A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

1 Agentes Inteligentes Alex F. V. Machado. Definição Um agente é tudo aquilo que pode ser visto como percebendo um ambiente e agindo sobre ele em busca.

Apresentações semelhantes


Apresentação em tema: "1 Agentes Inteligentes Alex F. V. Machado. Definição Um agente é tudo aquilo que pode ser visto como percebendo um ambiente e agindo sobre ele em busca."— Transcrição da apresentação:

1 1 Agentes Inteligentes Alex F. V. Machado

2 Definição Um agente é tudo aquilo que pode ser visto como percebendo um ambiente e agindo sobre ele em busca de um conjunto de objetivos.

3 3 Um programa de IA pode ser visto como um Agente Racional Plano da aula O que é um Agente Racional (inteligente)? Qual sua utilidade em IA? Ambientes e arquiteturas Aplicações Estado atual do conceito de agente

4 sensores Agente atuadores a m b i e n t e Raciocinador modelo do ambiente O que é um agente Agente é qualquer entidade que: percebe seu ambiente através de sensores (ex. câmeras, microfone, teclado, finger...) age sobre ele através de atuadores (ex. vídeo, auto-falante, impressora, braços, ftp,...) Mapeamento: seqüência de percepções => ação

5 Características Cognitivas (1/2) Básicas: Autonomia – capacidade de agir sem intervenção de outros agentes. Reatividade – habilidade de reagir a estímulos do ambiente. Proatividade – propriedade de agir guiado por objetivos, a partir de iniciativa própria.

6 Características Cognitivas (2/2) Adicionais: Sociabilidade – potencialidade de se comunicar com outros agentes do ambiente. 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.

7 7 Medida de Desempenho (MD) Critério que define o grau de sucesso de um agente na realização de uma dada tarefa Esta medida deve ser imposta do exterior Exs. aspirador de pó, provador de teoremas, filtragem de s, policial de trânsito, avaliador de clima...

8 8 Agente Racional (McCarthy & Hayes 69, Newell 81) Agente Racional: fazer a melhor coisa possível segue o princípio da racionalidade: dada uma seqüência de percepções, o agente escolhe, segundo seus conhecimentos, as ações que satisfazem melhor seu objetivo. Problema estado inicial + ações => estado final (objetivo) Racionalidade Onisciência, limitações de: sensores atuadores raciocinador (conhecimento, tempo, etc.) Agir para obter mais dados perceptivos é racional

9 9 A metáfora de agente decompõe 1) Problema em: percepções, ações, objetivos, e ambiente (e outros agentes) 2) 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 3) Arquitetura e método de resolução de problema

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

11 Exemplos de Agentes

12 12 Ambiente Classes de ambientes Físico: robôs Software: softbots Realidade virtual (simulação do ambiente físico): softbots e avatares Propriedades de um ambiente acessível (completamente observável) x inacessível (parcialmente observável) determinista x não-determinista episódico x não-episódico (seqüêncial) estático x dinâmico discreto x contínuo Outras propriedades Número de percepções, ações, objetivos,...

13 13 Ambientes: propriedades Acessível: quando os sensores do agente conseguem perceber o estado completo do ambiente. Episódico: a experiência do agente é dividida em episódios. Cada episódio consiste em o agente perceber e então agir. Cada episódio não depende das ações que ocorreram em episódios prévios. Determinístico: o próximo estado do ambiente pode ser completamente determinado pelo estado atual e as ações selecionadas pelo agente.

14 Ambiente Determinístico Próximo estado = estado atual + ações dos agentes. Devemos dizer se um ambiente é ou não determinístico do ponto de vista de um agente. Ex.: xadrez – determinístico robô que seleciona peças – não-determinístico

15 15 Ambientes: propriedades Estático: o ambiente não muda enquanto o agente está escolhendo a ação a realizar. Semi-dinâmico: o ambiente não muda enquanto o agente delibera, mas o "score" do agente muda. Discreto: quando existe um número distinto e claramente definido de percepções e ações em cada turno. Contínuo: percepções e ações mudam em um espectro contínuo de valores.

