Agentes Inteligentes com Foco de Atenção Afetivo em Simulações Baseadas em Agentes

(1)

Agentes Inteligentes com Foco de Atenção

Afetivo em Simulações Baseadas em Agentes

Alberto Signoretti

Orientador: Prof. Dsc. Sergio Viana Fialho

Co-orientador: Prof. Dr. André Maurício Cunha Campos

Tese de Doutorado apresentada ao

Pro-grama de Pós-Graduação em Engenharia Elétrica da UFRN (área de concentração: Engenharia de Computação) como parte dos requisitos para obtenção do título de Doutor em Ciências.

(2)

Signoretti, Alberto.

Agentes Inteligentes com Foco de Atenção Afetivo em Simulações Baseadas em Agentes / Alberto Signoretti - Natal, RN, 2012

208 f.:i1.

Orientador: Sergio Vianna Fialho

Co-orientador: André Maurício Cunha Campos

Tese (doutorado) - Universidade Federal do Rio Grande do Norte. Centro de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica e da Compu-tação.

1. Inteligência artificial - Tese. 2. Simulação baseada em agentes - Compu-tação - Tese. 3. Agentes afetivos - CompuCompu-tação - Tese. 4. Foco dinâmico de atenção - Computação - Tese. 5. Engenharia Elétrica e da Computação - Tese. I. Fialho, Sergio Vianna. II. Campos, André Maurício Cunha. III. Universidade Federal do Rio Grande do Norte. V. Título.

(3)

(4)

(5)

Ao meu orientador e ao meu co-orientador, professores Sergio Vianna Fialho e André Maurício, sou grato pela orientação e pela amizade de ambos.

À professora Anne Magály, pela valiosa ajuda nas suas sugestões, discussões e pelo seu apoio para a realização deste trabalho.

Ao amigo Pedro Vitor L. Rodrigues, pela ajuda na implementação e na participação que permitiu a finalização deste trabalho.

Ao colega Antonino Feitosa, pela ajuda na implementação inicial das idéias.

Aos demais colegas de pós-graduação, pelas críticas e sugestões.

(6)

Simulações baseadas em agentes cognitivos podem se tornar tarefas computacional-mente intensivas, especialcomputacional-mente quando o ambiente de simulação é um sistema complexo. Este panorama se torna pior na medida em que restrições de tempo são adotadas. Simu-lações desse tipo seriam beneficiadas por um mecanismo que melhorasse o modo pelo qual os agentes percebem e reagem a mudanças nesses tipos de ambiente. Ou seja, uma abordagem para melhorar a eficiência (desempenho e acurácia) no processo de decisão de agentes autônomos em uma simulação, seria útil.

Em ambientes complexos e repletos de variáveis, é possível que nem todas as in-formações disponíveis para o agente sejam necessárias para o seu processo de decisão, dependendo, é claro, da tarefa que esteja sendo executada. O agente precisaria filtrar as informações que lhe chegam, assim como nós o fazemos com o nosso foco de atenção. Com a utilização de um foco de atenção, somente as informações importantes ao contexto de execução do agente são percebidas (processadas cognitivamente), o que pode melhorar o processo de decisão.

A arquitetura proposta neste trabalho apresenta uma estrutura de agentes cognitivos dividida em duas partes: 1) uma parte principal contendo o raciocínio/planejamento, o conhecimento e o estado afetivo do agente e, 2) um conjunto de comportamentos que serão acionados pelo planejamento com o intuito de atingir os objetivos do agente. Cada um desses comportamentos possui um foco de atenção ajustável dinamicamente durante o tempo de execução do agente, de acordo com a variação do seu estado afetivo.

O foco de atenção presente em cada comportamento é dividido em foco qualitativo, o qual é responsável pela qualidade dos dados percebidos, e foco quantitativo, o qual é responsável pela quantidade dos dados percebidos. Desse modo, o comportamento será capaz de filtrar as informações enviadas pelos sensores dos agentes e construir uma lista de elementos, contendo somente as informações necessárias ao agente, dependendo do contexto do comportamento em execução no momento.

Com base no mecanismo de foco de atenção humano, o agente também é dotado de um estado afetivo. O estado afetivo do agente é baseado nas teorias humanas da emoção, humor e personalidade. Esse modelo atua como base para o mecanismo de ajuste contínuo do foco de atenção do agente, tanto da parte qualitativa, como da parte quantitativa. Com esse mecanismo, o agente pode ajustar o seu foco de atenção durante a execução do comportamento, de forma a tornar-se mais eficiente perante as mudanças ocorridas no ambiente.

(7)

são feitas apenas no nível da percepção do agente.

Para avaliar a contribuição do trabalho, uma série extensa de experimentos foram realizados sobre uma simulação baseada em agentes num cenário de incêndio. Nas si-mulações, agentes utilizando a arquitetura proposta neste trabalho são comparados com agentes similares (com o mesmo modelo de raciocínio), porém capazes de processar todas as informações que lhes são enviadas pelo ambiente (agentes oniscientes). Intuitivamente, é de se imaginar os agentes oniscientes seriam mais eficiente que os com filtros de per-cepção, uma vez que eles podem processar todas as opções possíveis antes de tomar uma decisão. Porém, os experimentos mostram que os agentes com foco de atenção podem ser tão eficientes quanto os oniscientes, levando vantagem porém na capacidade de re-solverem o mesmo problema em um tempo significativamente menor. Os experimentos indicam, portanto, a eficiência da arquitetura proposta.

Palavras-chave: Simulação baseada em agentes, agentes afetivos, foco de atenção

(8)

Simulations based on cognitively rich agents can become a very intensive computing task, especially when the simulated environment represents a complex system. This situ-ation becomes worse when time constraints are present. This kind of simulsitu-ations would benefit from a mechanism that improves the way agents perceive and react to changes in these types of environments. In other worlds, an approach to improve the efficiency (performance and accuracy) in the decision process of autonomous agents in a simulation would be useful.

In complex environments, and full of variables, it is possible that not every information available to the agent is necessary for its decision-making process, depending indeed, on the task being performed. Then, the agent would need to filter the coming perceptions in the same as we do with our attentions focus. By using a focus of attention, only the information that really matters to the agent running context are perceived (cognitively processed), which can improve the decision making process.

The architecture proposed herein presents a structure for cognitive agents divided into two parts: 1) the main part contains the reasoning / planning process, knowledge and affective state of the agent, and 2) a set of behaviors that are triggered by planning in order to achieve the agent’s goals. Each of these behaviors has a runtime dynamically adjustable focus of attention, adjusted according to the variation of the agent’s affective state.

The focus of each behavior is divided into a qualitative focus, which is responsible for the quality of the perceived data, and a quantitative focus, which is responsible for the quantity of the perceived data. Thus, the behavior will be able to filter the information sent by the agent sensors, and build a list of perceived elements containing only the infor-mation necessary to the agent, according to the context of the behavior that is currently running.

Based on the human attention focus, the agent is also dotted of a affective state. The agent’s affective state is based on theories of human emotion, mood and personality. This model serves as a basis for the mechanism of continuous adjustment of the agent’s atten-tion focus, both the qualitative and the quantative focus. With this mechanism, the agent can adjust its focus of attention during the execution of the behavior, in order to become more efficient in the face of environmental changes.

(9)

periments were conducted on an agent-based simulation over a fire-growing scenario. In the simulations, the agents using the architecture proposed in this work are compared with similar agents (with the same reasoning model), but able to process all the informa-tion sent by the environment. Intuitively, it is expected that the omniscient agent would be more efficient, since they can handle all the possible option before taking a decision. However, the experiments showed that attention-focus based agents can be as efficient as the omniscient ones, with the advantage of being able to solve the same problems in a significantly reduced time. Thus, the experiments indicate the efficiency of the proposed architecture.

