A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Inteligência Artificial Prof.a Ryan Ribeiro de Azevedo

Apresentações semelhantes


Apresentação em tema: "Inteligência Artificial Prof.a Ryan Ribeiro de Azevedo"— Transcrição da apresentação:

1 Inteligência Artificial Prof.a Ryan Ribeiro de Azevedo
Curso de Bacharelado em Sistemas de Informação e Ciências da Computação Inteligência Artificial Introdução a Agentes Prof.a Ryan Ribeiro de Azevedo Carga Horária: 60 horas

2 Agentes Tópicos Introdução a Agentes
Observação: Este assunto será aprofundado posteriormente.

3 Agentes no mapa da computação
Inteligência Artificial Engenharia de Software Sistemas Distribuídos Agentes

4 Agente x Objeto Intencionalidade: Autonomia de decisão
Encapsula objetivos próprios (mesmo que implicitamente) além de dados e métodos Autonomia de decisão Pode iniciar ação da sua própria iniciativa para satisfazer seus objetivos (pro-atividade) Pode negar-se a um pedido de ação da parte de outro agente (negociação) Entrada e saída mais complexa: sensores e atuadores Continuidade temporal: sempre monitorando o ambiente Granularidade maior: Encapsula código do tamanho de um pacote ou componente Composto de vários objetos quando implementado no paradigma OO Sem objetivo próprio Sem autonomia de decisão: Executa apenas quando invocado por outros objetos Executa sempre que invocado por outros objetos Entrada e saída: parâmetros e resultado de métodos Descontinuidade temporal: ativo apenas durante invocação dos seus métodos

5 Agente Inteligente x Softbot “burro”
Ambiente Sensores Atuadores Objetivos Interpretação das percepções: I = f(P) Escolha das ações: A = g(I,O) Processamento Convencional IA

6 Agente Inteligente x Sistema 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

7 Agentes O que é um agente? é uma entidade real ou virtual
que está inserida em um ambiente que pode perceber o seu ambiente que pode agir no ambiente que pode se comunicar com outros agentes que tem um comportamento autônomo

8 Agentes São sistemas que podem decidir por si próprios o que é necessário fazer para satisfazer o objetivo para o qual foram projetados. Tais sistemas: Estão situados em algum ambiente Possuem controle parcial sobre o ambiente São capazes de ação autônoma Exemplo: Sistemas de controle: termostato

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, auto-falante, impressora, braços, ftp, mensagens para outros agentes,...) Medida de desempenho: Critério que define o grau de sucesso das ações sensores Agente efetuadores a m b i e n t e Raciocinador modelo do ambiente Racionalidade racionalidade é limitada (ex. máquina de calcular) não oniciênciente (ex. champs élisées) pode não ter tempo agir para obter mais dados perceptivos é racional! (ex. relógio)

10 O que é um agente? Outras propriedades freqüentemente associadas
Autonomia de raciocínio: Requer IA, máquina de inferência e base de conhecimento Chave para: sistemas especialistas embutidos, controle, robótica, jogos, agentes na internet ... Adaptabilidade: Requer IA, aprendizagem de máquina Chave para: agentes na internet, interfaces amigáveis ... Sociabilidade: Requer IA + técnicas avançadas de sistemas distribuídos: Protocolos padrões de comunicação, cooperação, negociação Raciocínio autônomo sobre crenças e confiabilidade Arquiteturas de interação social entre agentes Chave para: simulação multi-agente, comercio eletrônico, ...

11 O que é um agente? Outras propriedades freqüentemente associadas
Personalidade: Requer IA, modelagem de atitudes e emoções Chave para: entretenimento digital, realidade virtual, interfaces amigáveis ... Continuidade temporal e persistência: Requer interface com sistema operacional e banco de dados Chave para: filtragem, monitoramento, controle, ... Mobilidade: Requer: Interface com rede Protocolos de segurança Suporte a código móvel Chave para: agentes de exploração da internet, ...

12 Agentes Inteligentes Agentes que operam em ambientes imprevisíveis, abertos e em constante mudança, onde há elevada possibilidade de que ações possam falhar. Agentes que são capazes de ação autônoma flexível, incluindo reatividade, aprendizado, pró- atividade e habilidade social.

13 Exemplos de Agentes Um agente humano Um agente robótico
Sensores: olhos, ouvidos, ... Atuadores: mãos, pernas, boca, ... Um agente robótico Sensores: câmeras, detectores da faixa de infravermelho, ... Atuadores: motores, ... 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, ... Racionalidade racionalidade é limitada (ex. máquina de calcular) não oniciênciente (ex. champs élisées) pode não ter tempo agir para obter mais dados perceptivos é racional! (ex. relógio)

14 Exemplos de Agentes Fonte: Russel e Norvig, Inteligência Artificial.
Racionalidade racionalidade é limitada (ex. máquina de calcular) não oniciênciente (ex. champs élisées) pode não ter tempo agir para obter mais dados perceptivos é racional! (ex. relógio) Fonte: Russel e Norvig, Inteligência Artificial.

