Luiz A M Palazzo Abril de 2010

Apresentação em tema: "Luiz A M Palazzo Abril de 2010"— Transcrição da apresentação:

1 Luiz A M Palazzo Abril de 2010
Raciocínio Prático Luiz A M Palazzo Abril de 2010

2 Agentes Inteligentes Sensores AGENTE Racionalidade AMBIENTE Atuadores

3 Raciocínio Prático É o raciocínio orientado à ação (o processo de descobrir o que fazer) em contraponto ao raciocínio teórico, que é orientado às crenças do agente. O raciocínio prático humano consiste em duas atividades: Deliberação: decidir onde se quer chegar, e Raciocínio Meios-Fim: decidir como chegar lá O resultado da deliberação é a intenção A intenção é muito mais forte do que meros desejos

4 Planejamento Agentes Planejadores Raciocínio Meios-Fim: Dar ao agente:
Planejamento é essencialmente programação automática Raciocínio Meios-Fim: Dar ao agente: Representação da meta/intenção a atingir, Representação das ações que podem ser executadas, Representação do ambiente... ... e receber um plano para atingir a meta

5 Exemplo: Mundo dos Blocos
Contém (a) um braço robô, (b) três blocos A, B e C e (c) um topo de mesa Ontologia on(x,y), ontable(x), clear(x), holding(x) Ex: clear(A). on(A,B). ontable(B). ontable(C). Emprega-se a Hipótese do Mundo Fechado. Um objetivo é representado por um conjunto de fórmulas: ontable(A) ^ ontable(B) ^ ontable(C) As ações são representadas como no sistema STRIPS. Cada ação possui: (a) um nome, (b) uma pré-condição, (c) uma del-list e (d) uma add-list. Cada um destes elementos pode possuir variáveis.

6 Exemplo: stack(x,y) A ação stack(x,y) pode ser assim definida:
Nome: stack(x,y) Pré: clear(y) ^ holding(x) Del: clear(y) ^ holding(x) Add: armempty ^ on(x,y) Exemplos: definir unstack(x,y), pickup(x), putdown(x)

7 Loop de Controle do Agente
O que é um plano? Uma seqüência de ações com variáveis sendo substituídas por constantes. Agent Control Loop 1. while true 2. observe the world; 3. update internal world model; 4. deliberate about what intention to achieve next; 5. use means-ends reasoning to get a plan for the intention; 6. execute the plan 7. end while

8 Deliberação Como um agente delibera?
Começa por tentar entender que opções tem disponíveis Escolhe entre elas e se compromete com uma delas As opções escolhidas são então intenções A função de deliberação pode ser decomposta em dois componentes funcionais: Geração de opções Filtragem

9 Raciocínio Meios - Fim Simulação (1) 8 Estado Inicial 4
Estado Objetivo B (5) C (3) Passo 1 Passo 2 Passo 3 Passo 4 Passo 5 Passo 6 Passo 7

10 Conferindo... Teseu e o Minotauro:
Vários Desafios

11 As Torres de Hanói ? ESTADO INICIAL ESTADO OBJETIVO
Clique aqui para jogar:

12 Busca em Espaços de Estados
A solução é um caminho no ESPAÇO DE ESTADOS Estado Inicial Estado Final Espaço de Estados Solução

13 Estratégias de Busca Tentativa e Erro Hill Climbing Análise Meios-Fins

14 Tentativa e Erro Pode ser organizada: pesquisa em amplitude, ou em profundidade. Chega ao objetivo após um grande número de passos aleatórios Muitos movimentos são desperdiçados Mas pode ser a saída quando não se tem outra alternativa

15 Hill Climbing Estado Inicial Estado Objetivo 1 2 3 4 A cada estado possível um valor é atribuído. Aqui quanto mais baixo melhor. A cada passo um novo estado é escolhido com um valor melhor. Pode “empacar”. (Onde?) Nesse caso usar T&E;

16 Hill Climbing Dependendo do estado inicial o trajeto pode ficar empacado em um máximo local

17 Análise Meios-Fim Não há planejamento envolvido nas estratégias “Tentativa e Erro” e “Hill Climbing” A Análise Meios-Fim distingue entre planejar um movimento e executar um movimento Foi proposta como parte do General Problem Solver (GPS) por Newell e Simon em 1972.

18 Análise Meios-Fim A busca é guiada pela detecção das diferenças entre o estado corrente e o estado objetivo. 1) Comparar o estado corrente com o estado objetivo e identificar as diferenças. 2) Selecionar um operador para reduzir a diferença. Se o operador pode ser aplicado, fazer isto; Se não, estabelecer um novo sub-objetivo, de atingir um estado no qual o operador possa ser aplicado. A análise meios-fim é então recursivamente aplicada a este novo sub-objetivo. Voltar a 1

19 Um Exemplo Simples Pintar sua casa  Aplicar pintura 
Precisa de tinta e pincel  Ir até a ferragem  Achar as chaves do carro …

20 A Pilha de Objetivos Pintar a casa (Objetivo 1)
Aplicar a pintura (Sub-objetivo 2) Precisa de tinta e pincel (Sub-objetivo 3) Vai até a ferragem (Sub-objetivo 4) Chega na ferragem (Sub-objetivo 4) Adquire tinta e pincel (Sub-objetivo 3) Aplica a pintura (Sub-objetivo 2) Pinta a casa (Objetivo 1)

21 Funcionamento da Pilha de Objetivos
Solved Goal 4: Pop-off Stack Push Goal 1 on Stack Push Goal 2 on Stack Push Goal 3 on Stack Push Goal 4 on Stack G4 G1 G2 G3 G4 G3 G1 G2 G3 G2 G1 G2 G1 G1

22 Sistemas de Produções Um conjunto de regras de produção (regras se-então) SE você tem um pincel de rolo, E você tem tinta E você tem uma superfície pronta para ser pintada E a superfície é grande E o seu objetivo é pintar a superfície ENTÃO use o rolo embebido em tinta para pintar a superfície E espere que a superfície resulte pintada.

23 Aplicando Sistemas de Produções
1) As condições das regras são comparadas com o conteúdo correntemente ativo na memória de trabalho. 2) Se mais do que uma regra pode ser aplicada, aplicar procedimentos de solução de conflito. 3) A regra selecionada é disparada. 4) Retorna a 1 (O Modelo ACT de Anderson: “a cognição humana baseia-se em sistemas de produções”).