Keywords: Agent Based Simulation, Affective agents, Dynamic attention focus,

(10)

Sumário i

Lista de Figuras v

Lista de Tabelas x

1 Introdução 1

1.1 Motivação . . . 4

1.1.1 O Ambiente . . . 4

1.1.2 A Percepção . . . 6

1.1.3 O Processo de Raciocínio e Planejamento . . . 7

1.1.4 A Afetividade . . . 8

1.1.5 A Hipótese de Pesquisa . . . 9

1.2 Inspiração: Comitês Classificadores com Filtro para Seleção de Atributos 10 1.3 Justificativa . . . 11

1.4 Objetivo . . . 12

1.4.1 O Foco de Atenção do Agente . . . 12

1.4.2 O Módulo Afetivo do Agente . . . 13

1.5 Contribuições da Pesquisa . . . 13

1.6 Estrutura da Tese . . . 14

2 Conceitos Básicos 15 2.1 Agentes Inteligentes e Sistemas Multiagentes . . . 15

2.1.1 Agentes Inteligentes . . . 15

2.1.1.1 Características dos Agentes Inteligentes . . . 15

2.1.1.2 Uma Taxonomia para Agentes Inteligentes . . . 16

2.1.1.3 Uma Arquitetura Geral para Agentes Inteligentes . . . 18

2.1.2 Sistemas Multiagentes . . . 18

2.1.2.1 Uma Taxonomia para Sistemas Multiagentes . . . 19

2.1.2.2 Interações em Sistemas Multiagentes . . . 20

2.1.2.3 OFrameworkJason . . . 23

2.2 Simulação Computacional . . . 24

2.2.1 Processo de Modelagem e Simulação . . . 26

2.2.2 Simulação Baseada em Agentes - MABS . . . 27

2.3 Emoção, Humor e Personalidade: A Afetividade Humana . . . 29

2.3.1 A Relação entre a Psicologia e a Ciência da Computação . . . 29

(11)

2.3.4 Humor . . . 39

3 Trabalhos Relacionados 43 3.1 Trabalhos Relacionados ao Uso de Foco de Atenção . . . 43

3.2 Trabalhos Relacionados ao Uso da Afetividade . . . 47

4 Affective Attention Focus Agent(AAFA) 53 4.1 Arquitetura AAFA . . . 54

4.1.1 MóduloCore . . . 55

4.1.2 MóduloBehavioral . . . 56

4.1.3 Funcionamento da Arquitetura . . . 58

4.2 O Sub-Módulo Foco de Atenção . . . 60

4.2.1 A Fase de Pré-Processamento das Percepções do Ambiente . . . . 62

4.2.2 Foco Qualitativo . . . 64

4.2.3 Foco Quantitativo . . . 67

4.3 O Sub-Módulo Afetivo . . . 68

4.4 O Foco de Atenção Afetivo . . . 72

4.4.1 Atualização do Estado Emocional . . . 74

4.4.2 Atualização do Foco Qualitativo . . . 76

4.4.3 Atualização do Estado de Humor . . . 77

4.4.4 Atualização do Foco Quantitativo . . . 78

4.4.5 Processo de Decaimento Emocional . . . 79

4.4.6 Processo de Decaimento do Humor . . . 80

5 Implementação e Validação da Arquitetura AAFA 82 5.1 Implementando o AAFA usando o Jason . . . 82

5.2 Metodologia de Validação . . . 85

5.3 Análise de Resultados . . . 92

5.3.1 Cenário de Teste 01 . . . 94

5.3.1.1 OMN versus AAF-SfTf . . . 94

5.3.1.2 OMN versus AAF-SdTf . . . 98

5.3.1.3 OMN versus AAF-SdTd . . . 102

5.3.1.4 OMN versus AAF-SfTd . . . 105

5.3.1.5 Comparativo Geral Cenário de Testes 01 . . . 108

5.3.2 Cenário de Teste 02 . . . 115

5.3.2.1 OMN versus AAF-SfTf . . . 115

5.3.2.2 OMN versus AAF-SdTf . . . 117

5.3.2.3 Comparativo Geral Cenário de Testes 02 . . . 121

5.3.2.4 Foco Qualitativo versus Foco Quantitativo . . . 130

5.3.2.5 AspectoDangerversus AspectoFatal . . . 135

(12)

6.2.1 FrameworkPIABA . . . 147

6.2.2 Sistema NatalGis . . . 150

6.2.3 Projeto: Desenvolvimento de Personagens Virtuais Afetivos . . . 151

6.3 Trabalhos Futuros . . . 153

Referências Bibliográficas 156 A Informações Adicionais A 168 A.1 Análise Resultados do Cenário de Teste 03 . . . 168

A.1.1 OMN versus AAF-SfTf . . . 168

A.1.2 OMN versus AAF-SdTf . . . 171

A.1.3 OMN versus AAF-SdTd . . . 174

A.1.4 Comparativo Geral Cenário de Testes 03 . . . 176

B Informações Adicionais B 182 B.1 Dados sobre Avaliação Estatística do Cenário 01 . . . 183

B.1.1 Agentes AAF-SdTd . . . 183

B.1.2 Agentes AAF-SfTf . . . 186

B.1.3 Agentes AAF-SdTf . . . 189

B.1.4 Agentes AAF-SfTd . . . 192

B.2 Dados sobre Avaliação Estatística do Cenário 02 . . . 195

B.3 Dados sobre Avaliação Estatística do Cenário 03 . . . 201

(13)

1.1 Relacionamento entre o Foco Espacial e o Foco Temporal. . . 13

2.1 Robô Aspirador [Wooldridge 2002]. . . 17

2.2 Agentes reativos: ArquiteturaSubsumption[Brooks 1986]. . . 18

2.3 Arquitetura geral para agentes inteligentes [Garcia & Sichman 2003]. . . 19

2.4 Taxonomia para Sistemas Multiagentes [Garcia & Sichman 2003]. . . 20

2.5 Ciclo padrão de raciocínio da plataforma Jason [Bordini et al. 2007]. . . 24

2.6 A simplificação do modelo de simulação [Signoretti et al. 2008]. . . 25

2.7 Processo de simulação e modelagem [Signoretti et al. 2008]. . . 26

2.8 Modelo OCC original [Junior 2008]. . . 33

4.1 Visão resumida da arquitetura AAFA. . . 54

4.2 Arquitetura AAFA em detalhes. . . 56

4.3 Diagrama de sequência da arquitetura AAFA. . . 59

4.4 Relacionamento entre o sub-módulo afetivo e os demais componentes de um comportamento. . . 60

4.5 Membrana virtual proposta para a percepção do agente AAFA. . . 61

4.6 Processo completo do Foco de Atenção dos agentes AAFA. . . 68

4.7 O modelo OCC reduzido usado no sub-módulo afetivo. Baseado em [Bartneck 2002a]. . . 70

4.8 Interação entre os modelos de emoção, humor e personalidade na arqui-tetura AAFA. . . 71

4.9 Comportamento del(x(t))paraδ=1,5 eµ=0,2. . . 80

4.10 Comportamento da intensidade emocional considerando o processo de elicitação e decaimento. OCC+ representa a emoção positiva e OCC-representa a emoção negativa. . . 81

5.1 Ciclo de raciocínio do Jason incluindo oAffective Attention Focus . . . . 83

5.2 Representação gráfica do Cenário de teste 01. Legenda: 1=sinalização de emergência; 2=saída de emergência; 3=foco de incêndio; 4=alarme sonoro; 5=agente. . . 88

(14)

5.7 Passos de simulação em relação ao foco qualitativo - cenário 01. . . 98

5.8 Passos de simulação em relação ao foco quantitativo - cenário 01. . . 98

5.9 Tempo de simulação em relação ao foco qualitativo - cenário 01. . . 98

5.10 Tempo de simulação em relação ao foco quantitativo - cenário 01. . . 98

5.11 N. agentes mortos em relação ao foco qualitativo - cenário 01. . . 101

5.12 N. agentes mortos em relação ao foco quantitativo - cenário 01. . . 101

5.17 N. de agentes mortos em relação ao foco qualitativo - cenário 01. . . 104

5.18 N. de agentes mortos em relação ao foco quantitativo - cenário 01. . . 104

5.29 Comparativo do n. de mortos nos casos de melhor quantidade de mortos - cenário 01. . . 111

5.30 Comparativo do n. de passos nos casos de melhor quantidade de mortos -cenário 01. . . 111

5.31 Comparativo do tempo nos casos de melhor quantidade de mortos - cená-rio 01. . . 111

5.32 Comparativo do n. de mortos nos casos de melhor tempo de simulação -cenário 01. . . 112

5.33 Comparativo do n. de passos nos casos de melhor tempo de simulação -cenário 01. . . 112

5.34 Comparativo do tempo nos casos de melhor tempo de simulação - cenário 01. . . 112

5.35 Comparativo do n. de mortos com a média geral dos experimentos - ce-nário 01. . . 113

5.36 Comparativo do n. de passos com a média geral dos experimentos - cená-rio 01. . . 113

5.37 Comparativo do tempo com a média geral dos experimentos - cenário 01. 113 5.38 Comparativo do n. de mortos por foco qualitativo - cenário 01. . . 115

