Inteligência Artificial - IA. Agentes Inteligentes

Documentos relacionados
Aula 02a Agentes Inteligentes

Tópicos Especiais em Informática

Agentes Inteligentes. Módulo 02 27/02/2013. Inteligência Artificial. Profª Hemilis Joyse

Inteligência Artificial. Aula 2

Tópicos Especiais: Inteligência Artificial AGENTES INTELIGENTES

Agentes Inteligentes

Inteligência Artificial: 2. Agentes Inteligentes. Capítulo 2 Russell e Norvig

Inteligência Artificial

Agentes Inteligentes. Qualquer coisa que pode: 1. Perceber seu ambiente através de sensores e

Inteligência Artificial. Aula 1 Prof. Nayat Sánchez Pi

Agentes Inteligentes. CAPÍTULO 2 - Russell

Agentes Inteligentes

Inteligência Artificial. Agentes computacionais. Aula IV Cap.2 Russell e Norvig (continuação)

INTELIGÊNCIA ARTIFICIAL

Inteligência Artificial Agentes Inteligentes

Inteligência Artificial - IA. Agentes Inteligentes Cont.

Inteligência Artificial Agentes Inteligentes

Agentes Inteligentes Curso de Análise e Desenvolvimento de Sistemas INTELIGÊNCIA ARTIFICIAL PROFESSOR FLÁVIO MURILO

Redes Neurais (Inteligência Artificial)

Agentes Inteligentes. Inteligência Artificial

Inteligência Artificial Prof. Marcos Quinet Pólo Universitário de Rio das Ostras PURO Universidade Federal Fluminense UFF

Inteligência Artificial. Agentes computacionais. Aula III Cap.2 Russell e Norvig

Introdução a Inteligência Artificial

Inteligência Artificial

Curso: Inteligência Artificial. Inteligência Artificial. Curso: Inteligência Artificial. Curso: Inteligência Artificial. Introdução 8/16/2010

INF 1771 Inteligência Artificial

Agentes inteligentes. Capítulo 2 Inteligência Artificial Sistemas de Informação

Agentes Inteligentes Sistemas Inteligentes Especialização em Automação Industrial SISTEMAS INTELIGENTES PROFESSOR FLÁVIO MURILO

Agentes Inteligentes

Inteligência Artificial - IA

O que é um Agente. Agente é qualquer entidade que:

AGENTES E AMBIENTES. BREVE INTRODUÇÃO A AGENTES Prof. Tacla UTFPR/Curitiba

Inteligência Artificial Introdução

Sobre o Artigo. Searle, John, R. (1980). Minds, brains and programs. Behavioral and Brain Sciences 3(3):

INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO

Inteligência Artificial - IA. Resolução de problemas por meio de busca

Inteligência Articial: Introdução

AGENTES INTELIGENTES

INTELIGÊNCIA ARTIFICIAL

IA: Sistemas Multiagente II - Agentes

Fundamentos de Inteligência Artificial [5COP099]

TCC04040 Inteligência Artificial. Inteligência Artificial

Resolução de Problemas

Agentes Inteligentes

Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Prentice-Hall.

Inteligência Artificial

INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO

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

INF 1771 Inteligência Artificial

Agentes Inteligentes. Capítulo 2

Introdução à Inteligência Artificial Agentes Inteligentes. Leliane Nunes de Barros

lnteligência Artificial

Teste de Turing e Computação Quântica Curso de Análise e Desenvolvimento de Sistemas INTELIGÊNCIA ARTIFICIAL PROFESSOR FLÁVIO MURILO

Redes Neurais (Inteligência Artificial)

IAC - Inteligência Artificial Aplicada a Controle

INTELIGÊNCIA ARTIFICIAL. Prof. Cedric Luiz de Carvalho

Fabrício Jailson Barth BandTec

Agentes. O que é um Agente. Agentes Inteligentes. Inteligência Artificial I. Tópicos. Introdução a Agentes. Introdução a Agentes

Inteligência Artificial - IA

Inteligência Artificial

INF 1771 Inteligência Artificial

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 5 Resolvendo Problemas

Agentes Inteligentes. Capítulo 2

INF 1771 Inteligência Artificial

CTC-15 Inteligência Artificial. Prof. Paulo André Castro

CTC-15 Inteligência Artificial. Referências. Planejamento - 2. Principais Avanços da Inteligência Artificial:

Paradigma Simbólico. Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2)

INF 1771 Inteligência Artificial

Inteligência Artificial. Inteligência Artificial Faculdade de Ciencias 4º ano 1

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial

Inteligência Artificial

Agentes Inteligentes Características de um agente humano:

Agentes Inteligentes. Capítulo 2 Russell & Norvig

Retomada aula. Introdução sobre Inteligência Artificial Abordagem sobre Agentes Resolução de problemas estratégias de busca - apresentação trabalhos

Inteligência Artificial Introdução

INF 1771 Inteligência Artificial

Resolução de Problemas. Hugo Barros

Enunciados dos Exercícios Cap. 2 Russell & Norvig

Agentes Inteligentes. Inteligência Artificial. Exemplos. Agentes Inteligentes. Prof. Ms. Luiz Alberto Contato:

