Agentes Patricia Tedesco.

Apresentação em tema: "Agentes Patricia Tedesco."— Transcrição da apresentação:

1 Agentes Patricia Tedesco

2 O que é um Agente? Qualquer entidade (humana ou artificial) que:
está imersa ou situada em um ambiente (físico, virtual/simulado) percebe seu ambiente através de sensores (ex. câmeras, microfone, teclado, finger, ...) age sobre ele através de atuadores (ex. vídeo, auto-falante, impressora, braços, ftp, ...) possui objetivos próprios explícitos ou implícitos escolhe suas ações em função das suas percepções para atingir seus objetivos

3 Agentes Inteligentes x Sistemas de IA Clássica
Ambiente Sensores Atuadores Objetivos Interpretação das percepções Escolha das ações IA Agente Situado Raciocínio Dados de Entrada Saída Objetivos Sistema Inteligente Não Situado IA

4 O que é um Agente Racional
faz a melhor coisa possível segue o princípio da racionalidade: dada uma seqüência perceptiva, o agente escolhe, segundo seus conhecimentos, as ações que melhor satisfazem seu objetivo Racionalidade ¹ Onisciência Limitações de: sensores atuadores raciocinador (conhecimento, tempo, etc.)

5 Outras propriedades freqüentemente associadas aos Agentes
Autonomia (IA) raciocínio, comportamento guiado por objetivos reatividade Adaptabilidade & aprendizagem (IA) Comunicação & Cooperação (IA) Personalidade (IA) Continuidade temporal Mobilidade

6 Outras propriedades freqüentemente associadas aos Agentes
Autonomia de raciocínio (IA): Requer máquina de inferência e base de conhecimento Essencial em sistemas especialistas, controle, robótica, jogos, agentes na internet ... Adaptabilidade (IA): Capacidade de adaptação a situações novas, para as quais não foi fornecido todo o conhecimento necessário com antecedência Duas implementações aprendizagem e/ou programação declarativa Essencial em agentes na internet, interfaces amigáveis ...

7 Outras propriedades freqüentemente associadas aos Agentes
Comunicação & Cooperação (Sociabilidade): IA + técnicas avançadas de sistemas distribuídos: Protocolos padrões de comunicação, cooperação, negociação Raciocínio autônomo sobre crenças e confiabilidade Arquiteturas de interação social entre agentes Essencial em sistemas multi-agente, comércio eletrônico, ... Personalidade: IA + modelagem de atitudes e emoções Essencial em entretenimento digital, realidade virtual, interfaces amigáveis ...

8 Outras propriedades freqüentemente associadas aos Agentes
Continuidade temporal e persistência: Requer interface com sistema operacional e banco de dados Essencial em filtragem, monitoramento, controle, ... Mobilidade: Requer: Interface com rede Protocolos de segurança Suporte a código móvel Essencial em agentes de exploração da internet, ...

9 Como descrever um Agente?
Pode ser descrito em termos de seu PAGE: P – percepções A – ações G – (goals) objetivos E – (environment) ambiente e outros agentes – nos sistemas multi-agentes

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

11 Algoritmo Básico e Arquiteturas
Agentes Algoritmo Básico e Arquiteturas

12 Agentes: Algoritmo básico
função agenteSimples (percepção) retorna ação memória := atualizaMemória (memória, percepção) ação := escolheMelhorAção(memória) memória := atualizaMemória (memória, ação) retorna ação

13 Agentes: Arquiteturas
Agente tabela Agente reativo Agente reativo com estado interno Agente cognitivo (baseado em objetivos) Agente otimizador Agente adaptativo autonomia complexidade

14 Agentes: Arquiteturas
De forma bem simplificada, um agente pode ser visto como um mapeamento: seqüência perceptiva => ação sensores Agente atuadores a m b i e n t e Raciocinador modelo do ambiente

15 Agente Tabela – é mesmo um agente racional?
ambiente sensores atuadores Tabela Percepções ações . . Agente Limitações Mesmo problemas simples requerem tabelas muito grandes ex. xadrez 30^100 Nem sempre é possível, por ignorância ou questão de tempo, construir a tabela Não há autonomia nem flexibilidade Ambiente acessível, determinista, episódico, estático, discreto e minúsculo!