5.39 Comparativo do n. de mortos nos por foco quantitativo - cenário 01. . . . 115

(15)

5.43 Comparativo do tempo por foco quantitativo - cenário 01. . . 115

5.56 Comparativo do n. de mortos nos casos de melhor quantidade de mortos - cenário 02. . . 126

5.57 Comparativo do n. de passos nos casos de melhor quantidade de mortos -cenário 02. . . 126

5.58 Comparativo do tempo nos casos de melhor quantidade de mortos - cená-rio 02. . . 126

5.59 Comparativo do n. de mortos nos casos de melhor tempo de simulação -cenário 02. . . 127

5.60 Comparativo do n. de passos nos casos de melhor tempo de simulação -cenário 02. . . 127

5.61 Comparativo do tempo nos casos de melhor tempo de simulação - cenário 02. . . 127

5.62 Comparativo do n. de mortos com a média geral dos experimentos - ce-nário 02. . . 128

5.63 Comparativo do n. de passos com a média geral dos experimentos - cená-rio 02. . . 128

5.64 Comparativo do tempo com a média geral dos experimentos - cenário 02. 128 5.65 Comparativo do n. de mortos por foco qualitativo - cenário 02. . . 129

5.66 Comparativo do n. de mortos nos por foco quantitativo - cenário 02. . . . 129

5.67 Comparativo do n. de passos por foco qualitativo - cenário 02. . . 129

5.68 Comparativo do n. de passos por foco quantitativo - cenário 02. . . 129

5.69 Comparativo do tempo por foco qualitativo - cenário 02. . . 129

5.70 Comparativo do tempo por foco quantitativo - cenário 02. . . 129

5.71 Simulação no cenário 02 com o aspectoDangerativado. . . 131

5.72 Simulação no cenário 02 com o aspectoFatalativado. . . 132

5.73 N. de mortos agentes SfTf comF=10001 eF=10101 - cenário 02. . . 133

5.74 T. de simulação agentes SfTf comF =10001 eF =10101 - cenário 02. . 133

5.75 N. de mortos agentes SfTf comF=10001 eF=10101 - cenário 02. . . 134

(16)

5.79 N. de mortos agentes OMN e agentes AAF comF=10100 - cenário 02. . 137

5.80 T. de simulação agentes OMN e agentes AAF comF =10100 - cenário 02.137 5.81 T. de simulação agentes AAF com F dinâmico.F=10001 eF =10100 -cenário 02. . . 137

5.82 T. de simulação agentes AAF com F fixo. F =10001 e F =10100 -cenário 02. . . 137

5.83 Mortos por f. qualitativo. . . 140

5.84 Mortos por f. qualitativo. . . 140

5.85 Mortos por f. quantitativo. . . 140

5.86 Mortos por f. quantitativo. . . 140

5.87 Passos por f. qualitativo. . . 141

5.90 Passos por f. quantitativo. . . 142

5.93 Tempo por f. qualitativo. . . 143

5.94 Tempo por f. qualitativo . . . 143

5.95 Tempo por f. qualitativo . . . 143

5.96 Tempo por f. quantitativo. . . 144

5.97 Tempo por f. quantitativo . . . 144

5.98 Tempo por f. quantitativo . . . 144

6.1 A arquitetura do NatalGIS onde IA representa o agente de Interface, RA o agente de Recomendação e CA o agente de Controle [Junior et al. 2011] 151 A.1 Passos de simulação (SfTf) em relação ao foco qualitativo - cenário 03. . 171

A.2 Passos de simulação (SfTf) em relação ao foco quantitativo - cenário 03. . 171

A.3 Tempo de simulação (SfTf) em relação ao foco qualitativo - cenário 03. . 171

A.4 Tempo de simulação (SfTf) em relação ao foco quantitativo - cenário 03. . 171

A.5 Passos de simulação (SdTf) em relação ao foco qualitativo - cenário 03. . 173

A.6 Passos de simulação (SdTf) em relação ao foco quantitativo - cenário 03. . 173

A.7 Tempo de simulação (SdTf) em relação ao foco qualitativo - cenário 03. . 173

A.8 Tempo de simulação (SdTf) em relação ao foco quantitativo - cenário 03. 173 A.9 Comparativo do n. de passos nos casos de melhor tempo de simulação -cenário 03. . . 179

A.10 Comparativo do tempo nos casos de melhor tempo de simulação - cenário 03. . . 179

A.11 Comparativo do n. de passos com a média geral dos experimentos - cená-rio 03. . . 180

A.12 Comparativo do tempo com a média geral dos experimentos - cenário 03. 180 A.13 Comparativo do n. de passos por foco qualitativo - cenário 03. . . 181

(17)

(18)

2.1 Aplicações de Simulação Multiagente. . . 28

2.2 Respostas emocionais em relação ao nível de visibilidade dos efeitos. . . 32

2.3 Descrição dos tipos de humor no modelo PAD. . . 40

2.4 Dimensões do PAD versus Traços do OCEAN. . . 41

2.5 Matriz de correlação entre o modelo OCC e o PAD. . . 42

4.1 Matrizαi j - OCC versus PAD. . . 78

5.1 Configuração dos parâmetros da arquitetura proposta usada nos testes de validação. . . 92

5.2 Meta_info operators definidos para os testes de validação da arquitetura proposta. (fUF=factorUpdateFocus). . . 93

5.3 Foco quantitativo usado nos testes com o cenário 01. . . 94

5.4 Foco qualitativo usado nos teste com o cenário 01. . . 94

5.5 Tabela de resultados comparativos entre agentes oniscientes (OMN) e agentes AAFA com foco qualitativo e quantitativo fixo (AAF-SfTf) - ce-nário 01. . . 95

5.6 Tabela de resultados comparativos entre agentes oniscientes (OMN) e agentes AAF-SfTf agrupados por foco quantitativo e por foco qualitativo - cenário 01. . . 96

5.7 Tabela de resultados comparrativos entre agentes oniscientes (OMN) e agentes AAFA com foco qualitativo dinâmico e foco temporal fixo (AAF-SdTf) - cenário 01. . . 99

5.8 Tabela de resultados comparativos entre agentes oniscientes (OMN) e agentes AAF-SdTf agrupados por foco quantitativo e por foco qualitativo - cenário 01. . . 100

5.9 Tabela de resultados comparrativos entre agentes oniscientes (OMN) e agentes AAFA com foco qualitativo dinâmico e foco quantitativo dinâ-mico (AAF-SdTd) - cenário 01. . . 102

5.10 Tabela de resultados comparativos entre agentes oniscientes (OMN) e agentes AAF-SdTd agrupados por foco quantitativo e por foco qualita-tivo - cenário 01. . . 103

5.11 Tabela de resultados comparativos entre agentes oniscientes (OMN) e agentes AAFA com foco qualitativo fixo e foco quantitativo dinâmico (AAF-SfTd) - cenário 01. . . 105

(19)

- cenário 01. . . 106 5.13 Melhores resultados em relação ao número de mortos no cenário de teste

01. . . 108 5.14 Melhores resultados em relação ao tempo de simulação no cenário de teste

01. . . 109 5.15 Média dos resultados de todos os experimentos no cenário de teste 01. . . 110 5.16 Foco quantitativo usado nos testes com o cenário 02. . . 116 5.17 Tabela de resultados comparativos entre agentes oniscientes (OMN) e

agentes AAFA com foco qualitativo e quantitativo fixo (AAF-SfTf) - ce-nário 02. . . 116 5.18 Tabela de resultados comparativos entre agentes oniscientes (OMN) e

agentes AAF-SfTf agrupados por foco quantitativo e por foco qualitativo - cenário 02. . . 118 5.19 Tabela de resultados comparativos entre agentes oniscientes (OMN) e

agentes AAFA com foco qualitativo dinâmico e quantitativo fixo (AAF-SdTf) - cenário 02. . . 120 5.20 Tabela de resultados comparativos entre agentes oniscientes (OMN) e

agentes AAF-SdTf agrupados por foco quantitativo e por foco qualitativo - cenário 02. . . 121 5.21 Melhores resultados em relação ao número de mortos no cenário de teste

02. . . 123 5.22 Melhores resultados em relação ao tempo de simulação no cenário de teste

02. . . 123 5.23 Média dos resultados de todos os experimentos no cenário de teste 02. . . 124 5.24 Tabela de resultados médios agentes AAF-SfTf com foco qualitativo F=1001

- cenário 02. . . 133 5.25 Tabela de resultados médios agentes AAF-SfTf com foco qualitativo F=10101

