Fundamentos e Conceitos

Slides:



Advertisements
Apresentações semelhantes
Gerenciamento de Projetos
Advertisements

Profa. Dra Maria Luiza de Almeida Campos
IA Importância da IA em jogos Aplicações.
Renata S.S. Guizzardi Inteligência Artificial – 2007/02
COMUNICAÇÃO E PROMOÇÃO
A INTERAÇÃO SIMBÓLICA George Mead.
Teste de Software.
(Unified Modeling Language)
Engenharia de Software
Viviane Torres da Silva
Agentes Inteligentes Introdução.
COMUNICAÇÃO E EXPRESSÃO I Paulo Neto
Sistemas Baseados em Conhecimento
Metodologias Orientadas a Agentes
Agentes Baseados em Conhecimento
Sistemas Multiagentes Cognitivos
Programação Lógica: PROLOG
1.Consciência (Chalmers,1997)
Curso Sistemas de Informação Disciplina: Arquitetura de Software
Introdução à Modelagem Conceitual 1. Conceitos Básicos
SIMULAÇÃO EM COMPUTADOR: O PENSAMENTO COMO PROCESSAMENTO DE INFORMÇÕES
Análise e Projeto de Sistemas
A maioria dos fenômenos psicológicos – como o pensamento, a motivação, as emoções, a aprendizagem, a memória, o conhecimento, o raciocínio, a percepção,
Engenharia de Requisitos Requisito – sistema Caso de uso - usuário
Aspectos Avançados em Engenharia de Software Aula 3 Fernanda Campos
TÉCNICAS DE PROGRAMAÇÃO II
Paradigmas de programação
Software de Rede Willamys Araújo.
Agentes inteligentes e sistemas multiagentes
SEMINÁRIO REABILITAÇÃO NOS TRANSTORNOS DE APRENDIZAGEM
1 - Lafayette B. Melo – Análise e Projeto de Sistemas para a Internet – COINFO – CEFET-PB 12. Estados Objetivo: compreender a notação do diagrama de estados.
Exame de Defesa de Mestrado
Tópicos de Sistemas de Informação A
Análise e Projeto de Sistemas UNIVERSIDADE DE CRUZ ALTA Ciência da Computação 2010/1.
Web Services Uninorte Semana de Tecnologia da Informação
LINGUAGENS DE PROGRAMAÇÃO PROF. DANIELA PIRES
MÓDULO 10 Planeamento Anual e Estratégico
PROGRAMAÇÃO ESTRUTURADA (MODULARIZAÇÃO/SUBPROGRAMAÇÃO)
3 – Agentes e 4 – Multiagentes
Sistemas Especialistas

FIPA THE FOUNDATION FOR INTELLIGENT PHYSICAL AGENTS
SISTEMAS DISTRIBUIDOS Aula 4
Princípios da Programação em Prolog
Banco de Dados Aplicado ao Desenvolvimento de Software
Comunicação & Expressão Profª Drª Louise Lage Módulo 4
Agenda Agentes que Respondem por Estímulo Agentes Inteligentes.
PLANO DE ENSINO: orientações para elaboração
METODOLOGIA, MÉTODOS E FERRAMENTAS
Laboratório de Programação
Métodos Formais.
Processo de Decisão de Tomadas
Diagrama de Colaboração. Diagramas de Interação Expressam informações bastante similares porém de maneira diferente Diagrama de seqüência: – Interação.
Engenharia de Groupware: Desenvolvimento de Aplicações Colaborativas. Síntese FUKC, H. RAPOSO,A. B. GEROSA, M. A. Artigo apresentado em mini-curso do Congresso.
Linguagens de Programação
Integração de Ferramentas CASE
Livro 4 Avaliação de Desenvolvimento Sustentável: Princípios na Prática.
Sistemas Multi-Agentes Comunicação e Cooperação. Motivação O uso de agentes individuais pode não ser adequado para todas as situações de problemas que.
DIMAp/UFRN Modelos Baseados em Agentes Prof. André Campos Aula #6 AgentesHíbridos.
Modelação Aula T15 Modelação Conceptual de Sistemas Revisão do Comportamento OCL – Object Constraint Language José Borbinha.
Protocolos de Cooperação Contract Net Systems Partial Global Planning Negociações.
Introdução a Orientação a Objetos
Algoritmos e Programação I
20/04/2017 Orientação a Objetos 1 1.
UML (Unified Modeling Language) Linguagem Unificada de Modelagem
O Modelo GOMS Fornece um modelo de Engenharia para a performance humana, capaz de produzir predições a priori ou em um estágio anterior ao desenvolvimento.
Profa.: MAYNA NOGUEIRA.  Os negociadores fazem antes de se sentarem à mesa.  Precursores para se alcançar uma negociação: planejamento e estratégia.
Interações entre objetos
1 Especificação de Sistemas de Software e a UML. 2 Modelagem de sistema A modelagem de sistema auxilia o analista a entender a funcionalidade do sistema.
Bruna Cavallero Martins Universidade Católica de Pelotas.
Transcrição da apresentação:

