60 Implementação Programação modular: mais simples

38/60 Agente único ou Sistema Multiagente Agente único: o agente modela a si mesmo, o ambiente e suas interações. Se existem outros agentes são considerados como parte do ambiente. Entidades independente, com suas metas, ações e conhecimento.

39/60 Agente Único Ambiente Sensores Atuadores Metas Ações Domínio do Conhecimento Agente

40/60 Agente único ou Sistema Multiagente Sistema Multiagente: Vários agentes existem, cada um com suas metas e ações. Incerteza: agentes intencionalmente afetam o ambiente de uma maneira não previsível: sistema dinâmico.

41/60 Múltiplos Agentes Agente Ambiente Sensores Metas Ações Domínio do Conhecimento Sensores Atuadores Metas Ações Domínio do Conhecimento Agente

42/60 Agentes homogêneos e não comunicantes Mesma estrutura interna; Mesmas metas; Mesmo domínio do conhecimento; Mesmas possíveis ações.

43/60 Agentes homogêneos e não comunicantes Diferença entre os agentes: Entrada dos sensores; Ação real que executam depende de sua posição no mundo.

44/60 Agentes homogêneos e não comunicantes Diferença entre os agentes: Entrada dos sensores; Ação real que executam depende de sua posição no mundo.

45/60 Agentes homogêneos e não comunicantes Itens a serem considerados: Reativos / deliberativos. Reativos: comportamento pré-definido: similar aos reflexos não mantém estados internos. Deliberativos: buscam em um espaço de comportamentos, mantém um estado interno e podem prever os efeitos de suas ações.

46/60 Agentes homogêneos e não comunicantes Itens a serem considerados: Perspectiva local / global. Todos os agentes têm uma visão global: não tentam obter um recurso já em uso, ou Os agentes têm uma visão limitada do mundo e tentam obter diferentes recursos.

47/60 Agentes homogêneos e não comunicantes Itens a serem considerados: Modelagem dos estados dos outros agentes. Finalidade: prever suas ações. Mesmo se os agentes são homogênios, suas ações futuras podem não ser previsíveis.

48/60 Agentes homogêneos e não comunicantes Itens a serem considerados: Como afetam os outros agentes. Podem ser detectados, pelos sensores dos outros. Podem alterar o ambiente alterando a entrada dos sensores dos outros agentes. Podem alterar o ambiente mudando o efeito das ações dos outros agentes.

49/60 Agentes heterogêneos e não comunicantes Podem ter diferentes metas. Podem ter diferentes modelos de domínio. Podem executar ações diferentes.

Agentes heterogêneos e 50/60 não comunicantes Itens a serem considerados: Benevolência / competitividade. Agentes podem tentar ajudar outros agentes a atingirem suas respectivas metas ou ser egoístas e somente considerarem suas próprias metas ao realizar suas ações. Agentes egoístas podem ser eficientes e mais próximos dos agentes biológicos.

Agentes heterogêneos e 51/60 não comunicantes Itens a serem considerados: Estáticos / evolutivos. Ambientes dinâmicos agentes precisam evoluir.

Agentes heterogêneos e 52/60 não comunicantes Itens a serem considerados: Modelagem das metas, ações e conhecimento dos outros agentes. Sistema homogêneo a modelagem ajuda a prever as ações do outros. Sistema heterogêneo modelagem mais difícil Esta modelagem pode ser feita pela observação das ações pode haver aprendizado.

Agentes heterogêneos e 53/60 não comunicantes Itens a serem considerados: Gerenciamento de recursos Usando o aprendizado por reforço agentes heterogêneos podem atingir uma equilíbrio de carga sem a necessidade de controle central nem comunicação entre os agentes. Os agentes observam quanto tempo uma tarefa toma quando ela é escalonada sobre um recurso e é dado incentivos para explorar processadores que não foram alocados que que tiveram desempenho pobre no passado.

54/60 Agentes que se comunicam Com a comunicação, sistemas podem se tornar arbitrariamente complexos e arbitrariamente centralizados, onde um agente assume todo o controle. O bandwidth da comunicação pode se tornar extremamente baixo.

55/60 Agentes que se comunicam Itens a serem considerados. Entendimento mútuo. Planejamento dos atos de comunicação. Benevolência / competitividade. Gerenciamento de recursos Comprometimento / descomprometimento.

56/60 Agentes que se comunicam Itens a serem considerados. Entendimento mútuo. Linguagens e protocolos. Ex.: Conteúdo da informação - KIF. Formato da mensagem- KQML. Convenções de coordenação - COOL.

57/60 Agentes que se comunicam Itens a serem considerados. Planejamento dos atos de comunicação. Quando um agente envia uma mensagem a outro agente, isto provoca um efeito como provocaria qualquer outra ação sua. Quando combinado com modelos de outros agentes, o efeito do ato de comunicação pode ser alterar a crença do agente a respeito do estado de outro(s) agente(s).

58/60 Agentes que se comunicam Itens a serem considerados. Benevolência / competitividade.

59/60 Agentes que se comunicam Itens a serem considerados. Gerenciamento de recursos.

60/60 Agentes que se comunicam Itens a serem considerados. Comprometimento / descomprometimento. Quando os agentes se comunicam podem decidir cooperar em uma data tarefa ou um período de tempo: se compromentem. Perseguir uma meta, de uma dada maneira. Deve haver meios de um agente acreditar nos outros.

61/60 Atividade 1 Leia o artigo original de Turing sobre IA (Computing Machinery and Intelligence (Mind, Vol. 59, No. 236, pp. 433-460), e faça um resumo (no máximo 20 linhas) sobre os principais tópicos abordados. No artigo, Turing discute várias objeções potenciais a suas propostas e ao seu teste de inteligência. Que objeções ainda têm algum peso? Suas refutações são válidas? Referência: http://cogsci.ucsd.edu/%7easaygin/tt/ttest.html

62/60 Atividade 2 Todo ano, o prêmio Loebner é entregue ao programa que chega mais perto de ser aprovado em uma versão do Teste de Turing. Qual o último vencedor do prêmio Loebner de 2005. Que técnicas ele utiliza? Que avanço o programa representou no estado da arte em IA? Referência: http://www.loebner.net/prizef/loebner-prize.html