- cenário 02. . . 134 5.26 Tabela de resultados médios agentes AAF-SdTf com foco qualitativo

ini-cialF =10101 - cenário 02. . . 135 5.27 Tabela de resultados médios agentes AAF com foco qualitativo inicial

F=10001 - cenário 02. . . 138 5.28 Tabela de resultados médios agentes AAF com foco qualitativo inicial

F=10100 - cenário 02. . . 139

A.1 Foco quantitativo usado nos testes com o cenário 03. . . 168 A.2 Tabela de resultados comparativos entre agentes oniscientes (OMN) e

agentes AAFA com foco qualitativo e quantitativo fixo (AAF-SfTf) - ce-nário 03. . . 169 A.3 Tabela de resultados comparativos entre agentes oniscientes (OMN) e

(20)

(AAF-SdTf) - cenário 03. . . 171

A.5 Tabela de resultados comparativos entre agentes oniscientes (OMN) e agentes AAF-SdTf agrupados por foco quantitativo e por foco qualitativo - cenário 03. . . 172

A.6 Tabela de resultados comparativos entre agentes oniscientes (OMN) e agentes AAFA com foco qualitativo e foco quantitativo dinâmicos (AAF-SdTd) - cenário 03. . . 174

A.7 Tabela de resultados comparativos entre agentes oniscientes (OMN) e agentes AAF-SdTd agrupados por foco quantitativo e por foco qualita-tivo - cenário 03. . . 175

A.8 Comparação de resultados do Número de Passos de Simulação agrupados por foco quantitativo e qualitativo dos agentes SdTd e SdTf - cenário 03. . 176

A.9 Comparação de resultados do Tempo de Simulação agrupados por foco quantitativo e qualitativo dos agentes SdTd e SdTf - cenário 03 . . . 176

A.10 Melhores resultados em relação ao tempo de simulação no cenário de teste 03. . . 177

A.11 Média dos resultados de todos os experimentos no cenário de teste 03. . . 178

B.1 AAF-SdTd - Cenário 01 - Número de Mortos . . . 183

B.2 AAF-SdTd - Cenário 01 - Passos de Simulação . . . 184

B.3 AAF-SdTd - Cenário 01 - Tempo Total de Simulação . . . 185

B.4 AAF-SfTf - Cenário 01 - Número de Mortos . . . 186

B.5 AAF-SfTf - Cenário 01 - Passos de Simulação . . . 187

B.6 AAF-SfTf - Cenário 01 - Tempo Total de Simulação . . . 188

B.7 AAF-SdTf - Cenário 01 - Número de Mortos . . . 189

B.8 AAF-SdTf - Cenário 01 - Passos de Simulação . . . 190

B.9 AAF-SdTf - Cenário 01 - Tempo Total de Simulação . . . 191

B.10 AAF-SfTd - Cenário 01 - Número de Mortos . . . 192

B.11 AAF-SfTd - Cenário 01 - Passos de Simulação . . . 193

B.12 AAF-SfTd - Cenário 01 - Tempo Total de Simulação . . . 194

(21)

(22)

Introdução

A utilização de simulações nas diversas áreas do conhecimento humano, e em especial nas organizações, tem trazido inúmeros benefícios, tais como: a estimativa de resultados na execução de uma determinada ação, avaliação dos riscos associados com um determi-nado processo, a identificação de possíveis problemas antes mesmo de suas ocorrências [Canuto, Campos & Alchieri 2005][Sierhuis et al. 2000]. A simulação não é uma fer-ramenta de tomada de decisão mas sim uma ferfer-ramenta de apoio a decisão [Siebers & Aickelin 2008][Siebers & Clegg 2008a]. Os modelos baseados em reprodução da “rea-lidade organizacional” têm se tornado efetivos no estudo de comportamentos dentro dos ambientes organizacionais e também fora deles. O uso de tais modelos proporciona a re-dução dos riscos e custos no processo de tomada de decisão em sistemas administrativos, produtivos, econômicos, financeiros, atingindo, com isso, maior interesse da sociedade [Campos et al. 2003]. Para tanto, a simulação vem permitindo a reprodução das ações da “realidade” sob forma virtual e auto-dirigida, que enfatizem o conhecimento das inter-relações dos elementos dos sistemas.

O estudo da dinâmica das organizações humanas, através de modelos computacio-nais, tem feito grande uso do paradigma de agentes através da simulação multi-agentes [Wooldridge 2002]. Esse tipo particular de simulação tem mostrado ser uma importante ferramenta no estudo de sistemas complexos adaptativos e, em especial, em sistemas sociais [Gilbert & Buckingham 1999] e organizacionais [Prietula et al. 1998][Ilgen & Hulin 2000].

Não existe dúvida que as práticas gerenciais são decisivas para o desempenho de qual-quer organização independentemente do seu tipo. Porém, a maioria dos métodos de pes-quisa operacional [Hillier & Lieberman 2010] servem apenas para analisar as práticas gerenciais que já estejam implementadas. Frequentemente, eles são pouco úteis para especular sobre a possibilidade do que poderia acontecer em determinadas circunstân-cias especiais. A simulação pode ser usada para responder a esse tipo de especulação. Neste contexto, a simulação multi-agente é particularmente interessante, por permitir a expressão de interação complexa entre entidades do sistema. Essa interação é expressa no modelo de simulação, onde o processo de decisão dos atores envolvidos é definido no nível micro e o comportamento global emerge, no nível macro, do relacionamento dos agentes [Siebers & Clegg 2008a].

(23)

quantidade de dados e, ocasionalmente, isso deve ser feito considerando-se severas res-trições de tempo. Dessa forma, o processo de raciocínio de agentes de um sistema multi-agente implementado, por exemplo, para funcionar em um ambiente real, pode se tornar uma tarefa computacionalmente intensiva, devido à necessidade de manipular a grande quantidade de informações que caracterizam esse ambiente. Nessa situação, uma maneira mais eficiente de manipular essa quantidade de dados provenientes desse tipo de ambiente é bastante desejável.

Como uma ilustração, considere uma situação de emergência de um incêndio em um prédio repleto de pessoas, que tentam desesperadamente escapar do modo mais rápido e seguro para garantir a sobrevivência. Antes do incêndio, todas esses indivíduos estariam, supostamente, realizando as tarefas normais de trabalho, agindo e percebendo o ambi-ente visando atingir os objetivos com os quais estavam comprometidos. Quando uma situação perigosa é percebida (pelo cheiro de fumaça, ou pelo som do alarme de incên-dio), os objetivos desses indivíduos devem mudar e, como consequência, os elementos do ambiente que eram úteis para os objetivos anteriores se tornam dispensáveis. A partir desse instante, os processos de decisão dos indivíduos levam em consideração apenas os elementos importantes para garantir a própria sobrevivência, mesmo que os demais ele-mentos continuem a estar presentes dentro do campo de percepção deles. Os eleele-mentos considerados “não importantes” são automaticamente descartados, já que eles não são ne-cessários para alcançar o objetivo principal do momento que é sobreviver à situação. Esse processo de filtro, efetuado pela percepção dos indivíduos, é realizado inconscientemente pela maioria dos seres humanos.

Dado que esse mecanismo de filtragem da percepção dos seres humanos parece fun-cionar muito bem, seria interessante criar um modelo que pudesse imitá-lo. Dessa forma, os agentes poderiam decidir qual informação é ou não importante em relação à situa-ção vivenciada em um determinado momento. Além disso, quando o ambiente muda, o agente poderia contar com um processo de adaptação da sua percepção, para que ela se adequasse à nova situação em andamento. Por convenção, de agora em diante o processo de filtragem da percepção passa a ser denominado de foco de atenção do agente.

(24)

situação normal, como a descrita antes do incêndio começar, o agente estaria realizando um conjunto de comportamentos, cada um com o seu próprio foco de atenção. Esse con-junto de comportamentos teria sido construído pelo seu processo de planejamento, como sendo a melhor opção para ter sucesso nos objetivos com os quais o agente estivesse comprometido.

Com esse modelo de percepção, as simulações poderiam levar em conta ambientes muito mais descritivos, e permitiria que os agentes fossem mais eficientes no seus proces-sos de raciocínio e planejamento e também mais credíveis no contexto de uma simulação organizacional.