Fundamentos e Conceitos Sistemas Multiagente Fundamentos e Conceitos (Continuação)

Sistemas Multiagente Implementações As perspectivas relativas à comunidade de agentes dizem respeito à: (i) estrutura da organização desses agentes, (ii) interface homem/sistema multiagente, e (iii) comunicação interagentes (a interface agente/agente). As perspectivas relativas aos agentes propriamente ditos dizem respeito às: (i) propriedades, (ii) arquitetura, e (iii) linguagem de programação que cada um destes apresenta.

Sistemas Multiagente agentes (i) estrutura da organização desses agentes agentes

Sistemas Multiagente (ii) interface homem/sistema multiagente Uma interface homem/sistema multiagente é um sistema capaz de apresentar ao ser humano o comportamento da comunidade de agentes ou de agentes específicos, através de uma linguagem simbólica compreensível ao mesmo, com o objetivo de informar, ou permitir a interação com a comunidade de agentes. O ser humano passa a ser um agente (agente natural humano) passivo ou ativo do sistema multiagente

Sistemas Multiagente Em Blackboard Systems (Engelmore, R. S.; Morgan) encontramos a definição de agentes atuando como uma interface: (i) são programas de computador que empregam técnicas de inteligência artificial com o objetivo de auxiliar o utilizador numa aplicação particular. Trabalhos relativos a este tópico são também encontrados no enquadramento do Trabalho Cooperativo Auxiliado por Computador ("CSCW - Computer Supported Cooperative Work"). A área de "CSCW"está fundamentalmente interessada no desenvolvimento de ferramentas de "software" que possam auxiliar no trabalho cooperativo humano

Sistemas Multiagente

Sistemas Multiagente (iii) comunicação interagentes (a interface agente/agente). As interações de agentes num ambiente Am são realizadas através de ações/reações baseadas numa linguagem, o que é designado de comunicação, ou através de ações/reações não baseadas em linguagens (caminhar, destruir, mover, etc.)

Sistemas Multiagente As linguagens possibilitam o envio e o recebimento de Informações entre os agentes de um sistema multiagente, permitindo a coordenação das suas atividades. Como suporte à comunicação em sistemas multiagente, duas estratégias podem ser utilizadas: ou as mensagens são trocadas directamente (1:1,1:n ou n:n) entre agentes, ou são disponibilizadas num quadro-negro ("blackboard") permitindo o acesso à elas .

Sistemas Multiagente As interacções entre agentes baseadas em comunicação, apresentam dois formalismos. Um é relativo à linguagem (linguagem formal) na qual, a informação a ser trocada com a comunidade de agentes está representada (por exemplo a lógica de primeira ordem).

