AGENTES INTELIGENTES. Cedric Luiz de Carvalho

(1)

INTELIGENTES

(2)

Introdução

Envolvem estudos em várias áreas:

Envolvem estudos em várias áreas: Psicologia Psicologia Sociologia Sociologia Filosofia Filosofia

Ciência da Computação: Inteligência

Artifical

(3)

Críticas

“

“Qualquer coisa que possa ser feita com Qualquer coisa que possa ser feita com agentes (...) também pode ser feita em

agentes (...) também pode ser feita em

C”.

Outras áreas da IA não obtiveram o

sucesso esperado (SE, RN). O novo

paradigma seria uma “válvula de

escape”.

(4)

Críticas

Tudo com o rótulo

Tudo com o rótulo agenteagente vende. vende. Alguns

Alguns softwaressoftwares no mercado têm uma no mercado têm uma arquitetura nem complexa nem

arquitetura nem complexa nem

sofisticada - por quê então

(5)

Defesa

Arquiteturas multi-agentes se distinguem

por oferecer soluções razoáveis a custo

aceitável para certa classe de

problemas.

(6)

Defesa

Os agentes tornam possível superar as

diferenças entre os diversos tipos de

redes e plataformas.

Os agentes podem tratar melhor os

problemas em ambientes distribuídos.

(7)

Conceito

“

“Um agente inteligente é um software Um agente inteligente é um software que ajuda as pessoas, agindo no seu

que ajuda as pessoas, agindo no seu

lugar”-

(8)

Tarefas dos Agentes

Automatizar ações repetitivas;

Analisar dados;

Organizar dados de maneira inteligente;

Fazer sugestões; Fazer sugestões; Relembrar coisas; Relembrar coisas; etc. etc.

(9)

Propriedades Gerais

Autonomia. Autonomia. Habilidade social. Habilidade social. Reatividade. Reatividade. Iniciativa. Iniciativa. Continuidade temporal. Continuidade temporal. Orientação a Objetos. Orientação a Objetos.

(10)

Propriedades Específicas

Mobilidade. Mobilidade. Benevolência. Benevolência. Racionalidade. Racionalidade. Adaptabilidade. Adaptabilidade. Colaboração. Colaboração.

(11)

Objetos - POO

Objetos:

Porções do mundo real.

Caracterizados por um

Caracterizados por um estadoestado e um e um

comportamento

comportamento..

Interação: passagem de parâmetros.

Estrutura interna: oculta aos demais objetos.

Métodos: procedimentos para tratar

mensagens. Ex.: um “cão” pode “latir” quando

(12)

Agentes - POA

Lida com objetos e agentes.

Agentes: meta-objetos (caracterizados

por estado e comportamento).

(13)

Agentes - POA

Agentes:

Possuem metas pré-definidas e orientam

seu trabalho para satisfazê-las.

Conseguem sintetizar planos para lidar com

situações não previstas originalmente.

Podem aprender com a experiência.

(14)

Princípios básicos da POO

Encapsulamento: estruturas de dados

ocultas.

Herança: reutilização de código.

Polimorfismo: correspondência dinâmica

entre métodos e mensagens recebidas.

(15)

Princípios Básicos da POA

Execução orientada a metas.

Gerenciamento transparente dos objetos

do domínio.

(16)

Agência e Inteligência

Agência: autonomia e autoridade do

agente.

(17)

Agência e Inteligência

Inteligência de um agente: Inteligência de um agente: grau de raciocínio; grau de raciocínio;

capacidade de aprender padrões de

comportamento;

capacidade de aceitar declarações do

usuário;

capacidade de executar tarefas que lhe são

delegadas.

(18)

Aplicações

Aplicações atuais: na maioria são de

natureza experimental e de

fundamentação

(19)

Exemplos

Agentes que automatizam caixas de

correio eletrônico (total ou parcialmente).

Agentes que pesquisam ou filtram listas

de discussão.