A arquitetura proposta nesse trabalho provê o agente com um mecanismo de plane-jamento baseado em comportamentos, onde cada comportamento é dotado de um foco de atenção, que implementa um processo de percepção que se ajusta dinamicamente [Signoretti et al. 2010]. O processo de ajuste dinâmico da percepção do agente é ins-pirado no modo em que os humanos analisam o ambiente repleto de eventos e objetos em que vivem. Seguindo essa inspiração, o foco de atenção fará com que o módulo de racio-cínio do agente trabalhe com um conjunto reduzido de percepções, contendo somente as informações mais importantes para o momento analisado. A proposta desse mecanismo é aumentar a eficiência do processo de raciocínio, reduzindo o tempo de execução, sem implicar em redução da precisão.

Normalmente, é fácil para os seres humanos identificar quais percepções devem ser focadas em um situação significativa [Hulse & Memon 2006]. Muitos estudos mos-tram que as emoções executam um importante papel nesse processo (por exemplo [Fox et al. 2001]). Uma vez que as emoções são elicitadas, elas influenciam as ações e os julgamentos em relação aos eventos que ocorreram previamente no ambiente [Marsella & Gratch 2009], afetando o relacionamento entre a pessoa e o seu ambiente [Smith & Lazarus 1990]. Sendo assim, como a arquitetura proposta se inspira na forma humana de percepção, um módulo afetivo é usado para ajustar dinamicamente o foco de atenção do agente.

Tendo em vista que as emoções são considerados elementos afetivos rápidos (apare-cem e desapare(apare-cem em um tempo relativamente curto) [Kasap et al. 2009], a arquitetura proposta faz uso de um componente afetivo baseado não só nas emoções, mas também no humor e na personalidade, considerados elementos afetivos mais estáveis [Gebhard et al. 2003][Gebhard et al. 2004]. Esse modelo afetivo considera os três tipos de elemen-tos afetivos, operando como ocorre nos humanos [Gebhard 2005][Kasap et al. 2009], ou seja:

1. As emoções, como um elemento afetivo rápido, consequência de even-tos ambientais e que decai com um tempo que é função do perfil de personalidade;

2. O humor, como um elemento afetivo de média duração, cuja duração é normalmente maior do que as emoções e não está ligado a nenhum evento ambiental específico;

(25)

1.1 Motivação

Os seres humanos possuem alguns comportamentos que, computacionalmente, são complicadas de obter. Vivemos em um ambiente que é repleto de informações que mu-dam de forma muito dinâmica mas, mesmo assim, somos capazes de perceber suaves mudanças de determinados aspectos no meio de uma infinidade de outros, muitas vezes através do que é denominado de "sexto sentido". Isso sugere algumas perguntas interes-santes como: como conseguimos nos focar em um determinado objetivo em detrimento de outros, mesmo no meio de uma quantidade enorme de informações que nossos senti-dos são capazes de perceber? Ou, como nossa memória funciona, quando nos lembramos de algo de um passado distante ao escutarmos uma música ou termos um vislumbre de uma imagem diante dos nossos olhos? Ou ainda, como, no nosso processo de raciocínio, conseguimos associar situações passadas (nossa "experiência") a fenômenos presentes, que são apenas parcialmente parecidos com o que foi realmente vivenciado no passado? Apesar das respostas ainda não serem um consenso, os seres humanos são muito eficien-tes em lidar com o problema de decidir, em um determinado contexto, o que é importante e o que não é, em um dado instante de tempo, na busca por uma solução adequada que seja aplicável às condições vigentes.

A motivação deste trabalho é usar, como inspiração, as ferramentas humanas de per-cepção, na criação de um modelo computacional de percepção. Este modelo deve ser genérico o suficiente para para ser usado na maioria das arquiteturas atuais de agentes inteligentes. Para entender esse modelo, é necessário compreender as várias partes que o constituem, ou seja: o ambiente, o processo de percepção das informações desse ambi-ente, o processo de raciocínio e planejamento do agente e a afetividade.

Além das partes do modelo, é necessário considerar que as tarefas que os seres huma-nos realizam automaticamente, quando associam o processo de cognição com o processo de raciocínio e planejamento, são influenciados, segundo pesquisadores como Damasio [Damasio 1995], pela emoção e pelos sentimentos. Ou seja, não existe um processo de in-teligência racional dissociado das emoções e dos sentimentos. Dessa forma, é imperativo que os processos emocionais estejam presentes no modelo.

1.1.1 O Ambiente

(26)

Mesmo considerando um modelo simplificado, um ambiente real continua sendo com-plexo. Em determinadas circunstâncias é muito dinâmico, apresenta muitos ruídos, e, por possuir múltiplos aspectos, demanda atenção simultânea a várias necessidades e preocu-pações por parte dos “seres” que nele estarão inseridos. Neste contexto, não é possível esperar que um processo de decisão possa ser baseado na totalidade do conhecimento disponível sobre o ambiente. Segundo Russell [Russell & Norvig 2009], um ambiente, simulado como o mundo real, pode ser descrito através de algumas características como:

• Observável: um ambiente pode ser parcialmente observável devido a

ruído, sensores não acurados ou porque, simplesmente, parte do estado do ambiente está faltando. No mundo real os sensores não podem de-tectar todas as informações para municiar um processo de tomada de decisão;

• Não-determinístico: Se o próximo estado do ambiente é completamente determinado pelo estado atual e pelas ações executadas pelos indivíduos que nele estão inseridos, então podemos dizer que o ambiente é deter-minístico, ou seja, previsível. Este, obviamente, não é o caso do mundo real, onde não se pode prever o futuro, logo, o ambiente em questão é não-determinístico;

• Não-episódico: em um ambiente episódico, a experiência dos indiví-duos inseridos nele é dividida em episódios atômicos. Cada episódio consiste da percepção do indivíduo e da realização de uma única ação. O próximo episódio não depende de ações realizadas em episódios an-teriores. O mundo real é evidentemente sequencial, ou seja, as decisões atuais podem influenciar todas as decisões futuras;

• Dinâmico: o mundo real está sempre mudando, mesmo que os indiví-duos não executem nenhuma ação sobre ele. O ambiente pode mudar, inclusive, enquanto o indivíduo delibera sobre qual ação tomar;

• Contínuo: em um mundo real, todos os parâmetros variam de forma contínua no tempo, não há elementos discretos.

Ou seja, o ambiente real é: parcialmente observável, não-determinístico, não-episódico, dinâmico e contínuo.

Caso se considere um ser humano em seu ambiente natural, junto com a infinidade de informações necessárias para descrever (modelar) este ambiente, podem-se identificar várias perguntas difíceis de responder, tais como:

1. Como se processam as decisões necessárias à vida cotidiana?

2. Ao tomar uma decisão sobre a sua rotina são consideradas todas as in-formações existentes e todas as possíveis consequências associadas a cada uma delas?

3. O que define o contexto no qual uma decisão é considerada racional?

(27)

em um dado contexto? O primeiro ponto a considerar na busca desta resposta é o fato de que os agentes participantes serão definitivamente limitados. Limitados em energia, em tempo disponível para a conclusão de suas atividades, em condições mecânicas, em po-der computacional, entre outros. Se há um fator limitante, obriga-se a existência de um processo de racionalização do uso dos recursos existentes.

Em seu livro Descartes’ Error - Emotion, reason, and the human brain [Damasio 1995], Antonio Damásio procura descrever a influência da emoção e dos sentimentos nos processos de inteligência racional. Ele trata da conexão entre a emoção e os processos de decisão e planejamento. Segundo ele, a emoção não somente ajuda o processo de decisão, mas a sua falta pode transformar muitos desses processos em situações não factíveis. A emoção tem um papel decisivo que permite aos humanos lidar com a complexidade do mundo real. As emoções aceleram os processos cognitivos, criando certos tipos de “atalhos” para o processo deliberativo em determinadas situações. A falta destes “atalhos” parece deixar os humanos incapazes de lidar com a complexidade habitual do mundo em um período de tempo aceitável. Ou seja, as emoções funcionam como um mecanismo mediador entre a capacidade cognitiva e o ambiente externo.

Na atualidade, muitos trabalhos tem sido inspirados na estrutura do cérebro humano, na tentativa de reproduzir o modo em que as decisões são tomadas, os problemas são resolvidos e como um planejamento de ações encadeadas é definido. Porém, somente nos tempos mais recentes é que apareceram trabalhos em que estão incluídos aspectos como emoções, humor e personalidade. Exceções são trabalhos como o de Herbert Si-mon [SiSi-mon 1967] e Aaron Sloman [Sloman & Croucher 1981], que hoje servem como inspiração de muitos outros.