Sistemas Multiagente O outro é relativo à expressão do conteúdo da informação. A expressão do conteúdo da informação é dividida em duas partes: (i) a identificação da origem/destino da mensagem, a qual contém informação sobre a localização do agente emissor e do receptor, e (ii) o conteúdo da mensagem, que apresenta a mensagem propriamente dita (tipo de ato de discurso e o discurso).

Sistemas Multiagente

Sistemas Multiagente O exemplo a seguir apresenta o esquema das expressões da linguagem de comunicação (designadas por mensagens) intra e interagentes. Exemplo:     mensagem( <tipo_de_mensagem>, <id_nós>, <informação> )  

Sistemas Multiagente Esta mensagem possui um formalismo de linguagem em “Prolog”, cujo formalismo de conteúdo em BNF ("Bachus-Naur Form") é:   <expressão>::= mensagem, “(”,<tipo_de_mensagem>,“,”,<id_nós>,“,”,<informação>,“)”  

Sistemas Multiagente Ex:   mensagem( volunteer, Ag_origem, Ag_destino, Conteúdo, Valor_lógico) volunteer, Conteúdo e Valor_lógico, referem-se a parte do discurso, e (ii) Ag_origem e Ag_destino referem-se a parte de identificação.  

Sistemas Multiagente A “KQML” (“Knowledge Query and Manipulation Language”) é uma linguagem e um protocolo que suporta uma programação em rede, especificamente para sistemas baseados em conhecimentos ou agentes inteligentes.    

Sistemas Multiagente Em termos linguisticos, a “KQML” partilha uma:  (i) sintaxe, a qual trata de como os símbolos são estruturados, (ii) semântica, a qual trata do significado dos símbolos, e (iii) pragmática a qual trata de como estes símbolos são interpretados  

Sistemas Multiagente  Protocolos “KQML” (três casos)  

Sistemas Multiagente A Linguagem “KQML” (três camadas)  (i) a camada de conteúdo, a qual contém a mensagem na própria linguagem de representação, como caracteres “ASCII”, uma notação binária ou no formato da troca de conhecimento (“Knowledge Interchange Format” [Genesereth, M. R., Knowledge Intechange Format. em Proceedings of the 2nd International Conference on Principles of Knowledge Representation and Reasoning. 599-600, 1991]  

Sistemas Multiagente  (ii) a camada de mensagem compõe a essência da linguagem. Ela determina quais os tipos de interacções. A função primária do nível de mensagem é a de identificar o protocolo de entrega da mensagem, para prover um ato de discurso (“speech act”) ou uma ação a qual o emissor vincula o conteúdo. A ação significa que o conteúdo é uma assertiva, uma consulta, um comando ou qualquer elemento de um conjunto de ações conhecidas.  

Sistemas Multiagente  (ii) a camada de mensagem compõe a essência da linguagem. . Devido ao conteúdo da mensagem ser ignorado pela “KQML”, esta camada inclui também características opcionais as quais descrevem: sua linguagem, a ontologia considerada e algum tipo mais geral de descrição, e  

Sistemas Multiagente  (iii) a camada de comunicação, a qual envolve um conjunto de características que descrevem os parâmetros de mais baixo nível de comunicação, tal como o identificador do destino.  

Sistemas Multiagente (i) consulta:   (i) consulta: evaluate, ask-if, ask-in, ask-one e task-all (ii) pesquisa multiresposta: stream-in, stream-all (iii) respostas: reply, sorry

Sistemas Multiagente   As perspectivas relativas aos agentes propriamente ditos dizem respeito às: (i) propriedades, (ii) arquitetura, e (iii) linguagem de programação que cada um destes apresenta. .  

Sistemas Multiagente (i) propriedades, Quanto às propriedades, e com base no cenário (problema do mundo real a ser modelado), deve dotar-se os agentes de: dimensões (classes) e de valores para estas dimensões (classificação), (ii) uma estrutura de conhecimento e sua forma de manutenção, e (iii) capacidades de percepção, geração de ações e/ou reações, adaptação e aptidões de aprendizagem.  