15 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? Indica arquitetura e método de resolução de problema

16 Exemplos de Agentes Agente Dados perceptivos Ações Objetivos Ambiente
Diagnóstico médico Sintomas, paciente, exames respostas, ... Perguntar, prescrever exames, testar Saúde do paciente, minimizar custos Paciente, gabinete, ... Análise de imagens de satélite Pixels imprimir uma categorização categorizar corretamente Imagens de Tutorial de português Palavras digitadas Imprimir exercícios, sugestões, correções, ... Melhorar o desempenho do estudante Conjunto de estudantes Filtrador de s mensagens Aceitar ou rejeitar Aliviar a carga de leitura do usuário Mensagens, usuários Motorista de táxi Imagens, velocímetro, sons brecar, acelerar, dobrar, falar com passageiro, ... Segurança, rapidez, economia, conforto,... Ruas, pedestres, carros, ... Músico de jazz Sons seus e de outros músicos, grades de acordes Escolher e tocar notas no andamento Tocar bem, se divertir, agradar Músicos, publico, grades de acordes Fonte: Teresa Ludermir & Jacques Robin, Fundamentos de Inteligência Artificial, Cin-UFPE

17 Pergunta cautelosamente evitada até agora  O que é inteligência ?
Quem é mais inteligente? Seu médico ou sua empregada doméstica? Seu advogado ou sua criança de 1 ano? Kasparov ou Ronaldinho? Dica: baseia sua resposta sobre os sucessos da IA nos último 40 anos 1997: 2 x 1 2050? 2 x 1

18 www.robocup.org Novo desafio benchmark e teste de turing para IA
Competição anual associada a conferencia de IA Para sistemas multi-agente situados

19 Agentes - Ambiente Completamente observável versus parcialmente observável Determinístico versus estocástico Episódico versus seqüencial Estático versus dinâmico Discreto versus contínuo Agente único versus multiagente

20 Agentes - Ambiente Fonte: Russel e Norvig, Inteligência Artificial.

21 Agentes - Estrutura Agentes reativos simples
Agentes reativos baseados em modelo Agentes baseados em objetivos Agentes baseados na utilidade Agentes com aprendizagem O processo de tomada de decisão através do raciocínio e com conhecimento é central em IA e no projeto de um agente de sucesso  meios para representar conhecimento são importantes.

22 Agentes reativos simples
Agentes - Estrutura Agentes reativos simples

23 Agentes reativos baseados em modelo
Agentes - Estrutura Agentes reativos baseados em modelo

24 Agentes - Estrutura Agentes baseados em objetivos

25 Agentes - Estrutura Agentes baseados na utilidade

26 Agentes - Estrutura Agentes com aprendizagem

27 IA Clássica Metáfora basicamente psicológica
Uma pessoa ou entidade resolve o problema. Inteligência atomizada, restrita aos micro aspectos de sua própria racionalidade.

28 Inteligência : Centralizada ou Distribuída?
Cada um fa(e)z um pouco, e... somos UM! Não aproveitamos muito o trabalho alheio. A Internet nos faz trabalhar de forma mais inteligente (nenhum componente é crítico). Resolução de problemas: Há alguns cuja solução é inerentemente distribuída ou fica mais fácil distribuindo! Somos centralizados ou distribuídos ??

29 Inteligência : Centralizada ou Distribuída?
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

30 IA Distribuída (IAD) População de agentes
Autônomos que podem interagir metáfora da organização social realça a ação e a interação entre os agentes Relacionada aos macro aspectos dos agentes: agentes enquanto sociedade. Inspirada também em lingüística, sociologia, economia,filosofia, biologia e ... Redes Neurais! Metáfora basicamente sociológica

31 IAD - Quando usar? Problema complexo
Dividir e conquistar ex. jogo dos 8 números, ordenação, etc. Problema intrinsecamente distribuído ex. jogos com personagens, administração de sistemas, controle de tráfego, etc. Problemas exigindo rápido tempo de resposta processamento paralelo ex. busca na internet. Problema com domínios de conhecimento ou tarefas um agente para cada tipo de conhecimento/tarefa ex. usina nuclear

32 Experimento do Robô Multi-Humano
Robô simulado por 4 humanos: 1 Cérebro (1 pessoa), raciocinador 2 Braços (1 por pessoa = 2 pessoas), atuadores 1 sistema de visão (1 pessoa), sensor Ambiente Agente Interpretação das percepções: I = f(P) Percepções ambientais Própriocepções Percepções comunicativas Sensores P Escolha das ações: A = g(I,O) Objetivos Raciocínio Ações de alterações ambientais Ações perceptivas Ações comunicativas A Atuadores

33 Robô Multi-Humano: regras do jogo
Cérebro não pode ver fala com todas as partes do robô controla os braços indicando ângulos de giro deslocamento em uma direção e distância dadas força a aplicar pode fazer perguntas aos braços e sistema de visão pode pedir para o sistema de visão se deslocar para obter outros ângulos de visão pode desenhar ambiente em uma folha de papel Voluntários? Braços e olhos saem da sala... Cérebro recebe a tarefa Braços não podem ver não devem ouvir o que diz o sistema de visão tem tato pouco refinado podem responder apenas sim ou não ao cérebro seguem instruções do cérebro Sistema de visão não pode fornecer informação sem ter sido claramente perguntado pelo cérebro pode distinguir diferentes objetos e estimar distâncias pode mover-se de forma a dar informações visuais a partir de diferentes ângulos

34 Exemplos - Sistemas Multiagentes
SMarket: Um Sistema Multiagentes para Compras on-line Fonte:


Carregar ppt "Inteligência Artificial Prof.a Ryan Ribeiro de Azevedo"

Apresentações semelhantes


Anúncios Google