Várias são as razões que explicam a falta de interesse na emoção, personalidade e estado de humor. Primeiramente, pode-se citar o fato comum de considerar as emoções como algo que “atrapalha” o processo de raciocínio, especialmente a sua “clareza”. Ou seja, a noção de que emoção e razão estão de lados opostos. Uma segunda razão é o fato de que não se sabe o bastante sobre esses conceitos para a construção de um modelo completo [Damasio 1995][Morgado 2006][Sarmento 2004].

Entretanto, emoções, personalidade e humor são aceitos atualmente como elementos presentes em todo o ciclo cognitivo de um indivíduo, e isso inclui o processo de percepção e tomada de decisão. Desta forma, não há como desprezar o uso destes conceitos na construção de um agente desoftware, cuja a percepção seja inspirada em um processo humano e atue como ferramenta de auxílio para lidar com ambientes e/ou problemas complexos.

1.1.2 A Percepção

(28)

Esse subconjunto reflete o que o foco de atenção decidiu ser suficiente e necessário para ser percebido.

Presta-se atenção naquilo que emociona ou naquilo que repercute de alguma forma, positivamente ou negativamente, na realização dos objetivos atuais. Aspectos emocio-nais são, portanto, importantes na elaboração de modelos computacioemocio-nais que definam o foco de atenção de um agente. Se esse modelo pretende ser genérico o suficiente para ser capaz de modelar diferentes indivíduos, faz-se igualmente necessário que a natureza do indivíduo seja levada em conta. Há pessoas detalhistas, que conseguem perceber minú-cias e diferenças sutis, provavelmente não notadas por outras pessoas. Há também pessoas que conseguem ter uma visão de conjunto mais rica que outras, visualizando melhor as relações entre diferentes percepções. Em outras palavras, assim como as emoções, ca-racterísticas individuais, ou de personalidade, precisam ser igualmente levadas em conta na elaboração de um modelo perceptivo [Morgado 2006] [da Silva 2009] [Ortony 2003] [Campos et al. 2009b] [Campos et al. 2009a] [Campos et al. 2008] [Silverman, Johns, Cornwell & O’Brien 2006] [Silverman, Bharathy, Cornwell & O’Brien 2006] [Kasap et al. 2009].

Além da percepção, o processo de tomada de decisão pode sofrer o mesmo tipo de influência das emoções e da personalidade de um indivíduo [Damasio 1995]. Ou seja, a parte afetiva influencia o que se percebe do mundo e, também, como se raciocina sobre essas informações. Em resumo, pessoas afetivamente distintas percebem e raciocinam de formas distintas. O que para um indivíduo de perfil neurótico é considerado uma catás-trofe, pode ser percebido como uma oportunidade por um indivíduo cujo perfil seja mais aberto a novidades. Vários trabalhos sobre agentes computacionais já foram desenvolvi-dos com esse intuito, porém em nenhum, de nosso conhecimento, aborda-se um foco de atenção como o proposto neste trabalho.

Um indivíduo, através de seu processo de percepção, busca no ambiente os elementos que fornecem informações sobre esse ambiente como um todo. Esses elementos são, por convenção, denominados elementos perceptivos.

Diante de todos os elementos perceptivos presentes no ambiente, o indivíduo deve, de alguma forma, racionalizar a quantidade e a qualidade de elementos percebidos, priori-zando os elementos que são mais importantes em relação aos seus objetivos, sejam eles imediatos ou de mais longo prazo. A quantidade de elementos percebidos estabelece, de-pendendo da situação, o maior ou menor detalhamento que o foco de atenção tem sobre o ambiente. Como mencionado anteriormente, a quantidade de informação considerada (o nível de detalhe com que o agente percebe o ambiente) é também função da necessidades do comportamento que o agente está executando [Bajcsy 1988]. Por exemplo, para um agente que dirige um automóvel, o nível de detalhe sobre a posição de outros automóveis e obstáculos necessita ser mais precisa do que para o agente que está como passageiro [Campos et al. 2009b] [Campos et al. 2009a].

1.1.3 O Processo de Raciocínio e Planejamento

(29)

uma determinada configuração deste ambiente. A cada ação executada, um conjunto de variáveis do ambiente será afetada, transformando o estado atual, fazendo com que esse evolua em uma determinada direção. Em um ambiente onde existem vários indivíduos, o ambiente será afetado pelas ações de todos eles. Então, um indivíduo em particular, precisa saber o efeito que suas próprias ações causam e também constantemente verificar o estado do ambiente, para avaliar o que pode ter sido modificado pela ação dos outros. Na arquitetura proposta, o raciocínio e o planejamento de qual será a próxima ação a ser executada serão feitos, portanto, com base no estado atual do ambiente, no estado futuro desejado e nas condições de emoção e humor em que se encontra o indivíduo durante esse processo, levando-se em conta também o seu perfil de personalidade.

As condições de tomada de decisão e, por conseguinte, o raciocínio e o planejamento podem ser formadas por estados internos ou por estados emocionais, capacidades físicas, atitudes, humor, personalidade, objetivos, ou ainda por estados externos, que constituem as percepções do mundo [da Silva 2009].

Vários trabalhos focam no uso da personalidade em agentes [Campos et al. 2006] [Canuto et al. 2005], porém a maioria utiliza a personalidade em mecanismos baseados em valência. Esta é uma abordagem quantitativa, onde o processo de decisão do agente é controlado pela influência (quantitativa) do seu perfil de personalidade em relação a uma situação específica. Apesar de funcional, esta abordagem utiliza funções que dependem do tipo de situação a ser tratada pelo agente, ou seja, ela é dependente do contexto. Neste caso, a solução não é flexível para ser aplicada a diferentes contextos, pois para cada nova situação, as funções que calculam as valências deveriam ser reajustadas. Desse modo, para valorizar a generalidade precisa-se utilizar o perfil de personalidade como um mecanismo qualitativo sobre o processo de decisão [Campos et al. 2009b][Campos et al. 2008].

O processo de raciocínio utiliza o conjunto dos elementos perceptivos produzido pela percepção, além dos dados que fazem parte do conhecimento próprio do indivíduo. A partir destes dados, este processo considera os planos e ações cujas consequências sejam mais propícias às prioridades do indivíduo dentro de um determinado contexto e segundo o padrão de comportamento que atualmente está em execução. Além da prioridade que é dada aos planos cujas consequências são alinhadas com as prioridades, existe o fator relativo ao tempo disponível para que o raciocínio e o planejamento sejam concluídos. Em ambientes que representam a realidade, não é factível considerar uma disponibilidade de tempo ilimitada, para que uma solução ótima seja encontrada, para cada situação que se apresenta. Neste aspecto, todo o processo é limitado pelo fator tempo. Ao fim de um dado intervalo de tempo, deve ser escolhida a melhor opção até aquele momento.

1.1.4 A Afetividade

(30)

alegria e medo, sejam diferentes (fenômenos positivos decaem mais rapidamente do que os negativos [Kessler et al. 2008]). De uma forma geral, as emoções são consideradas breves no tempo. Já os fenômenos do humor, como ser ranzinza ou estar de "bom hu-mor", costumam ser fenômenos mais estáveis do que as emoções, durando mais tempo, de algumas horas até dias. Já a personalidade é algo tido, na maioria das pesquisas, como um fenômeno estável e com pouca tendência a mudar ao longo do tempo de vida adulta [Wilson 1999][Wilson 2000] [Kessler et al. 2008][da Silva 2009].

Pesquisas das últimas décadas, em especial as de António Damásio [Damasio 1995], têm revelado a importância das emoções e dos fenômenos mais duráveis (humor e perso-nalidade) nos processos cognitivos dos humanos. Desta forma, modelos computacionais destes fenômenos também são importantes.

Além da importância para os processos cognitivos, Damásio reforça a importância destes fenômenos nos mecanismos neurológicos, que criam fortes marcas em comporta-mentos avaliados como adequados ou não em um determinado contexto vivido [da Silva 2009]. Outro ponto a considerar é que a indexação dessas marcas na memória não de-manda um processo de raciocínio consciente [da Silva 2009] [Oliveira & Sarmento 2002]. Sendo assim, essas marcas relativas às emoções, humor e personalidade são consideradas em todos os ítens armazenados na memória e poderão ser utilizadas quando estes ítens fizerem parte do processo de raciocínio e planejamento.