Agentes que agendam, registram e

executam o

executam o flow-upflow-up de reuniões ou de reuniões ou conferências

(20)

Outras Aplicações

Gerenciamento de Sistema de Redes;

Acesso e gerenciamento móvel;

Acesso e gerenciamento de informação;

Colaboração: infra-estrutura para

compartilhamento de recursos e

gerenciamento de equipes e produtos de

seu trabalho.

(21)

Outras Aplicações

Gerenciamento administrativo; Gerenciamento administrativo; Comércio eletrônico; Comércio eletrônico; Interfaces inteligentes. Interfaces inteligentes.

(22)

Agentes

Entidade: Entidade: com metas; com metas; com ações; com ações;

com domínio do conhecimento;

situado em um ambiente.

(23)

Sistemas Multiagentes

Subcampo da IA

Princípios para a construção de sistemas

complexos envolvendo múltiplos agentes.

Mecanismos de coordenação do

comportamento dos agentes independentes.

(24)

Taxonomia

Computação

Distribuída Inteligência_Artificial

Resolução

(25)

Taxonomia

Computação distribuída:

Vários processos compartilham dados, mas

não controle.

Foco: paralelização de baixo nível ou

sincronização.

(26)

Taxonomia

IA Distribuída: IA Distribuída: Controle inteligente; Controle inteligente; Dados distribuídos. Dados distribuídos.

Foco: resolução de problemas,

comunicação e coordenação.

(27)

Taxonomia

Resolução distribuída de problemas:

Resolução distribuída de problemas: Decomposição de tarefas; Decomposição de tarefas; Síntese da solução; Síntese da solução; Gerenciamento da informação. Gerenciamento da informação.

(28)

Taxonomia

Sistema Multiagentes: Sistema Multiagentes: Coordenação de comportamento; ou Coordenação de comportamento; ou Coordenação de gerenciamento. Coordenação de gerenciamento.

(29)

Taxonomia dos MAS

C omu ni ca çã o Heterogêneo, com comunicação. Heterogêneo, sem comunicação. Centralizado (único agente) Aumento da Complexidade Poder e Centralização.

(30)

Taxonomia dos MAS

Agentes Homogêneos e não

comunicantes

Reativos / deliberativos.

Perspectiva local / global.

Modelagem dos estados dos outros

agentes.

(31)

Taxonomia dos MAS

Agentes Heterogêneos e não

comunicantes comunicantes Benevolência / competitividade. Benevolência / competitividade. Estáticos / evolutivos. Estáticos / evolutivos.

Modelagem das metas, ações e

conhecimento dos outros agentes.

Gerenciamento de recursos – ações

interdependentes.

Convenções sociais.

(32)

Taxonomia dos MAS

Agentes Heterogêneos comunicantes

Agentes Heterogêneos comunicantes Entendimento mútuo.

Entendimento mútuo.

Planejamento de atos de comunicação.

Benevolência / competitividade.

Gerenciameto de recursos – esquema de

coordenação.

(33)

Por quê MAS?

Se existe diferentes pessoas ou

organizações com diferentes metas e

informações particulares.

Um sistemas multiagente para tratar seus

interesses.

(34)

Por quê MAS?

Múltiplos agentes:

Pode-se implementar paralelismo –

aumento de performance.

(35)

Paralelismo

Diferentes tarefas ou habilidades

atribuídas a diferentes agentes.

Redundância: melhora a tolerância a falhas.

(36)

Escalabilidade

Sistema inerentemente modular.

Muito fácil acrescentar novos agentes –

novas capacidades.

(37)

Implementação

Programação modular: mais simples

(38)

Sistema Multiagente

Agente único: o agente modela a si

mesmo, o ambiente e suas interações.

mesmo, o ambiente e suas interações. Se existem outros agentes – são

Se existem outros agentes – são

considerados como parte do ambiente.

Entidades independente, com suas metas,

ações e conhecimento.