Inteligência Artificial

CTC-17 Inteligência Artificial Introdução. Prof. Paulo André Castro

Sistemas Especialistas (SE)

Sistemas Multi-agentes

Inteligência Artificial

Inteligência Artificial (SI 214) Aula 2 Agentes Inteligentes

Lista 1 Sistemas Inteligentes (INE5633) 2014s2. Cap. 2 - Russel & Norvig - Exercícios selecionados (respostas em azul)

Introdução à Inteligência Artificial Agentes Inteligentes. Leliane Nunes de Barros

INF1403 Percurso Cognitivo (Cognitive Walkthrough)

Inteligência Computacional

Introdução. Aula 1 Inteligência Artificial HDL

Ementa. Inteligência Artificial. Agentes. Agentes Inteligentes. Exemplos 8/18/2010. Mapeando percepções em ações. Aula 2 Profª Bianca Zadrozny

Transcrição:

Agentes Inteligentes 1

O que é pensar racionalmente? Segundo Aristóteles: pensar racionalmente é um processo de raciocínio irrefutável. Argumentos que resultam em conclusões corretas ao receberem premissas corretas. Propôs os padrões de argumentos que representam raciocínios corretos. Esses Silogismos fazem parte da Lógica Ex. Sócrates é um homem. Todos os homens são mortais. Logo, Sócrates é mortal. Quais os obstáculos? 1) A dificuldade de enunciar conhecimento informal nos termos exigidos pela lógica. 2) Diferença entre resolver um problema em princípio e resolvê-lo na prática. 2

Agindo Humanamente Turing 1950 propôs que comportamento inteligente é a capacidade de alcançar a performance humana em todas as tarefas cognitivas, suficientes para enganar um interrogador Seis capacidades básicas de um computador inteligente: l. Processamento de linguagem natural permitir comunicação 2. Representação de conhecimento armazena o que sabe e ouve 3. Raciocínio automatizado cruzar informações e responder questões 4. Aprendizagem de máquina - adaptar-se a novas circunstancias 5. Visão de computador para perceber objetos 6. Robótica para manipular objetos e movimentar 3

Agindo Racionalmente abordagem agente racional Um agente é simplesmente algo que age (do latin agere, significa fazer). Espera-se de um agente computacional outros atributos que o diferem de um mero programa. Controle autônomo Perceber o seu ambiente Persistir numa tarefa por um período de tempo Adaptar-se a mudanças Ser capaz de assumir metas de outros 4

Agentes e ambientes Agente é tudo o que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por intermédio de seus atuadores. (Russel, 2004) Quais os sensores e atuadores de: - Agente humano -Agente robótico - Agente de software 5

Percepção - conjunto de todas as entradas dos sensores em qualquer momento. Sequencia de percepções história completa de tudo que o agente já percebeu. A ação de um agente pode depender da sequencia inteira de percepções observadas. 6

Comportamento do agente é descrito pela função de agente que mapeia qualquer sequencia de percepções para uma ação. A função de agente para um agente artificial é implementada por um programa de agente Observe que: A função de agente é uma descrição matemática abstrata. O programa de agente é uma implementação concreta, relacionada a arquitetura do agente. Agente = plataforma + programa 7

Exemplo: Um mundo de aspirador de pó com dois locais. Percepção Qual o bloco da posição atual Se o bloco atual está limpo Ação Aspirar Ir para a esquerda Ir para a direita Nenhuma 8

Qual a maneira correta de preencher a tabela de ação? Percepção Qual o bloco atual Se o bloco atual está limpo Ação Aspirar Ir para a esquerda Ir para a direita Nenhuma 9

O que se pode dizer do agente aspirador de pó? O que torna um agente bom ou ruim? Inteligente ou estúpido? Como preencher a tabela para atingir o melhor resultado? E o que significa isso? 10

Medidas de desempenho Objetivos definidos pelo criador do agente Exemplos: a) Quantidade de poeira limpa por turno Problema: possibilidade de jogar com as regras b) Número de blocos limpos Problema: Custos energéticos Medidas devem refletir exatamente o resultado esperado 11

Medidas de desempenho Critério que define o grau de sucesso de um agente na realização de uma dada tarefa Responsabilidade do criador do agente Esta medida deve ser imposta do exterior do problema Nem sempre simples de selecionar Má escolha da medida de desempenho pode acarretar comportamento indesejado Compromissos entre objetivos múltiplos conflitantes Efeitos de média Ex.: limpeza média dos blocos (aspirador) O problema deve saber quando avaliar o desempenho Exs. aspirador de pó, provador de teoremas, filtragem de e-mails, policial de trânsito, avaliador de clima... 12

Se soubessemos: Que ações um agente pode tomar O que ele percebe do ambiente O que ele conhece Que medidas ditam seu desempenho Poderiamos definir um parâmetro de racionalidade 13