1.1.5 A Hipótese de Pesquisa

Considerando os aspectos discutidos anteriormente, pode-se concluir que: os seres humanos vivem em um ambiente altamente complexo, caracterizado por ser não total-mente observável, não determinístico, não episódico, dinâmico e contínuo. A quantidade de variáveis que define este ambiente é extremamente elevada e, muitas vezes, com uma dinâmica rápida e complexa. Ou seja, a tarefa de um ser humano em sobreviver em seu ambiente, e ainda atingir os seus objetivos é matematicamente não trivial. Porém, o ser humano, apesar de suas limitações e fragilidades, parece lidar muito bem com este tipo de complexidade.

Segundo as pesquisas citadas anteriormente, a nossa cognição, percepção, foco de atenção, e processo de raciocínio são fortemente influenciados pelo que foi denominado de temperamento ou afetividade, ou seja, pelas emoções, humor e perfil de personalidade. Considerando que os seres humanos se saem bem em ambientes complexos e dinâmicos com este aparato cognitivo, a ideia é propor um modelo computacional baseado em afeti-vidade, para implementar o foco de atenção em agentes inteligentes, visando melhorar a eficiência dos seus processos de raciocínio e planejamento.

(31)

1.2 Inspiração: Comitês Classificadores com Filtro para

Seleção de Atributos

A inspiração inicial para o projeto da arquitetura proposta neste trabalho foi baseado em trabalhos anteriores com comitês classificadores [Santana 2008a]. Com o desenvol-vimento das pesquisas com comitês de classificadores e a verificação de que esse tipo de modelo possui melhor desempenho que os modelos individuais, dado que os classifica-dores base sejam diversos, surge uma nova aplicação junto às pesquisas com seleção de atributos, que é a de encontrar subconjuntos diversos de atributos para a construção dos classificadores base de comitês de classificadores [Santana 2008a].

A busca de um subconjunto de dados que seja suficientemente representativo da amos-tra original, permitindo a diminuição da dimensionalidade do conjunto, sem que haja perda do desempenho do modelo de análise, é um dos objetivos básicos da seleção de atributos utilizada em diversas áreas como: mineração de dados, aprendizado de máquina, computação gráfica, visão computacional, reconhecimento de padrões, entre outros. San-tana [SanSan-tana 2008][SanSan-tana 2008a][SanSan-tana 2012] defende a idéia de usar um filtro para que somente os dados significativos sejam selecionados, para que o esforço computacio-nal de análise desses dados seja reduzido, porém sem perda de precisão. Nesse aspecto, o esforço computacional para a execução da filtragem deve ser compensado pela redução no tempo da análise. Essa mesma idéia define o objetivo deste trabalho, ao se aplicar uma camada desoftwarepara filtrar as percepções do agente, de forma a aumentar a eficiência do agente como um todo.

A generalização dessa idéia no conceito de uma arquitetura de foco de atenção para agentes é discutida no Capítulo 4 (Seção 4.2), através do uso de um foco qualitativo para qualificar a informação segundo seu nível de importância, e de um foco quantitativo, responsável por quantificar a informação a ser disponibilizada.

Seguindo por esse caminho, um outro algoritmo de filtro para uso em sistemas de multiclassificadores é proposto em [K. Vale & Souto 2008] e aprimorado em [Anne M.P. Canuto 2012]. O filtro tem a função de melhorar a diversidade, que é conside-rada um dos aspectos principais no projeto desses sistemas. Como meio de aumentar a diversidade, são fornecidos diferentes conjuntos de dados (padrões e/ou atributos) para os classificadores individuais. O mecanismo ReinSel [Anne M.P. Canuto 2012] tem a função de escolher somente os atributos que são importantes para determinada classe de problemas, baseando-se num processo de reforço.

(32)

1.3 Justificativa

O desenvolvimento de uma arquitetura de agentes baseada em comportamentos com foco de atenção, se justifica através de pelo menos três potenciais aplicações:

1. A criação de agentes para atuar em simuladores organizacionais base-ados em sistemas multiagente. Nessa situação, a utilização de agentes baseados em comportamentos, cuja percepção utiliza um processo de foco de atenção como o proposto, permitirá tratar mais eficientemente a grande quantidade de informações que precisam ser percebidas para que os agentes tenham um comportamento mais credível;

• Sistemas de simulação baseados em sistemas multiagentes são lar-gamente usados em simulação de organizações humanas [Canuto et al. 2005] [Canuto et al. 2006] [Campos et al. 2005] [Campos et al. 2006] [Canuto, Campos & Alchieri 2005], sob os mais diver-sos aspectos e objetivos.

• Sistemas de simulação baseados em sistemas multiagentes podem

ser usados como jogos sérios [Johannes S. Breuer 2010] [Campos et al. 2003] [Campos et al. 2003] que, utilizando de atributos lú-dicos, podem ser utilizados em um processo avaliativo [Campos, Canuto, Tedesco & Alchieri 2006] ou em processos de treinamento [Canuto et al. 2004].

2. A criação de uma arquitetura de agente para uso no desenvolvimento de atores sintéticos (AS) [da Silva 2009];

• “Os atores sintéticos (AS) são agentes inteligentes com caracterís-ticas especiais, como atitudes, emoções e personalidade e que estão envolvidos em ambientes multimídia ou virtuais representados por avatares” [da Silva 2009]. A arquitetura de agentes inteligentes do-tados de foco de atenção proposto neste trabalho visa fornecer uma arquitetura de agente mais eficiente para a criação de AS que este-jam envolvidos em ambientes dinâmicos, com restrições sérias de tempo e sobrecarga de informações. O presente trabalho propõe uma arquitetura de agente (parte interna do AS), e não pretende es-tender os estudos à interface homem-máquina (avatar) para o AS. 3. A criação de uma arquitetura de agente que possa usar a mesma

estru-tura de raciocínio para diferentes contextos de aplicação.

• Agentes inteligentes resolvedores de problemas devem ter a

(33)

1.4 Objetivo

O objetivo do presente trabalho é desenvolver uma arquitetura de agentes inteligentes baseada em comportamentos dotados de foco de atenção. O foco de atenção desenvol-vido faz uso de modelos de emoções [Ortony et al. 1990], humor [Mehrabian 1996b] e personalidade [McRae & Costa 1996][McCrae & Costa 1989][Zeisset 2006], os quais implementam o módulo afetivo do agente.

O processo de focalização presente em cada comportamento faz uso do módulo afe-tivo para implementar um processo de redução do conjunto de informações disponíveis para a percepção do agente. O novo conjunto de informações criado contém apenas as informações mais importantes para o contexto da ocasião. Isso significa uma abordagem tanto qualitativa quanto quantitativa sobre o conjunto de elementos perceptíveis.

O módulo afetivo permite que o processo de foco de atenção possa ser dinâmico no decorrer da atividade do agente. Dessa forma, o foco de atenção se ajusta de acordo com as mudanças ocorridas no ambiente.

1.4.1 O Foco de Atenção do Agente

O foco do agente tem que lidar com dois aspectos particulares do conjunto de elemen-tos de informação que estão disponíveis no ambiente. O primeiro se refere à definição de quais são os ítens que interessam ao agente naquele momento específico, e em que ordem de prioridade esses ítens de interesse devem estar dispostos. O segundo aspecto, se refere à quantidade de elementos perceptivos que o agente pode ou deseja utilizar no seu processo de raciocínio.

Observando os dois aspectos citados, conclui-se que o primeiro aborda a situação do ponto de vista qualitativo e o segundo do ponto de vista quantitativo. O problema qualitativo é tratado pelo foco qualitativo e o quantitativo pelo foco quantitativo do agente. O foco qualitativo se preocupa com o “o quê” o agente irá priorizar em seu processo de percepção. Não só é estabelecido o que é importante, mas também o quanto cada item é importante, criando-se assim, uma ordem de prioridade. O foco quantitativo por sua vez, se refere à quantidade de informação que o agente consegue perceber em um determinado instante de tempo. O resultado é um subconjunto de tudo aquilo que seu foco qualitativo define como importante e na quantidade definida pelo foco quantitativo. O fator tempo está associado indiretamente à quantidade de informação que o agente vai processar ao efetuar a percepção. Quanto mais elementos perceptíveis para processar, mais tempo deve ser despendido na tarefa de análise das informações provenientes de cada elemento percebido, bem como, mais variáveis terão que ser consideradas no processo de raciocínio e planejamento. Desta forma, em situações de tempo restrito ou de urgência, a percepção deve se concentrar apenas nos elementos perceptíveis que sejam essenciais para a tomada de decisão em relação àquele momento. A Figura 1.1 mostra esquematicamente o relacionamento entre o foco qualitativo e o foco quantitativo do agente.