16 Agente Reativo Vantagens e desvantagens Ambientes: Agente sensores
atuadores Como está o mundo agora? Que ação devo escolher agora? Regras “condição-ação” a m b i e n t e Vantagens e desvantagens Regras condição-ação: representação inteligível, modular e eficiente ex. Se velocidade > 60 então multar Não pode armazenar uma seqüência perceptiva, pouca autonomia Ambientes: Reflexo imprescindível em ambientes dinâmicos Acessível, episódico, pequeno

17 Agente reativo com estado interno
sensores Agente Como está o mundo agora? Regras “condição-ação” estado: como o mundo era antes como o mundo evolui atuadores Que devo fazer agora? a m b i e n t e impacto de minhas ações Desvantagem: pouca autonomia não tem objetivo, não encadeia regras Ambientes: determinista e pequeno Ex. Tamagotchi

18 Agente cognitivo - baseado em objetivo
sensores Agente Como está o mundo agora? Objetivos como o mundo evolui atuadores Que devo fazer agora? a m b i e n t e impacto de minhas ações Como ele ficará se faço isto? estado: como o mundo era antes Vantagens e desvantagens: Mais complicado e ineficiente, porém mais flexível, autônomo Não trata objetivos conflitantes Ambientes: determinista ex.: xeque-mate no xadrez

19 Agente otimizador (utility based)
ambiente sensores atuadores Agente Como está o mundo agora? Que ação devo escolher agora? Função de Utilidade qual é o impacto de minhas ações como o mundo evolui Este novo mundo é melhor? Como ele ficará se faço isto? estado: como o mundo era antes Ambiente: sem restrição Desvantagem: não tem adaptabilidade Ex. motorista recifense Segurança e velocidade – conflito!

20 Agente que aprende Agente t+1 sensores crítico avaliação t trocas
elemento de execução (agente) elemento de aprendizagem conhecimento a m b i e n t e objetivos de aprendizagem t Gerador de problemas atuadores Ambiente: sem restrição Vantagem: tem adaptabilidade (aprende) Ex. motorista sem o mapa da cidade

21 Em Resumo...

22 IA e Agentes IA cresceu muito nos anos 70 modelando a inteligência individual. Advento das redes de computadores modificou as necessidades! Inteligência como a integração dos processos de raciocinar, decidir, aprender e planejar. O Modelo de Agente aparece então como catalisador...

23 De fato... Mundo onde informações e conhecimentos crescem (e mudam) rápido demais! O crescimento da Internet trás desafios constantes que incluem: Acesso a informações relevantes Identificação de oportunidades Ação no momento preciso Manipulação de grandes volumes de informação Ubiqüidade, Gerenciamento e Inteligência

24 No Entanto... Como Resolvê-los?
Vários problemas não podem ser tratados centralizadamente... Por exemplo... Controle de linha de metrô Monitoramento de Redes de Computador Diagnóstico Médico Compra e Venda Como Resolvê-los?

25 Inteligência Coletiva
IA Distribuída

26 Um Cenário...

27

28 Inteligência Coletiva
Porque pensar a inteligência/racionalidade como propriedade de um único indivíduo? Não existe inteligência ... Em um time de futebol? Em um formigueiro? Em uma empresa (ex. correios)? Na sociedade? Solução: IA Distribuída Agentes simples que juntos resolvem problemas complexos tendo ou não consciência do objetivo global Proposta por Marvin Minsky e em franca expansão... o próprio ambiente pode ser modelado como um agente

29 A IA Distribuída Grupo de Entidades que podem Interagir
Organização Ação e Interação Metáfora de inteligência é o Comportamento Social.

30 IA Distribuída: dois tipos de sistemas
Resolução distribuída de problemas consciência do objetivo global e divisão clara de tarefas Exemplos: Robótica clássica, Busca na Web, Gerência de sistemas distribuídos, ... Sistemas Multi-agentes não consciência do objetivo global e nem divisão clara de tarefas Exemplos: n-puzzle, futebol de robôs, balanceamento de carga, robótica, ... 1 5 3 4 8 6 7 2 1 5 3 4 8 6 7 2 F 1 5 3 4 8 6 7 2

31 Metodologia (metáfora) para projeto de sistemas
Agentes em IA Metodologia (metáfora) para projeto de sistemas

32 Agentes: Metodologia de desenvolvimento
Decompõe problema em: percepções, ações, objetivos e ambiente (e outros agentes) Decompõe 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? O resultado dessa decomposição indica a arquitetura e o método de resolução de problema (raciocínio)

33 Simulação de Ambientes
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

34 Simulação de Ambientes
função simulaAmbiente (estado, funçãoAtualização,agentes,final) repita para cada agente em agentes faça Percept[agente] := pegaPercepção(agente,estado) Action[agente] := Programa[agente] (Percept[agente]) estado := funçãoAtualização(ações, agentes, estado) scores := avaliaDesempenho(scores,agente,estado) //opcional até final Cuidado para não cair em tentação e “roubar” do ambiente a descrição do que aconteceu. Usar a memória do agente!