(39)

Agente Único

•Metas •Ações •Domínio do Conhecimento Sensores Atuadores Ambiente

(40)

Sistema Multiagente

Sistema Multiagente:

Vários agentes existem, cada um com suas

metas e ações.

Incerteza: agentes intencionalmente afetam

o ambiente de uma maneira não previsível:

sistema dinâmico.

(41)

Múltiplos Agentes

•Metas •Ações •Domínio do Conhecimento Agente Sensores Atuadores Ambiente •Metas •Ações •Domínio do Sensores

(42)

não comunicantes

Mesma estrutura interna;

Mesmas metas;

Mesmo domínio do conhecimento;

Mesmas possíveis ações.

(43)

não comunicantes

Diferença entre os agentes:

Diferença entre os agentes: Entrada dos sensores;

Entrada dos sensores;

Ação real que executam – depende de sua

posição no mundo.

(44)

não comunicantes

Diferença entre os agentes:

Diferença entre os agentes: Entrada dos sensores;

Entrada dos sensores;

Ação real que executam – depende de sua

posição no mundo.

(45)

não comunicantes

Itens a serem considerados:

Itens a serem considerados: Reativos / deliberativos.

Reativos / deliberativos.

Reativos: comportamento pré-definido: similar Reativos: comportamento pré-definido: similar

aos reflexos – não mantém estados internos. aos reflexos – não mantém estados internos.

Deliberativos: buscam em um espaço de Deliberativos: buscam em um espaço de

comportamentos, mantém um estado interno e comportamentos, mantém um estado interno e

podem prever os efeitos de suas ações. podem prever os efeitos de suas ações.

(46)

não comunicantes

Itens a serem considerados: Perspectiva local / global.

Perspectiva local / global.

Todos os agentes têm uma visão global: não Todos os agentes têm uma visão global: não

tentam obter um recurso já em uso, ou tentam obter um recurso já em uso, ou

Os agentes têm uma visão limitada do mundo e Os agentes têm uma visão limitada do mundo e

tentam obter diferentes recursos. tentam obter diferentes recursos.

(47)

não comunicantes

Modelagem dos estados dos outros

agentes.

Finalidade: prever suas ações. Finalidade: prever suas ações.

Mesmo se os agentes são homogênios, suas Mesmo se os agentes são homogênios, suas

ações futuras podem não ser previsíveis. ações futuras podem não ser previsíveis.

(48)

não comunicantes

Como afetam os outros agentes.

Podem ser detectados, pelos sensores dos Podem ser detectados, pelos sensores dos

outros. outros.

Podem alterar o ambiente – alterando a entrada Podem alterar o ambiente – alterando a entrada

dos sensores dos outros agentes. dos sensores dos outros agentes.

Podem alterar o ambiente – mudando o efeito Podem alterar o ambiente – mudando o efeito

(49)

não comunicantes

Podem ter diferentes metas.

Podem ter diferentes modelos de

domínio.

Podem executar ações diferentes.

(50)

não comunicantes

Itens a serem considerados: Benevolência / competitividade.

Benevolência / competitividade.

Agentes podem tentar ajudar outros agentes a Agentes podem tentar ajudar outros agentes a

atingirem suas respectivas metas ou ser atingirem suas respectivas metas ou ser

egoístas e somente considerarem suas próprias egoístas e somente considerarem suas próprias

metas ao realizar suas ações. metas ao realizar suas ações.

Agentes egoístas podem ser eficientes e mais

(51)

não comunicantes

Itens a serem considerados: Estáticos / evolutivos.

Estáticos / evolutivos.

Ambientes dinâmicos – agentes precisam Ambientes dinâmicos – agentes precisam

evoluir. evoluir.

(52)

não comunicantes

Modelagem das metas, ações e

conhecimento dos outros agentes.

Sistema homogêneo – a modelagem ajuda a Sistema homogêneo – a modelagem ajuda a

prever as ações do outros. prever as ações do outros.