(34)

Figura 1.1: Relacionamento entre o Foco Espacial e o Foco Temporal.

sobre as suas opções seguindo as suas preferências. Isso torna o processo de raciocínio e planejamento não só mais realístico mas também mais flexível, pois se torna independente do contexto [Campos et al. 2009b] [Campos et al. 2009a].

1.4.2 O Módulo Afetivo do Agente

A cada ciclo de percepção do agente novas informações são recebidas pelos sensores do agente. Estas informações, depois de analisadas, poderão se tornar fatos que precisam ser armazenados na base de crenças deste agente sobre o estado do ambiente que o rodeia. Cada uma destas crenças (fatos), ao ser percebida, provoca o aparecimento de emoções que podem alterar o estado emocional e, por conseguinte, o estado de humor do agente.

As variações no estado emocional e no estado de humor são usadas para adequar a importância que o agente dá a determinados tipos de informação, alterando o foco qua-litativo de agente. Além disso, as variações do estado afetivo são também usadas para atualizar a quantidade de informações que serão manipuladas a cada ciclo de percepção, ou seja, para ajustar o foco quantitativo do agente. As variações sobre o estado emocional e de humor são moduladas pelo perfil de personalidade do agente.

Além das crenças obtidas através da percepção, a base de crenças armazena dados so-bre o que se conhece como fatores cognitivos sociais [Romano et al. 2005]. Dentre outras, são armazenadas informações sobre a percepção própria do agente (o que ele conhece so-bre si mesmo) [Morgado 2006] [Sarmento 2004] e os padrões (do inglês standards) do que o agente acha certo ou errado.

1.5 Contribuições da Pesquisa

As contribuições deste trabalho podem ser descritas como segue:

(35)

2. Proposta de uma arquitetura de agentes baseada em comportamentos; 3. Proposta de uso conjunto dos modelos de humor (PAD), emoções (OCC)

e personalidade (OCEAN) em um mecanismo de atualização do foco espacial e temporal dos agentes;

4. Proposta de desenvolvimento de umframeworkpara criação de simula-ções multiagentes.

1.6 Estrutura da Tese

(36)

Conceitos Básicos

Este capítulo apresenta uma série de conceitos básicos necessários ao entendimento da arquitetura proposta neste trabalho. São abordados conceitos relativos a agentes inteli-gentes, sistemas multiainteli-gentes, simulação computacional (com ênfase à simulação baseada em agentes) e à afetividade humana.

2.1 Agentes Inteligentes e Sistemas Multiagentes

Nesta seção, os conceitos relacionados a sistemas multiagentes são descritos, tanto do ponto de vista individual (agentes inteligentes) quanto do ponto de vista de uma comuni-dade de agentes (sistemas multi-agentes)

2.1.1 Agentes Inteligentes

Antes de apresentar o conceito de agentes inteligentes é interessante introduzir o con-ceito de agentes. Agente é aquele que age, é qualquer entidade que é origem de um fenômeno ou de um processo. Um agente é capaz de perceber o ambiente no qual está inserido e agir sobre ele [Wooldridge 2002][Russell & Norvig 2009].

O termo agente é aplicado em várias áreas do conhecimento. Em computação, esse termo pode ser usado para designar um agente de software ou um agente inteligente. Agentes desoftwaresão entidades que executam um conjunto de operações que lhes fo-ram incumbidas por um usuário ou outro progfo-rama [Wooldridge 2002].

Agentes inteligentes, por sua vez, são entidades reais ou virtuais, que possuem objeti-vos e, para atingi-los, devem ser capazes de comunicar-se com outros agentes inteligentes e de interagir com o ambiente no qual estão inseridos. O agente deve possuir capacida-des e oferecer serviços, e tende a atingir seus objetivos utilizando suas competências e os recursos oferecidos pelo sistema, incluindo os demais agentes inteligentes. Na subseção seguinte são apresentadas as principais características de um agente inteligente [Bordini et al. 2007] [Fabio Bellifemine & Greenwood 2007] [Padgham & Winikoff 2004].

2.1.1.1 Características dos Agentes Inteligentes

(37)

• Reatividade: Capacidade de reagir às mudanças do ambiente a partir de

um contexto conhecido;

• Proatividade: Capacidade de tomar iniciativas para atingir seus

objeti-vos;

• Habilidade Social: Capacidade de interagir com outros agentes.

• Autonomia: Capacidade de tomar decisões e operar no ambiente sem

intervenção de outro agente (geralmente humanos);

• Adaptabilidade: Capacidade do agente de adaptar seu processo de deci-são frente a situações desconhecidas.

Pode-se verificar pela lista acima, que as características de um agente são um conjunto de capacidades que se pode esperar dele. Essas capacidades auxiliarão o agente a atingir seus objetivos.

2.1.1.2 Uma Taxonomia para Agentes Inteligentes

A forma de classificação mais enfatizada na literatura é a representação interna do agente, que determina o agente como sendo cognitivo ou reativo [Wooldridge 2002] [Franklin & Graesser 1997]. O agente pode ser classificado também como híbrido, quando une características cognitivas e reativas.

O agente cognitivo contém um modelo de representação interna do ambiente e dos outros agentes baseado em estados mentais. Pode manter um histórico das interações e ações passadas e, devido a essa memória, são capazes de planejar suas ações futuras. Existem algumas formas de se modelar um agente cognitivo, as duas mais usadas na literatura são: Modelagem de agentes cognitivos baseados em lógica e Modelagem de agentes cognitivos com crenças, desejos e intenções.

No primeiro tipo citado, os estados internos do agente são determinados através de fórmulas lógicas. Seu comportamento baseia-se em regras de dedução e histórico de ações passadas. Os agentes baseados nesse modelo possuem uma base de conhecimento formada por:

• Sentenças que representam as percepções do agente sobre o ambiente e

os outros agentes;

• Sentenças válidas implicadas a partir das sentenças das percepções;

• Regras de inferência utilizadas para implicar novas sentenças a partir

das sentenças existentes.

Esse modelo de agente pode ser exemplificado pela Figura 2.1, que ilustra um agente robô aspirador de pó. Esse agente pode executar as ações: ir para frente, virar e aspirar. O agente decide por uma ação, a partir de regras de dedução baseadas nos predicados: Em(x,y),Sujeira(x,y)eFaça(a), ondexeyindicam o posicionamento do robô no ambiente eaindica a ação a ser tomada. Um exemplo de regra de dedução que pode ser aplicada a este exemplo é:

(38)

Figura 2.1: Robô Aspirador [Wooldridge 2002].

Já o segundo tipo de agente cognitivo, agentes BDI (Beliefs, Desires and Intentions), é baseado na teoria do raciocínio prático humano, desenvolvida, pelo filósofo Michael Bratman [Bratman 1965] [Bordini et al. 2007][Georgeff et al. 1998] e consiste de três atitudes mentais básicas:

• Crenças (Beliefs): representam o que se sabe sobre o estado do ambiente

e dos outros agentes do sistema;

• Desejos (Desires): ações que devem ser executadas pelos agentes para alcançar seus objetivos;

• Intenções (Intention): objetivos, algo que o agente quer alcançar.

O processo deliberativo do agente BDI consiste em formar novos desejos (subobje-tivos) com base nas crenças, desejos e intenções atuais, como passo para obtenção do objetivo final do agente. Normalmente, esse processo é formado por duas etapas: geração de opções e filtragem. A primeira etapa consiste na escolha de um conjunto de opções (desejos) levando em conta as crenças e intenções atuais, enquanto a filtragem tem como objetivo escolher a melhor alternativa gerada pela etapa anterior.

Os agentes reativos, por sua vez, são baseados em modelos de organização biológica ou etológica (formigas, cupins, abelhas, etc.). O modelo de funcionamento de um agente reativo é formado por um par estímulo-resposta (ação-reação). Nesse modelo não há representação explícita do conhecimento e não há histórico das ações passadas. A forma de organização de um sistema reativo é semelhante à observada por animais que vivem em grandes comunidades e baseia-se na hipótese de que o comportamento inteligente é resultado da interação do agente com o ambiente [Alexander S. Klyubin 2004].

Um modelo de agente reativo pode ser definido usando a arquitetura subsumption [Brooks 1986], apresentada na Figura 2.2. Essa arquitetura determina uma hierarquia de comportamentos direcionada à realização de tarefas. Cada comportamento possui uma estrutura simples baseada em regras (Se “situação” então “ação”).

A hierarquia define as prioridades dos comportamentos, onde as camadas mais baixas representam comportamentos mais instintivos e tem prioridade de ação maior.