Conceito de racionalidade Um agente racional é aquele que faz tudo certo. O que significa fazer tudo certo? Numa primeira abordagem: A ação certa é aquela que fará o agente obter maior sucesso. Qual o método para medir o sucesso? Juntamente com a descrição do ambiente e dos sensores e atuadores do agente, esse método fornecerá uma especificação completa das tarefas que o agente deve realizar. 14

A definição do que é racional depende de 4 fatores: A medida de desempenho que define o critério de sucesso O conhecimento prévio que o agente tem do ambiente As ações que o agente pode executar A seqüência de percepções do agente até o momento. 15

Considere o agente aspirador de pó apresentado. Ele é um agente racional? Depende! Considere... a) A medida de desempenho oferece o premio de um ponto para cada quadrado limpo a cada período de tempo, ao longo de 1000 períodos de tempo; b) O ambiente é conhecido, mas a disposição da sujeira e do agente não são conhecidas. Quadrados limpos permanecem limpos e a aspiração limpa o quadrado atual. As ações esquerda e direita movem o agente; c) As únicas ações possíveis são: esquerda, direita, aspirar, não fazer nada; d) O agente percebe corretamente a sua posição e se essa contem sujeira. Sob essas condições o agente é racional. 16

Considere o mesmo agente aspirador de pó, porém... a) Toda sujeira esta limpa, mas o agente oscila desnecessariamente de um lado para outro. Supondo que a medida de desempenho inclua uma penalidade de um ponto para cada movimento desnecessário. Ele seria um agente racional? Um agente racional não faria nada se tivesse certeza que tudo esta limpo. Se os quadrados limpos pudessem ficar sujos, ocasionalmente o agente deveria verificar e voltar a limpá-los, se necessário. Se a geografia do ambiente fosse desconhecida, o agente deveria explorá-la ao invés de se fixar nos quadrados A e B. 17

Exercício. 1. Tanto a medida de desempenho quanto a função de utilidade medem quanto um agente está desempenhando bem as suas atividades. Explique a diferença entre as duas medidas. 2. Para explorar a função de agente e programa de agente: a) Pode haver mais de um programa de agente que implemente uma dada função de agente? Dê um exemplo ou mostre por que não é possível. b) Existem funções de agente que não podem ser implementadas por qualquer programa de agente? 3. Examine a racionalidade do agente aspirador de pó nas condições: a) Descrita no slide 9 e com medida de desempenho slide 16, explique. b) Descreva uma função de agente racional para a medida de desempenho modificada que deduz um ponto a cada movimento desnecessário. O programa de agente correspondente exige estado interno? c) Descreva possíveis projetos de agentes para os casos em que os quadrados limpos podem ficar sujos e a geografia do ambiente não é conhecida. Faz sentido para o agente aprender a partir de suas experiências nessas situações?em caso afirmativo, o que ele deve aprender? 18

Racionalidade X Onisciência Onisciência: Um agente onisciente sabe o resultado real de suas ações e pode agir de acordo com ele; Todas as informações atuais Prever o resultado de qualquer ação futura Porém onisciencia é impossível na realidade. Impossível saber o resultado das ações a priori Ações imperfeitas podem ocorrer Racionalidade não é o mesmo que perfeição. Racionalidade maximiza o desempenho esperado. 19

Racional NÃO É onisciente; Racional NÃO É clarividente; Racional NÃO É necessariamente bem-sucedido; Racional É investigação, aprendizado, autonomia... Agente onisciente: conhece todos os efeitos de suas ações. Onisciência permite perfeição Um agente racional escolhe a ação que maximiza o valor esperado de uma certa medida de desempenho, dada uma sequência percebida de eventos; 20

A racionalidade fica limitada à seqüência perceptiva escolhida pelo agente? Não, é preciso obter as informações relevantes Os agentes bem sucedidos dividem a tarefa de calcular a função do agente em tres periodod distintos: a) Quando o agente esta sendo projetado; b) Quando esta deliberando sob sua propria ação 21

Caracterização de agente Medida de desempenho (Performance) Ambiente (Environmet) Atuadores (Actuators) Sensores (Sensors) M. A. A. S. (P.E.A.S) 22

Caracterização de agente Exemplo de um motorista taxi automatizado M. A. A. S. (P.E.A.S) Medida de Desempenho: Segurança, destino, conforto, rendimento... Ambiente: Ruas, estradas, tráfego, pedestres, tempo... Atuadores: Direção, acelerador, cambio, freios... Sensores: Velocímetro, sensores do motor, GPS... 23

Defina o agente para os seguintes ambientes: 24

Exercício: Descreva as características relacionadas a medida de desempenho, ambiente, atuadores e sensores para um Agente: a) que compara produtos na Internet; b) Que monitora a fabricação de placas 25

Referências Rich, Elaine; Knight, Kevin, Artificial Intelligence, Second Edition, McGraw. Hill, 1993. Russel, S.; Norvig, P. Artificial Intelligence: A Modern Approach, 2ª ed., Elsevier, Ed. Campus, 2004. 26