Agentes Patricia Tedesco

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,...) 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

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.)

Propriedades 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 Duas implementações aprendizagem e/ou programação declarativa Essencial em agentes na internet, interfaces amigáveis ...

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 ...

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

Algoritmo Básico e Arquiteturas Agentes Algoritmo Básico e Arquiteturas

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

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

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

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

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

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

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!

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

Relembrando... Um agente é... Assim... Uma entidade autônoma, que percebe o ambiente através de seus sensores e atua neste através de seus atuadores... Assim... Como decidir que ações realizar?

Ainda outras arquiteturas famosas...

Agentes Baseados em Lógica Comportamento Inteligente = Representação simbólica do ambiente + do comportamento desejado Formalismo: lógica Manipulação: dedução lógica Teoria de agentes (): como os agentes devem se comportar

Agentes Baseados em Lógica Estados internos dos agentes: fórmulas lógicas Aberta(válvula221) Interessante(aulaagentes) Comportamento do agente: determinado por sua Base de Conhecimento (regras + fatos) Aquilo que o Agente acredita sobre seu ambiente Três funções básicas: See – determina a percepção Next – atualiza a BC Action – escolhe a próxima ação

O Robô Aspirador de Pó

O Robô Aspirador Agente recebe: Ações: Sujeira Null Ações: para frente sugar virar Objetivo: mover-se no ambiente buscando e removendo sujeira Três predicados: Em(x.y) Sujeira(x,y) Direção(d) Comportamento do agente função próximo regras de dedução

Agentes Baseados em Lógica Função ´próximo´: Analisar as percepções Atualizar a Base de Conhecimento remover informações velhas ou irrelevantes Inferência em várias partes: velho() = {P(t1,...,tn}/ P {Em, Suj, Dir} & P(t1,...,tn} Novo: todas as novas posições, direções e possíveis sujeiras Próximo(,P) = ( \ velho())  Novo(,P)

Algoritmo Básico Função ação_agente-BL (BC):ação Para cada a  A faça se BC  faça(a) então retorne a para cada a  A faça se BC  ¬faça(a) então Retorne null Fim ação_agente-BL

Agentes Baseados em lógica Regras de dedução: predicado(termo)  predicado(termo) Ex: Em(0,0)  Sujeira(0,0)  Faça(sugar) Problemas com essa abordagem Como mapear percepções para fórmulas? Complexidade da prova do teorema Difícil representar conhecimento procedimental Ambiente estático!!! Como seria num dinâmico?

Agentes BDI BDI – Beliefs, Desires, Intentions Motivação: Raciocínio prático Processo de Decidir, a cada momento, que ações tomar para chegar mais perto dos objetivos. Implica Decidir que objetivos quer realizar Como vão ser executados esses objetivos Requer Três conjuntos de sentenças lógicas: B, D e I  Estes conjuntos são consistentes entre si.

Os Estados Mentais Crenças: o que se sabe sobre o estado do ambiente e dos agentes “Recife é ensolarada”. Desejos: estados do mundo que o agente quer atingir “Eu gostaria de ganhar 45 milhões de reais Intenções: Comprometimento com ações para alcançar objetivo “Vou Ligar para o dentista”

Um Exemplo... Daniel acabou de se formar... O que fazer? Virar acadêmico... Ir para o Mercado Se resolve ser acadêmico... Se compromete a realizar ações neste sentido Intenções Procurar Emprego em uma Universidade. E o mundo, como está? Crenças Daniel se formou, Daniel pode ser professor Que Desejo escolher?

Desejos Especificam as preferências dos agentes sobre os estados do ambiente Podem ser inconsistentes Eu desejo perder 30 Kg Gostaria de comer quilos de chocolate suíço Desejos causam intenções  ações Objetivos: subconjunto consistente dos desejos.

Intenções Guiam a escolha das Ações Devem ser persistentes Devem ser c onsistente com desejos e crenças Devem ser persistentes Demasiado persistentes. Fazem o agente perder tempo! Pouco persistentes. Não alcançam nenhum objetivo É preciso reconsiderar as intenções com alguma frequencia Ainda é possível realizá-las? Já foram realizadas? Seria melhor se comprometer com outra intenção?

Reconsiderando Intenções... P Tempo t = 0 Desejo: Atingir o alien Intenção: Aproximar-se de P Crença: o Alien está em P

Reconsiderando Intenções... ? Q P Tempo t = 10 Desejo: Atingir o alien Intenção: Aproximar-se de P Crença: o Alien está em P

O Dilema BDI O agente não para para reconsiderar suas intenções: Perde tempo tentando o impossível! (Xiita) O agente para demais para reconsiderar: Não tem tempo de fazer nada! (Indeciso) Como encontrar o balanço?

