7IA-AgentesInteligentes

7 – Agentes Inteligentes

Inteligência Artificial

Prof. Laurence Rodrigues do

Amaral

Introdução

• Agentes Inteligentes são dispositivos

(hardware e software) com a capacidade

de perceber o seu ambiente por meio de

sensores e de agir sobre o ambiente

usando seus atuadores

• Exemplo mais comum

– Dispositivo robótico dotado de sensores

(imagem, sons, calor, posição, etc) que usa

seus braços e pernas mecânicos para realizar

tarefas como andar pelo ambiente e

Exemplo de

Agentes Inteligentes

• A aplicação mais conhecida é o aspirador

de pó, que tem sensores para identificar a

presença de sujeira nas proximidades

• Quando a sujeira é detectada, os

atuadores (sugador) entram em ação,

recolhendo-as.

• Enquanto não encontra sujeira, o

aspirador realiza um movimento, seguindo

adiante, ou virando à esquerda ou direita

Exemplo de

Agentes Inteligentes

•

Novibot - Samsung

Arquitetura dos Agentes

e o ambiente

• O modo de operação dos agentes e a

facilidade de implementação de suas

habilidades dependem da arquitetura

adotada na sua concepção, que também

está relacionada com o tipo de ambiente

em que ele atuará

Propriedades dos

Ambientes

• Acessível vs. Inacessível

• Estático vs. Dinâmico

• Determinístico vs. Aleatório

• Discreto vs. Contínuo

• Episódico vs. Não-episódico

• Monoagente vs. Multiagente

Acessível vs. Inacessível

• Está relacionado a capacidade que os

sensores do agente tem para perceber o

estado completo do ambiente

• Acessível

– Um agente sabe o

que existe em

locais ainda não

visitados

• Inacessível

– O agente saberá o

que existe no local

apenas quando

Estático vs. Dinâmico

• Esta relacionado a alterações no ambiente. Isto

é, sofre ou não sofre alterações enquanto o

agente está escolhendo a ação a realizar

• Estático

– Um agente

resolvendo um jogo

de palavras

cruzadas

• Dinâmico

– Um agente

motorista de táxi

Determinístico vs.

Aleatório

• Se deve ao fato do próximo estado do ambiente

ser ou não completamente determinado pelo

estado atual e pelas ações selecionadas pelo

agente

• Determinístico

– Um agente

montando um jogo

de blocos, sendo

todos eles

conhecidos

• Aleatório

– Um agente

dirigindo um

automóvel e

enfrentando

problemas de

trânsito

Discreto vs. Contínuo

• Quando existe um número distinto e claramente

definido de percepções e ações em cada turno

ou quando as percepções e ações mudam em

um espectro contínuo de valores

• Discreto

– Agente realizando

um movimento (um

de cada vez) em

um jogo de damas

• Contínuo

– Agente dirigindo um

automóvel deve

realizar tarefas

continuadamente no

volante, acelerador

e freios

Episódico vs.

Não-episódico

• Quando a experiência do agente é dividida em

etapas, que independem de etapas anteriores.

Assim, cada episódio o agente deve perceber e

então agir

• Episódico

– Um agente que realiza a venda de passagens

deve identificar as

poltronas disponíveis, realizar a venda, e

marcar a poltrona como ocupada

• Não-episódico

– Quando um agente

joga xadrez

Monoagente vs.

Multiagente

• Quando apenas um ou vários agentes atuam no

mesmo sistema. No caso de vários, eles podem

se comportar de modo cooperativo ou

competitivo

• Monoagente

– Um agente

resolvendo o jogo

dos 8

• Multiagente

– Vários agentes

controlando o

tráfego de uma

cidade, agindo

preferencialmente de

forma cooperativa

Estrutura dos Agentes

• Está relacionada com sua implementação

física

Estrutura – Agente Tabela

• Todas as percepções e ações possíveis

estão relacionadas em uma tabela

Estrutura –

Agente Reativo Simples

• Substitui a tabela de percepção-ação por

um conjunto de regras do tipo

condição-ação (SE-ENTÃO ou IF-THEN)

Estrutura – Agente Reativo com

Estado Interno ou Baseado em Modelos

• Inclui informação histórica do ambiente

• Isso permite ao agente entender como o

ambiente evolui, com ou sem a sua

participação

Estrutura –

Agente Cognitivo ou Baseado em Objetivos

• Inclui informações sobre os objetivos que

devem ser atingidos no ambiente

• Isso permite ao agente melhorar a sua

tomada de decisões, pois pode escolher

dentre as ações possíveis, aquela que o

leva mais rapidamente ao seu objetivo

Estrutura –

Estrutura –

Agente Otimizador ou Baseado na Utilidade

• Este agente considera não apenas a

informação que o conduz ao seu objetivo,

mas também a eficiência das ações

adotadas

• Para tanto, usa a função de utilidade, que

serve para avaliar um grau de satisfação a

cada possível ação

Estrutura –

Estrutura – Agente com Aprendizagem

• O elemento de aprendizado é responsável pelo

aperfeiçoamento do agente, determinando

modificações no elemento de desempenho, a

partir de informações enviadas pelo crítico

• O crítico avalia o desempenho do agente em

relação a um padrão conhecido e fixo

• O elemento de desempenho é o responsável

pela escolha das ações, que são direcionadas

pelas informações que recebe

Estrutura – Agente com Aprendizagem

• Por fim, o gerador de problemas deve indicar

novas ações a serem experimentadas, de modo

que possam ser descobertas maneiras mais

Classificação dos Agentes

• Os agentes inteligentes podem ser

classificados de diferentes maneiras e, o

mais comum, é classificá-la de acordo

com

– Nível de inteligência

– Tarefa que executam

– Mobilidade

Classificação – Nível de

Inteligência

• Nível Baixo

– Quando não apresentam a capacidade de aprendizado

• Nível Médio

– Quando conseguem manipular novas situações, porém, normalmente, não demonstram oportunismo