35 Como desenvolver um software inteligente
Projeto: Modelar tarefa em termos de ambiente, percepções, ações, objetivos e utilidade Identificar o tipo de ambiente Identificar a arquitetura de agente adequada ao ambiente e tarefa Implementação: O simulador de ambientes Componentes do agente Testar o desempenho com diferentes instâncias do ambiente

36 Porque usar a metáfora de agentes?
Fornece metodologias de desenvolvimento de sistemas inteligentes estendendo as de engenharia de software Fornece visão unificadora das várias sub-áreas da IA Ajuda a embutir a IA em sistemas computacionais tradicionais Permite tratar melhor a interação com ambiente Permite tratamento natural da IA distribuída

37

38 Duas noções fundamentais...
Resolução Distribuída de Problemas (RDP) envolve: Um grupo de especialistas Habilidades Complementares Organização Fixa Sistemas Multiagentes (SMA)... Agentes podem preexistir Organização varia em tempo de execução

39 RDP X SMA RDP é um subconjunto de SMA SMA é base para RDP
Agentes benevolentes, concebidos em conjunto SMA é base para RDP Implementação descentralizada de várias propriedades

40 Um Sistema Multiagente
Interação Organização Agentes Recurso Esfera de Influência Ambiente

41 Definindo SMA Um SMA é um sistema que possui os seguintes elementos:
Um ambiente, E Um conjunto de objetos O Um conjunto de Agentes, A (AO) Um conjunto de relações R, que liga objetos Um conjunto de operações Op Operadores que representam os resultados das operações em Op e as reações do ambiente a eles.

42 Trocando em miúdos... Um Sistema Multiagentes ...
Consiste de uma coleção de componentes autônomos, com objetivos particulares Que se interrelacionam De acordo com uma Organização Interagindo, negociando e coordenando esforços para resolver tarefas

43 Mas... Por que mesmo distribuir?
Porque o problema é fisicamente distribuído. Porque o problema é heterogêneo. Porque o problema só pode ser resolvido pela integração de pontos de vista locais. Porque precisamos de adaptação a mudanças estruturais...

44 Em resumo...É boa idéia quando...
Precisamos manter a autonomia das sub-partes; As interações são complexas Não é possível descrever o Problema a priori.

45 As vantagens... Maior rapidez na solução dos problemas
Diminuição do overhead de comunicação Maior flexibilidade Aumento da Segurança

46 Duas Formas de Projeto Organização Emergência de Propriedades
Interação Restrições e Objetivos Agentes

47 Considerações no Projeto de SMA
Três Grandes Grupos... Aspectos Fundamentais Como podemos garantir compatibilidade de ações? Aspectos Arquiteturais Características a serem providas pela arquitetura Aspectos Ambientais Como é o ambiente onde funciona o SMA?

48 Estrutura Padrão de Relações entre os agentes e sua distribuição de habilidades Cobertura: as habilidades necessárias para resolver problemas devem ser possuídas por pelo menos um agente; Conectividade: Agentes devem interagir de forma que suas habilidades possam ser integradas

49 Comunicação Habilita os agentes a intercambiar informações.
Percepção Ação Modelada sobre a comunicação humana Atos de Fala Blackboard Tem esforços de padronização!

50 Organização Conjunto de Compromisso Globais, Crenças e intenções comuns aos agentes que querem atingir um objetivo comum. Definem... Um conjunto de diretrizes... Uma política de interação. Muitos exemplos! O CIn Sua Família

51 Negociação Esforço para solução de conflitos e cooperação Envolve..
Grupo de agentes “self-interested” que consegue chegar a uma decisão conjunta. Envolve.. Linguagem Protocolo – ex. Contract Net Processo de Decisão

52 Coordenação Fundamental para o trabalho conjunto.
Um SMA pressupõe coordenação entre seus agentes! Porque... Há dependências entre as ações Nenhum indivíduo pode resolver o problema sozinho Deve-se respeitar as restrições globais Deve-se garantir a harmonia na execução conjunta de tarefas!