Sistemas Multiagente (i) propriedades, De forma geral, para que um agente possa executar uma tarefa, este agente deve ser : (i) capaz, (ii) perceptivo, (iii) bem sucedido, (iv) reativo, e (v) reflexivo.  

Sistemas Multiagente (i) propriedades, Um agente é “capaz” se seus atuadores são capazes de executar uma tarefa (alterar um espaço de estados). Um agente capaz reflete as habilidades que seus atuadores possuem de realizar a tarefa. Uma possibilidade para demonstrar a capacidade de realização, é mostrar (comparação) que existe algum agente com os mesmos atuadores que são bem sucedidos, embora ele possa não ter a mesma percepção ou uma mesma função de controle como a do agente a que estar a ser comparado. A propriedade de ser capaz ignora o fato que um dado agente pode não perceber as relevantes características do ambiente e pode não escolher o comportamento mais adequado.  

Sistemas Multiagente (i) propriedades, Um agente é “perceptivo” quando possui sensores necessários para determinar como operar seus atuadores para a realização de uma tarefa. A propriedade de percepção habilita um agente a distinguir as importantes características de um ambiente. As importantes características são fortemente determinadas pela tarefa. Diferentes tarefas requerem que o agente responda diferentes características e eventos do ambiente. Por exemplo, se a tarefa é a de abrir um guarda-chuva quando estiver chovendo, a chuva é uma importante característica a ser percebida.  

Sistemas Multiagente (i) propriedades, Um agente “bem sucedido” é um agente perceptivo com um controlador que possibilite a realização de uma tarefa. Um agente bem sucedido geralmente realiza sua tarefa a partir de todos os estado iniciais.  

Sistemas Multiagente (i) propriedades, Existe uma discordância sobre o termo “reactivo” quando aplicado a agentes. O “American Heritage Dictionary” define reactivo como “responder ou reagir a estímulos”. Em Inteligência Artificial, uma definição comum é a de “responder rapidamente e apropriadamente as mudanças do ambiente”. Considerando a realização de uma tarefa, o agente deve responder suficientemente rápido e de maneira apropriada as mudanças do ambiente. Um agente que é bem sucedido é então pela definição, suficientemente reactivo.  

Sistemas Multiagente (i) propriedades, Um agente é “reflexivo” se ele responde apenas a estímulos imediatos, o que causa ambiguidade com o termo reactivo. Um agente com a propriedade de ser reflexivo, não necessita manter qualquer memória.  

Sistemas Multiagente (i) propriedades, Um agente “deliberativo” possui internamente um modelo do mundo e utiliza-o para: selecionar os comportamentos que realizarão as tarefas, e (ii) raciocinar sobre os efeitos dos comportamentos.  

Sistemas Multiagente (i) propriedades, As propriedades de um agente deliberativo depende de seu modelo do mundo, para capacitá-lo a executar sua tarefa:  

Sistemas Multiagente (i) propriedades, predizer: um agente prediz se o seu modelo do mundo permite antecipar o resultado de seus comportamentos. Uma “correta” predição deve predizer todas os possíveis estados que poderiam resultar e não predizer os estados impossíveis,  

Sistemas Multiagente (i) propriedades interpretar: um agente interpreta se o seu modelo de sensores permite uma “correta” interpretação da percepção por ele recebida. A “correta” interpretação inclui todos os possíveis pares (estado do mundo, percepção), mas não inclui aquelas que não são possíveis, e  

Sistemas Multiagente (i) propriedades ser racional: um agente é racional se ele adota planos que foram por ele preditos que sucederiam, em relação aos planos que foram preditos que não sucederiam. Um agente deliberativo pode predizer o futuro pela aplicação repetida da interpretação do estado corrente do mundo. O agente pode usar sua habilidade de predição para simular a execução de seu plano actual. Se esta simulação conduzir para a execução da tarefa, então é predito para suceder.  

