1 / 95

Agentes

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 ,...)

rusty
Download Presentation

Agentes

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Agentes Patricia Tedesco

  2. 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

  3. O que é um Agente Racional • 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.)

  4. 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 ...

  5. 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 ...

  6. Exemplo: Agente de Polícia raciocínio Agente • Ações: • - multar • - apitar • - parar, ... • Objetivo: • - fazer com que as leis sejam respeitadas • Conhecimento: • - leis • - comportamento dos indivíduos,... percepção execução Ambiente

  7. Agentes Algoritmo Básico e Arquiteturas

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

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

  10. Agente sensores a m b i e n t e modelo do ambiente Raciocinador atuadores Agentes: Arquiteturas • De forma bem simplificada, um agente pode ser visto como um mapeamento: • seqüência perceptiva => ação

  11. sensores Como está o mundo agora? a m b i e n t e Regras “condição-ação” Que ação devo escolher agora? atuadores Agente Reativo Agente • 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

  12. Agente sensores estado: como o mundo era antes Como está o mundo agora? como o mundo evolui impacto de minhas ações a m b i e n t e Regras “condição-ação” Que devo fazer agora? atuadores Agente reativo com estado interno • Desvantagem: pouca autonomia • não tem objetivo, não encadeia regras • Ambientes: determinista e pequeno • Ex. Tamagotchi

  13. Agente sensores estado: como o mundo era antes Como está o mundo agora? como o mundo evolui Como ele ficará se faço isto? impacto de minhas ações a m b i e n t e Que devo fazer agora? Objetivos atuadores Agente cognitivo - baseado em objetivo • Vantagens e desvantagens: • Mais complicado e ineficiente, porém mais flexível, autônomo • Não trata objetivos conflitantes • Ambientes: determinista • ex.: xeque-mate no xadrez

  14. Agente sensores estado: como o mundo era antes Como está o mundo agora? como o mundo evolui Como ele ficará se faço isto? ambiente qual é o impacto de minhas ações Este novo mundo é melhor? Que ação devo escolher agora? Função de Utilidade atuadores Agente otimizador (utility based) • Ambiente: sem restrição • Desvantagem: não tem adaptabilidade • Ex. motorista recifense • Segurança e velocidade – conflito!

  15. Agente que aprende Agente t+1 sensores crítico • Ambiente: sem restrição • Vantagem: tem adaptabilidade (aprende) • Ex. motorista sem o mapa da cidade 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

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

  17. Ainda outras arquiteturas famosas...

  18. 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

  19. 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

  20. O Robô Aspirador de Pó

  21. O Robô Aspirador • Agente recebe: • 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

  22. 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)

  23. 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 a Retorne null Fim ação_agente-BL

  24. 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?

  25. 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.

  26. 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”

  27. 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 Desejoescolher?

  28. 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.

  29. Intenções • Guiam a escolha das Ações • 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?

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

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

  32. 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?

  33. O que o agente BDI tem? • 3 conjuntos de sentenças • 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)

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

  35. Algoritmo do Agente BDI • Programa Agente BDI • t := 0 //contador de tempo • enquantoAgente-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

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

  37. MArCo

  38. 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.

  39. O funcionamento de MArCo 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

  40. 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.

  41. 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

  42. 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

  43. 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

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

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

  46. 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.

  47. 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 sedist(p, objetivo)<distinfl 0 caso contrário • Comunicação Indireta • Fragmentos radioativos são deixados no caminho

  48. 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

  49. 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

More Related