53 Coordenação... II Então coordenação é... Visa garantir que...
O processo pelo qual um agente raciocina sobre suas ações locais e as de outros agentes para garantir que a comunidade funcione coerentemente. Visa garantir que... Todas as partes necessárias existam na sociedade. Interação que possibilite a execução das atividades. Que todos atuem consistentemente Que tudo seja feito com dos recursos disponíveis

54 Coordenação... III Para coordenar com sucesso é preciso...
Uma estrutura... Flexibilidade nas interações Comunicação! Negociação! Conhecimento e raciocínio Para reconhecer interações potenciais entre planos de ação!

55 Então... O fundamental é... Interagir!!! Com quem? Quando?
Qual o conteúdo? Como? Que processos e recursos? Por que? Como estabelecer a compreensão mútua?

56 Assim... Quando Encarar os SMA?

57 Design de SMA Quando partir para SMA? Quando o ambiente é aberto;
Quando os agentes são a metáfora natural. Quando há distribuição de dados, controle ou expertise. Quando estamos lidando com sistemas legados.

58 Considerações em SMA Ação O indivíduo e sua relação com o mundo
Como coordenar ações? O indivíduo e sua relação com o mundo Estados mentais Interação Comunicação Negociação/Argumentação Implementação

59 Problemas no Desenvolvimento de Agentes
Superestimativas do potencial dos agentes. Dogmatismo a respeito dos agentes. Não está claro porque usar agentes. Construção de soluções genéricas para problemas específicos. Desenvolver SMA é desenvolver Software... SMA é software “multithreaded”.

60 E mais Problemas... Seu projeto não explora concorrência.
Você resolve adotar sua arquitetura. Seus agentes usam IA demais. Os agentes estão em todos os lugares. Não tem agentes suficientes. A Interação é caótica...

61 Aplicações de SMA Agentes para Gerenciamento de Processos
ADEPT (Jennings et al. 1996) Cada departamento envolvido virou um agente. Construído em cima de CORBA Usou um Shell para Sistemas Especialistas Construção baseada na Arquitetura GRATE*

62 Aplicações de SMA II Sensoriamento Distribuído
O DVMT, de Victor Lesser (1980) Recuperação e Gerenciamento de Informação Agentes Pessoais de informação MAXIMS – Pattie Maes Agentes Web Guias Indexadores Sobrecarga de Informação e falta de Padronização podem confundir os usuários – fica difícil distinguir o que realmente é relevante na pesquisa que se está fazendo...

63 Aplicações de SMA III Agentes para E-Commerce Vários Tipos:
Agentes de comparação Têm problemas quando comparam mais de um atributo. Leiloeiros (Auction Bots) Spanish Fishmarket Primeira geração de sistemas e e-commerce: Amazon.com Hj, temos sistemas que pretendem automatizar partes do comportamento do consumidor. O modelo mais popular entre estes, postula que o consumidor tende a seguir 6 passos: Identificação de necessidades, pesquisa de produtos, pesqusia de vendededor, negociação, compra e entrega, serviço e avaliação. Em Kasbah, os usuários podem configurar 3 parâmetros para os agentes vendedores: data máxima de venda, preço desejado, preço minimo aceitável.

64 Ainda mais Aplicações... Agentes de Interface
Metáfora do Assistente, que colabora com o usuário. Utilizados para fins educacionais Agentes para Ambientes Virtuais “ Believable Agents” Emoções e Personalidade

65 Mais Aplicações... Agentes para Simulações Sociais
Projeto EOS Uso de SMA para definição de políticas Agentes para... O que a imaginação quiser Gerenciamento de Sistemas Industriais Controle de Tráfego Aéreo Controle de Naves Espaciais

66 Objeções a SMA Não é a mesma coisa que SD? Não é IA?
Sincronização e Coordenação Dinâmicas Agentes têm interesses próprios!!! Não é IA? SMA têm características de CC e de ES! Em SMA, o aspecto social é fundamental!

67 Objeções a SMA... II Não é só teoria dos Jogos?
TJ muitas vezes desconsiderou a computação... Hipóteses da TJ são questionadas em SMA O que eu vou fazer com Ciência Social? Ambas servem como ferramentas uma para outra. Mas são bem diferentes!!!!

68 Conclusões

69 Agentes no mapa da computação Nem todo agente é inteligente!
Inteligência Artificial Engenharia de Software Sistemas Distribuídos Agentes