O que o agente BDI tem? 3 conjuntos de sentenças 4 Funções Crenças Desejos Intenções 4 Funções Revisão de Crenças BRF(Bel, BC) Geração de Intenções Options(Bel, Int) Função Filtro Filter(Bel, Des, Int) Função Selecionadora de Ações Execute(Int)

Função Revisão de Crenças A Arquitetura BDI Agente Como está o mundo agora? Função Filtro Função Revisão de Crenças Que Intenções tenho? A m b i e n t e Função de Opção Que objetivos podem ser alcançados? Estado interno: Crenças, desejos, intenções percepções + ações Sensores Atuadores Função de seleção de ações

Algoritmo do Agente BDI Programa Agente BDI t := 0 //contador de tempo enquanto Agente-BDI vivo, faça Tell(BC, Percepções-Sentença(percepção,t)) BRF(Percepcao, BC) Desejos <- Options(BC, intençao) intençao <- Filter (Bel, Des, intenção) ação <- Executa(intenção) fim

MArCo Mediador Artificial de Conflitos Media discussões entre agentes Humanos Raciocínio BDI/BGI

MArCo

Um exemplo de interação A. Eu acho que as vendas de natal começam no princípio de novembro B. Por que? Acho que é mais tarde... A. Para dar tempo de fazer propaganda.. B. Ah, ok.

O funcionamento de MArCo Sensores Estado interno: Crenças (individuais e de grupo), desejos, intenções + percepções Função Revisão de Crenças O povo mudou de idéia? Atualizo modelos Como está o mundo agora? Que objetivos podem ser alcançados? Diálogo Função de Opção: faço o povo elaborar as idéias? Que Intenções tenho? Função Filtro Função de seleção de ações ações Atuadores

Um Exemplo Real... Agentis (Australian Artificial Intelligence Institute) Objetivo. Ajudar no desenvolvimento e manutenção de call centers Ou de portais na internet. Gera aplicações automáticas para os clientes Reduz tempo de desenvolvimento e custos Gera estatísticas de rendimento                     Utilizado pela companhia de telecomunicações australiana para responder a 98% das chamadas ao sistema de ajuda ao usuário. Sistema comporta 4000 agentes.

Arquiteturas Reativas Alternativa a representação simbólica O comportamento do agente é produto de sua interação com o ambiente Comportamento inteligente emerge da interação entre vários comportamentos mais simples. Abordagem comportamental, situada, reativa

The Subsumption Architecture a tomada de decisão é um conjunto de comportamentos realizadores de tarefa. Cada um é uma função de ação Neste caso máquinas de estados finitos. Cada um assume a forma situação  ação Há uma hierarquia de comportamentos Comportamentos de nível mais baixo inibem os de nível mais alto

O algoritmo Básico Função ação (p:Percepção): ação var disparado: nível; selecionada: ação disparado <- {(cond, ação) } para todo (cond, ação) disparado Se ¬(cond’, ação’) disparado tal que (cond’, ação’) < (cond, ação) return ação return null Fim função ação

A arquitetura de Brooks Módulos (e organização) definidos pelo designer Pode ser usada para descrever agentes cognitivos também.

Um Exemplo – Robô explorando ambiente Evitar obstáculos Recarregar Otimizar caminhos Mapear território Explorar Sensores Pegar/largar objetos Atuadores Avançar random. Ambiente

Um exemplo... O objetivo é explorar um planeta distante, para coletar amostras de rocha. Não se sabe onde estão, mas há áreas de maior concentração delas. Vários veículos autônomos estão disponíveis para coletar amostras e depois voltar para a nave-mãe. Há um mapa do planeta disponível, mas o planeta tem vários obstáculos que impedem os veículos de se comunicar.

Para resolver o problema... Utilização de dois mecanismos... Campo Gradiente/Potencial Os objetos do ambiente emitem sinais, cuja intensidade é inversamente proporcional ao objetivo. U(p) = Uatr(p) + U rep(p) Uatr(p) = k * dist(p, objetivo)2 U rep(p) = k’ * 1/dist(p, objetivo)2 se dist(p, objetivo)<distinfl 0 caso contrário Comunicação Indireta Fragmentos radioativos são deixados no caminho

Um parêntese... Outra forma de construir os campos potenciais é alterar o potencial de atração... Campo dividido em células Procedure valor(x, v) Se x.potencial não está definido ou v<x.potencial Então x.potencial = v; para todo y vizinho de x valor(y, v+1) Senão faça nada Fim da procedure

Comportamentos Utilizados... se detectar obstáculo, mude de direção Se carregar amostras e na base, largue Se carregar amostras e fora da base, vá na direção do gradiente Se achar amostra, pegue Se true, se mova randomicamente

Para assegurar cooperação se detectar obstáculo, mude de direção Se carregar amostras e na base, largue Se carregar amostras e fora da base, largue dois fragmentos e vá na direção do gradiente Se achar amostra, pegue Se detectar fragmento, pegue e vá no sentido contrário ao gradiente Se true, se mova randomicamente

Nem tudo são flores... O ambiente deve fornecer informação suficiente para os agentes... mais complicado tomar decisões de longo prazo. Difícil projetar comportamento emergente. Difícil construir agentes com muitos comportamentos.

Em Resumo...

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...

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

Como Resolvê-los? No Entanto... 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?

Inteligência Coletiva IA Distribuída

Um Cenário...

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

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

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

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

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)

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

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!

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

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

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

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

Um Sistema Multiagente Interação Organização Agentes Recurso Esfera de Influência Ambiente

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.

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

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...

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.

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

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

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?

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

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

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

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

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!

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

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!

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

Assim... Quando Encarar os SMA?

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.

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

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”.

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...

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*

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...

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.

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

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

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!

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!!!!

Conclusões

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