Inteligência Artificial Agentes Inteligentes Prof. Kléber de Oliveira Andrade pdjkleber@gmail.com
Agentes Inteligentes
Definição Um agente é tudo que pode ser considerado como capaz de perceber seu ambiente por meio de sensores e agir sobre esses ambiente por intermédio de atuadores. Agente sensores? percepção ações Ambiente atuadores
Exemplos Agente Humano Sensores: Olhos, ouvidos e outros órgãos. Atuadores: Mãos, pernas, boca e outras partes do corpo. Agente Robótico Sensores: câmeras e detectores de infravermelho. Atuadores: vários motores. Agente de Software Sensores: entrada do teclado, conteúdo de arquivos e pacotes vindos da rede. Atuadores: tela, disco, envio de pacotes pela rede. 09/08/2012 Prof. Kléber de Oliveira Andrade 4
Mapeando percepções em ações Sequência de percepções: história completa de tudo que o agente percebeu. O comportamento do agente abstratamente pela função do agente. é dado f:p* A onde P* é uma sequência de percepções e A é uma ação. O programa do agente roda em uma arquitetura física para produzir f. Agente = arquitetura + programa. 09/08/2012 Prof. Kléber de Oliveira Andrade 5
O mundo do aspirador de pó Percepções: local e conteúdo Exemplo: [A, sujo] Ações: Esquerda, Direita, Aspirar, Parar 09/08/2012 Prof. Kléber de Oliveira Andrade 6
Uma função para o aspirador de pó Sequência de percepções [A, Limpo] [A, Sujo] [B, Limpo] [B, Sujo] [A, Limpo], [A, Limpo] [A, Limpo], [A, Sujo]...... [A, Limpo], [A, Limpo], [A, Limpo] [A, Limpo], [A, Limpo], [A, Sujo] Ação Direita Aspirar Esquerda Aspirar Direita Aspirar Direita Aspirar Programa: Se o quadrado atual estiver sujo, então aspirar, caso contrário Mover para o outro lado 09/08/2012 Prof. Kléber de Oliveira Andrade 7
Características Cognitivas (1/2) Básicas: Autonomia: capacidade de agir sem intervenção de outros agentes. Sociabilidade: potencialidade de se comunicar com outros agentes do ambiente. Reatividade: habilidade de reagir a estímulos do ambiente. Proatividade: propriedade de agir guiado por objetivos, a partir de iniciativa própria.
Características Cognitivas (2/2) Adicionais: Adaptatividade: capacidade de se adaptar ao ambiente (aprendizado). Mobilidade: habilidade de se mover entre ambientes. Veracidade: propriedade de dizer sempre a verdade. Benevolência: característica de realizar tudo aquilo que lhe é solicitado. Racionalidade: capacidade de agir sempre em busca dos próprios objetivos.
Não há consenso! [Wooldridge 1999] Autonomia é a habilidade de agir sem intervenção humana ou de outros sistemas. Isso é conseqüência do controle total sobre seu estado interno e sobre seu comportamento. [Maes 1995] Agente autônomo é o que consegue operar com completa autonomia, decidir por si só como relacionar os dados obtidos com ações de modo que seus objetivos sejam atingidos com sucesso. [Russel & Norvig 1995] Um sistema é autônomo na medida em que seu comportamento é determinado pela sua experiência, em vez de ter todo o conhecimento sobre o ambiente pré-construído. Esse sistema tem um conhecimento inicial e habilidade de aprender.
Agentes Racionais São aqueles que tomam a ação correta em busca de seus objetivos. Dependem: Da medida de eficiência (performance measure) que define o grau de sucesso do agente. De sua seqüência de percepções em relação ao ambiente. De todo o conhecimento que tem sobre o ambiente Das ações que é capaz de realizar.