16 Exemplos de Ambientes

17 17 O que é um agente

18 18 Agentes Inteligentes Arquiteturas Agente tabela Agente reativo simples Agente reativo com estado interno Agente orientado a objetivos Agente baseado em utilidade Agente com aprendizagem autonomia complexidade

19 ambiente sensores atuadores Tabela percepçõesações.. Agente Agente Tabela Limitações Mesmo Problemas simples -> 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 Este agente só tem fins didáticos!!! Não vale nem a pena pensar nele Ambientes acessível, determinístico, episódico, estático, discreto e minúsculo!

20 Agente sensores atuadores Qual a aparência atual do mundo? Que ação devo executar agora? Regras condição-ação a m b i e n t e Agente Reativo Simples Vantagens e desvantagens Regras condição-ação: representação inteligível, modular e eficiente ex. Se velocidade > 60 então multar Não pode armazenar uma seqüência de percepções, pouca autonomia Ambientes: Reflexo imprescindível em ambientes dinâmicos Acessível, episódico, pequeno

21 Agente Reativo com Estado Interno Necessários quando um histórico é necessário, além da informação sensorial. Ambiente Estado do Mundo Sensors Que ação eu devo tomar regras condição-ação Effectors estado interno como o mundo evolui conseqüências de minhas ações

22 Agente Orientado a Objetivos Ambiente Estado do Mundo Sensors Que ação eu devo tomar objetivos Effectors estado interno como o mundo evolui conseqüências de minhas ações Como será o mundo se eu tomar ação A Ambiente: sem restrição Desvantagem: não tem adaptabilidade Ex. motorista recifence

23 Agente Baseado em Utilidade Funciona escolhendo sempre um estado mais útil. Função de utilidade: determina o grau de satisfação do agente em relação a um determinado estado. Ambiente Estado do Mundo Sensors Que ação eu devo tomar utility Effectors estado interno como o mundo evolui conseqüências de minhas ações Como será o mundo se eu tomar ação A O quão feliz vou ficar nesse estado Ambiente: sem restrição Desvantagem: não tem adaptabilidade

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

25 25 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

26 26 Simulação de ambiente função simulaAmbiente (estado, funçãoAtualização,agentes,final) repita para cada agente em agentes faça Percept[agente] := pegaPercepção(agente,estado) para cada agente em agentes faça Action[agente] := Programa[agente] (Percept[agente]) estado := funçãoAtualização(ações, agentes, estado) scores := avaliaDesempenho(scores,agente,estado) //opcional até final Observação: não cair em tentação roubando do ambiente a descrição do que aconteceu. Usar a memória do agente!

27 27 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

28 28 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,...

29 29 Exemplos de Sistemas Multi-Agentes Ant Colony (Colônia de Formigas) Termite Behaviour (Comportamento de Cupins)

30 30 Termite Behaviour

31 31 Termite Behaviour Ambiente: - Espaço em preto: área vazia - Pontos amarelos: madeira - Pontos vermelhos: cupins Objetivo: - Criar pilhas de madeira Comportamentos dos cupins: - Se não estiver carregando nada: Anda aleatoriamente até achar uma madeira e a carrega - Se estiver carregando madeira: anda aleatoriamente, no espaço vazio, deixando a madeira em um espaço vazio.

32 32 Termite Behaviour Aplicação: Sistemas de roteamento de redes de computadores Problemas de Clusterização / Classificação de Dados (Ex. construção de grupos homogêneos de municípios de acordo com alguma variável sócio-econômica)

33 33 Ant Colony

34 34 Ant Colony Objetivo: - Achar comida e trazer para a toca no menor caminho Comportamento das formigas: - Andam em caminhos aleatórios e deixam um rastro de feromônio (rastro) por um determinado espaço de tempo. - Tendem a andar em caminhos cujo o rastro de ferômonio seja mais forte.

35 35 Ant Colony Aplicação: - Sistemas de roteamento de redes de computadores -Transporte urbano e logística - Modelagem de Proteínas (Bioinformática)

36 36 Propriedades Autonomia raciocínio, comportamento guiado por objetivos reatividade Adaptabilidade & aprendizagem Comunicação & Cooperação Personalidade


Carregar ppt "1 Agentes Inteligentes Alex F. V. Machado. Definição Um agente é tudo aquilo que pode ser visto como percebendo um ambiente e agindo sobre ele em busca."

Apresentações semelhantes


Anúncios Google