Sistemas Multiagente (i) propriedades ser racional: De forma geral, um agente racional é um agente que decide por planos onde a probabilidade de sucesso foi predita ou a expectativa de utilidade, quando da realização do plano, é alta.  

Sistemas Multiagente (i) propriedades Um agente é crível se ele prediz, interpreta e é racional. Um agente crível não é necessariamente um agente bem sucedido. O agente pode não ser capaz ou não perceber o suficiente para executar a tarefa. Em tal caso, não existindo o plano para realizar a tarefa, o agente, eventualmente poderá gerá-lo, desde que em um tempo que não exceda o início da execução tarefa intencionada.  

Sistemas Multiagente (ii) arquitetura   Quanto à arquitetura dos agentes, ela está orientada para satisfazer as propriedades requeridas. Uma arquitectura sugere uma metodologia para construir agentes , a qual: (i) especifica como o problema pode ser decomposto em subproblemas, (ii) como cada subproblema dá origem a módulos (técnicas e algoritmos), e (iii) como se deve implementar estes módulos para interagirem.  

Sistemas Multiagente (ii) arquitetura   O conjunto de módulos e suas interações providenciam uma resposta para a questão de como os objetos e fenômenos observados no ambiente e o corrente estado interno do agente, determinam as ações e os futuros estados internos do mesmo. Duas aproximações para a modelação de agentes tem sido empregadas: (i) a abordagem do geral para o específico ("top-down"), e (ii) a abordagem do específico para o geral ("bottom-up").  

Sistemas Multiagente Agentes projetados segundo a abordagem do geral para o específico, caracterizam-se pela: modularização das habilidades cognitivas. Isto significa que o modelo geral é inicialmente desenvolvido, seguido das implementações separadamente dos diferentes componentes    

Sistemas Multiagente Por outro lado agentes projetados segundo a abordagem do específico para o geral, contemplam inicialmente a implementação de comportamentos simples (cobrindo uma completa unidade de percepção e reação) e então incrementalmente, comportamentos mais sofisticados são adicionados    

Sistemas Multiagente  

Sistemas Multiagente Na arquitetura referida como "do geral para o específico", o agente raciocina utilizando a lógica baseada em manipulação simbólica e a adaptação de padrões ("pattern matching"). Toma decisões com base num modelo simbólico explícito do mundo (ambiente e estados mentais) contido na memória, gera planos de ação e executa-os.  

Sistemas Multiagente A arquitetura referida como "do específico para o geral", é baseada na ideia de que muitas das nossas atividades diárias consistem em ações rotineiras. Neste contexto o agente é projetado de forma a conter um conjunto de comportamentos simples os quais reagem às mudanças detetadas no ambiente, na modalidade "(percepção, reacção)". Isto resulta numa arquitetura onde os aspectos cognitivos são reduzidos a um mapeamento dado pelo par "(percepção, reação)".  

Sistemas Multiagente (i) Agentes deliberativos   (i.i) Agentes planeadores O planeamento é essencialmente programação automática. O planeamento é um projeto de um curso de ação que, quando executado, resultará no alcance de um objetivo desejado. O sistema de planeamento “STRIPS” descreve de forma simbólica o mundo, o objetivo desejado e um conjunto de ações com suas pré e pós condições associadas Fikes, R. E., Nilsson, N., STRIPS: A New Approach to the Application of Theorem Proving to Problem Solving, Artificial Intelligence, 5(2):189-208, 1971. .  

Sistemas Multiagente “means-end analyses” (i) Agentes deliberativos   (i.i) Agentes planeadores . O sistema procura encontrar, através do “means-end analyses ”, uma sequência de ações, dentre as do conjunto de ações, que alcance o objetivo desejado. “means-end analyses”