Agentes Racionais Como preencher corretamente a tabela de ações do agente para cada situação? O agente deve tomar a ação correta baseado no que ele percebe para ter sucesso. O conceito de sucesso do agente depende de uma medida de desempenho objetiva. Exemplos: quantidade de sujeira aspirada, gasto de energia, gasto de tempo, quantidade de barulho gerado, etc. A medida de desempenho deve refletir o resultado realmente desejado. 09/08/2012 Prof. Kléber de Oliveira Andrade 12
Agentes Racionais Agente racional: para cada sequência de percepções possíveis deve selecionar uma ação que se espera venha a maximizar sua medida de desempenho, dada a evidência fornecida pela sequência de percepções e por qualquer conhecimento interno do agente. Exercício: para que medida de desempenho o agente aspirador de pó é racional? 09/08/2012 Prof. Kléber de Oliveira Andrade 13
Agentes Racionais Racionalidade é diferente de perfeição. A racionalidade maximiza o desempenho esperado, enquanto a perfeição maximiza o desempenho real. A escolha racional só depende das percepções até o momento. Mas os agentes podem (e devem!) executar ações para coleta de informações. Um tipo importante de coleta de informação é a exploração de um ambiente desconhecido. O agente também pode (e deve!) aprender, ou seja, modificar seu comportamento dependendo do que ele percebe ao longo do tempo. Nesse caso o agente é chamado de autônomo Um agente que aprende pode ter sucesso em uma ampla variedade de ambientes 09/08/2012 Prof. Kléber de Oliveira Andrade 14
PEAS Ao projetar um agente, a primeira etapa deve ser sempre especificar o ambiente de tarefa Performance = Medida de Desempenho Environment = Ambiente Actuators = Atuadores Sensors = Sensores 09/08/2012 Prof. Kléber de Oliveira Andrade 15
Exemplo de PEAS: Motorista de Táxi Automatizado Medida de desempenho: viagem segura, rápida, sem violações às leis de trânsito, confortável para os passageiros, maximizando os lucros Ambiente: ruas, estradas, outros veículos, pedestres, clientes. Atuadores: direção, acelerador, freio, embreagem, marcha, seta, buzina. Sensores: câmera, sonar, velocímetro, GPS, hodômetro, acelerômetro, sensores do motor, teclado ou microfone. 09/08/2012 Prof. Kléber de Oliveira Andrade 16
Exemplo de PEAS: Sistema de Diagnóstico Médico Medida de desempenho: paciente saudável, minimizar custos, processos judiciais; Ambiente: paciente, hospital, equipe; Atuadores: exibir na tela perguntas, testes, diagnósticos, tratamentos; Sensores: entrada pelo teclado para sintomas, descobertas, respostas do paciente. 09/08/2012 Prof. Kléber de Oliveira Andrade 17
Exemplo de PEAS: Robô de seleção de peças Medida de desempenho: porcentagem de peças em bandejas corretas; Ambiente: correia transportadora com peças, bandejas; Atuadores: braço e mão articulados; Sensores: câmera, sensores angulares articulados. 09/08/2012 Prof. Kléber de Oliveira Andrade 18
Exemplo de PEAS: Instrutor de Inglês Interativo Medida de desempenho: maximizar nota de aluno em teste; Ambiente: conjunto de alunos; Atuadores: exibir exercício, sugestões, correções; Sensores: entrada pelo teclado. 09/08/2012 Prof. Kléber de Oliveira Andrade 19
Propriedades de ambientes de tarefa Completamente observável (versus parcialmente observável) Os sensores do agente dão acesso ao estado completo do ambiente em cada instante; Todos os aspectos relevantes do ambiente são acessíveis; Determinístico (versus estocástico) O próximo estado do ambiente é completamente determinando pelo estado atual e pela ação executada pelo agente Se o ambiente é determinístico exceto pelas ações de outros agentes, dizemos que o ambiente é estratégico 09/08/2012 Prof. Kléber de Oliveira Andrade 20
Propriedades de ambientes de tarefa Episódico (versus parcialmente observável) A experiência do agente pode ser dividida em episódios (percepção e execução de uma única ação); A escolha da ação em cada episódio só depende do próprio episódio; Estático (versus dinâmico) O ambiente não muda enquanto o agente pensa; O ambiente é semidinâmico se ele não muda com a passagem do tempo, mas o nível de desempenho do agente se altera. 09/08/2012 Prof. Kléber de Oliveira Andrade 21
Propriedades de ambientes de tarefa Discreto (versus contínuo) Um número limitado e claramente definido de percepções e ações; Agente único (versus multi-agente) Um único agente operando sozinho no ambiente. No caso multi-agente podemos ter: Multi-agente cooperativo; Multi-agente competitivo; 09/08/2012 Prof. Kléber de Oliveira Andrade 22
Exemplos Ambiente da tarefa Palavras cruzadas Observável Determinístico Episódico Estático Discreto Agentes Completament e Determinístico Sequencial Estático Discreto Único Pôquer Parcialmente Estratégico Sequencial Estático Discreto Multi Gamão Completament e Estratégico Sequencial Estático Discreto Multi Direção de taxi Parcialmente Estocástico Sequencial Dinâmico Continuo Multi Análise de imagens Robô de seleção de peças Instrutor interativo de inglês Completament e Deterministico Episódico Semi Continuo Único Parcialmente Estocástico Episódico Dinâmico Continuo Único Parcialmente Estocástico Sequencial Dinâmico Discreto Multi O tipo de ambiente de tarefa determina em grande parte o projeto do agente; O mundo real é parcialmente observável, estocástico, sequência, dinâmico, contínuo e multi-agente; 09/08/2012 Prof. Kléber de Oliveira Andrade 23
Programa e funções de agentes Um agente é completamente especificado pela função de agente que mapeia sequências de percepções em ações. Uma única função de agente (ou uma única classe de funções equivalentes) é racional; Objetivo: encontrar uma maneira de representar a função racional do agente concisamente. 09/08/2012 Prof. Kléber de Oliveira Andrade 24
Agente Básico - Cadê a medida de eficiência? - Será que a escolha da ação pode ser feita a partir de uma tabela que relacione diretamente condição/ação?