Sistema heterogêneo – modelagem mais difícil Sistema heterogêneo – modelagem mais difícil

Esta modelagem pode ser feita pela observação das

(53)

não comunicantes

Itens a serem considerados: Gerenciamento de recursos

Gerenciamento de recursos

Usando o “aprendizado por reforço” agentes Usando o “aprendizado por reforço” agentes

heterogêneos podem atingir uma equilíbrio de heterogêneos podem atingir uma equilíbrio de

carga sem a necessidade de controle central carga sem a necessidade de controle central

nem comunicação entre os agentes. nem comunicação entre os agentes.

Os agentes observam quanto tempo uma tarefa toma

quando ela é escalonada sobre um recurso e é dado

incentivos para explorar processadores que não foram

alocados que que tiveram desempenho pobre no

(54)

Agentes que se comunicam

Com a comunicação, sistemas podem

se tornar arbitrariamente complexos e

arbitrariamente centralizados, onde um

agente assume todo o controle.

agente assume todo o controle. O

O bandwidthbandwidth da comunicação pode se da comunicação pode se tornar extremamente baixo.

(55)

Agentes que se comunicam

Itens a serem considerados.

Itens a serem considerados. Entendimento mútuo.

Planejamento dos atos de comunicação.

Benevolência / competitividade. Benevolência / competitividade. Gerenciamento de recursos Gerenciamento de recursos Comprometimento / descomprometimento. Comprometimento / descomprometimento.

(56)

Agentes que se comunicam

Itens a serem considerados. Entendimento mútuo.

Linguagens e protocolos. Ex.: Linguagens e protocolos. Ex.:

Conteúdo da informação - KIF.

Formato da mensagem- KQML.

Convenções de coordenação - COOL.

(57)

Agentes que se comunicam

Planejamento dos atos de comunicação.

Quando um agente envia uma mensagem a Quando um agente envia uma mensagem a

outro agente, isto provoca um efeito como outro agente, isto provoca um efeito como

provocaria qualquer outra ação sua. provocaria qualquer outra ação sua.

Quando combinado com modelos de outros Quando combinado com modelos de outros

agentes, o efeito do ato de comunicação pode agentes, o efeito do ato de comunicação pode

ser alterar a crença do agente a respeito do ser alterar a crença do agente a respeito do

estado de outro(s) agente(s). estado de outro(s) agente(s).

(58)

Agentes que se comunicam

Itens a serem considerados. Benevolência / competitividade.

(59)

Agentes que se comunicam

Itens a serem considerados. Gerenciamento de recursos.

(60)

Agentes que se comunicam

Comprometimento / descomprometimento.

Quando os agentes se comunicam podem Quando os agentes se comunicam podem

decidir

decidir cooperarcooperar em uma data tarefa ou um em uma data tarefa ou um período de tempo:

período de tempo: se compromentemse compromentem..

Perseguir uma meta, de uma dada maneira.

Deve haver meios de um agente “acreditar” nos

(61)

Atividade 1

Leia o artigo original de Turing sobre IA

(

(Computing Machinery and Intelligence (Mind, Vol. Computing Machinery and Intelligence (Mind, Vol. 59, No. 236, pp. 433-460

59, No. 236, pp. 433-460), e faça um resumo (no ), e faça um resumo (no máximo 20 linhas) sobre os principais tópicos

máximo 20 linhas) sobre os principais tópicos

abordados. No artigo, Turing discute várias

objeções potenciais a suas propostas e ao seu

teste de inteligência. Que objeções ainda têm

algum peso? Suas refutações são válidas?

Referência: http://cogsci.ucsd.edu/%7easaygin/tt/ttest.html

(62)

Atividade 2

Todo ano, o prêmio

Todo ano, o prêmio LoebnerLoebner é entregue ao é entregue ao

programa que chega mais perto de ser aprovado

em uma versão do Teste de Turing. Qual o último

vencedor do prêmio Loebner de 2005. Que

técnicas ele utiliza? Que avanço o programa

representou no estado da arte em IA?

Referência: http://www.loebner.net/Prizef/loebner-prize.html