Tipos Básicos de Agentes Quatro tipos básicos, do mais simples ao mais geral: Agentes reativos simples Agentes reativos baseado em modelos Agentes baseados em objetivos Agentes baseados na utilidade
Agente Reativo Simples Sensors regras condição-ação Estado do Mundo Que ação eu devo tomar Ambiente Effectors Ações baseadas no estado atual do mundo. Agem por reflexo: regras condição-ação.
Exemplo: Agente Reativo Simples Regras condição-ação (regras se-então) fazem uma ligação direta entre a percepção atual e a ação. O agente funciona apenas se o ambiente for completamente observável e a decisão correta puder ser tomada com base apenas na percepção atual. 09/08/2012 Prof. Kléber de Oliveira Andrade 28
Agente Reativos baseados em Modelos estado interno como o mundo evolui conseqüências de minhas ações regras condição-ação Sensors Estado do Mundo Que ação eu devo tomar Ambiente Effectors Necessários quando um histórico é necessário, além da informação sensorial.
Agentes Reativos baseados em Modelos 09/08/2012 Prof. Kléber de Oliveira Andrade 30
Agente Reativos baseados em Objetivos estado interno como o mundo evolui conseqüências de minhas ações objetivos Sensors Estado do Mundo Como será o mundo se eu tomar ação A Que ação eu devo tomar Ambiente Effectors Mais flexíveis por inferirem reações.
Agente Reativos baseado em Utilidade estado interno como o mundo evolui conseqüências de minhas ações utility Sensors Estado do Mundo Como será o mundo se eu tomar ação A O quão feliz vou ficar nesse estado Ambiente Que ação eu devo tomar Effectors Funciona escolhendo sempre um estado mais útil. Função de utilidade: determina o grau de satisfação do agente em relação a um determinado estado.
Agentes 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: Exemplo: motorista sem o mapa da cidade; Quatro componentes conceituais de um agente com aprendizagem: Elemento de aprendizado Crítico Elemento de desempenho Gerador de problemas 09/08/2012 Prof. Kléber de Oliveira Andrade 33
Agentes com Aprendizagem Componentes Elemento de aprendizado: Responsável pela execução dos aperfeiçoamentos Utiliza realimentação do crítico sobre como o agente está funcionando Determina de que maneira o elemento de desempenho deve ser modificado para funcionar melhor no futuro Crítico: Informa ao elemento de aprendizado como o agente está se comportando em relação a um padrão fixo de desempenho É necessário porque as percepções não fornecem nenhuma indicação de sucesso Exemplo: O crítico pode indicar para o agente que o xeque-mate é algo bom. O agente não deverá modificá-lo; 09/08/2012 Prof. Kléber de Oliveira Andrade 34
Agentes com Aprendizagem Componentes Elemento de desempenho: Responsável pela seleção de ações externas Recebe percepções e decide sobre ações Gerador de problemas: Responsável por sugerir ações que levarão a experiências novas e informativas Ações não ótimas a curto prazo para descobrir ações ótimas a longo prazo. 09/08/2012 Prof. Kléber de Oliveira Andrade 35
Agente com Aprendizagem Crítico Sensores avaliação Elemento de Aprendizagem Objetivos de aprendizagem troca Conhecimento Elemento de desempenho (Agente) Ambiente Gerador de problemas Atuadores
Agente motorista de táxi com aprendizagem Elemento de desempenho: conhecimento e procedimentos para digirir; Crítico: observa o mundo e repassa para o elemento de aprendizagem Exemplo: o agente vira sem dar seta, O crítico observa que isso gera uma reação agressiva dos outros motoristas e informa ao elemento de aprendizagem. Elemento de aprendizagem: É capaz de formular uma regra afirmando que a ação foi boa/ruim; Modifica o elemento de desempenho pela instalação da nova regra; Gerador de problemas: Identifica áreas que precisam de melhorias Sugere experimentos: testar os freios em diferentes superfícies. 09/08/2012 Prof. Kléber de Oliveira Andrade 37
Simulação do Ambiente Às vezes é mais conveniente simular o ambiente: Mais simples; Permite testes prévios; Evita riscos, etc... O ambiente (programa) Recebe os agentes como entrada; Fornece repetidamente a cada um deles as percepções corretas e recebe as ações Atualiza os dados do ambiente em função dessas ações e de outros processos (ex: dia-noite) É definido por um estado inicial e uma função de atualização Deve refletir a realidade 09/08/2012 Prof. Kléber de Oliveira Andrade 38