• Nível Alto

– Quando os agentes raciocinam sobre a base de

conhecimento, aprendem com o comportamento do usuário, podendo se adaptar às mudanças e

Classificação – Tarefas

• Gopher

– Executam as tarefas mais simples, baseado-se em suposições e regras pré-especificadas

• Prestadores de Serviço

– Executam tarefas de alto nível, bem definidas, quando requisitadas pelo usuário

• Pró-Ativo ou Preditivo

– Executam tarefas mais complexas e, quando julgam apropriado, pesquisam informações ou executam tarefas não requisitadas pelo usuário

Classificação – Tarefas

• Conselheiros

– Oferecem ajuda, por exemplo, indicando os

passos para se usar um determinado sistema

computacional

• Guia

– Ajudam na recuperação de grande

quantidades de informações, apresentando

somente os dados relevantes e importantes

aos usuários

Classificação – Tarefas

• Empregados

– Executam tarefas repetitivas

• Representantes

– Operam mesmo na ausência do usuário, como é o caso dos agentes que realizam cópias de segurança de arquivos (backups)

• Comunicadores

– Interagem com outros usuários e seus agentes, para executar as atividades das quais são incumbidos

Classificação – Mobilidade

• Estáticos

– Quando não conseguem mover-se para

outras máquinas

• Dinâmicos

– Quando conseguem deslocar-se para outras

máquinas ligadas em rede

Classificação – Ênfase

• Agentes colaborativos

• Agentes de aprendizado

• Agentes de interface

Propriedade dos Agentes

• Importantes propriedades idealizadas para

um agente

– Autonomia

• Capacidade de adotar ações direcionadas à

execução das tarefas a serem realizadas e dos objetivos a serem alcançados, sem a interferência do usuário final

– Aprendizagem

• Permite a alteração do seu comportamento baseado em experiências anteriores

Propriedade dos Agentes

• Importantes propriedades idealizadas para

um agente

– Comunicabilidade

• É a capacidade que os agentes possuem para acessar informações sobre o estado atual do ambiente

– Confiabilidade

• É a credibilidade que o agente apresenta na

realização de suas ações e a certeza de que não processará informações falsas

Propriedade dos Agentes

• Importantes propriedades idealizadas para

um agente

– Cooperatividade

• É a capacidade que o agente possui para

trabalhar junto com outros agentes, objetivando a realização de uma tarefa em comum

– Degradação

• É a capacidade que o agente possui para

completar a execução de uma tarefa, mesmo quando ocorre alguma anomalia no sistema

Propriedade dos Agentes

• Importantes propriedades idealizadas para

um agente

– Inteligência

• É a capacidade do agente negociar em situações novas e de incerteza

– Mobilidade

• É a capacidade de transportar-se de um local ou de uma máquina para outra

Propriedade dos Agentes

• Importantes propriedades idealizadas para

um agente

– Persistência

• Habilidade do agente manter-se preciso através do tempo

– Personalidade

• Capacidade que o agente possui de demonstrar opinião

Sistemas Multiagentes (SM)

• Tratar problemas complexos como um

aglomerado de problemas menores tem

sido uma estratégia bastante usada

• Sistemas multiagentes podem apresentar

maior rapidez na resolução dos problemas

por causa do paralelismo que pode ser

Sistemas Multiagentes (SM)

• Também se observa uma maior flexibilidade do

sistema, combinando-se de diversas maneiras,

as diferentes habilidades dos agentes para

resolver problemas

• Se percebe uma melhora na confiança dos

resultados, pois podem ser incluídos agentes

que são capazes de avaliar e corrigir os

Sistemas Multiagentes (SM)

• A modularidade obtida com os sistemas

multiagentes é uma outra característica

muito relevante

• Porque quando o sistema não consegue

resolver determinada tarefa, geralmente é

mais simples projetar e incluir um novo

agente ao sistema do que substituir o

sistema inteiro

SM – Troca de mensagens

• Quadro negro (indireta)

– Todas as comunicações são feitas por meio de uma estrutura de dados central que é compartilhada com todos os agentes, sendo esta estrutura responsável pelo controle de acesso

– Quando recebem a permissão do quadro, os agentes lêem as informações deixadas por outros agentes e, também escrevem informações no quadro

• Troca direta entre agentes

– Obriga os agentes a terem uma identificação precisa, como um nome único no sistema, e também, a

adoção de algum protocolo de comunicação entre eles

SM - Organização

• Hierárquica

– O controle e a tomada de decisão são concentrados em níveis, ou seja, a interação entre os agentes

ocorre através de uma comunicação vertical do agente superior para os agentes subordinados

• Comunidade de Especialistas

– A organização mantém todos no mesmo nível, porém cada agente tem uma especialidade em um certo

domínio. A interação entre os agentes ocorre de acordo com regras previamente estabelecidas

SM - Organização

• Comunidade Científica

– As soluções para os problemas são

localmente construídas e, em seguida,

testadas e refinadas, a partir de uma

comunicação com outros agentes

Aplicações dos Sistemas

Baseados em Agentes Inteligentes

• Os agentes inteligentes são aplicados na

resolução de problemas para os quais não se

conhece um algoritmo exato

• São exemplos:

Aplicações - Web

• Os agentes tem sido usados com diferentes finalidades, como no caso de sistemas de buscas, que organizam as páginas de maior interesse de acordo com as

solicitações dos usuários

• Sistemas que testam automaticamente os links das páginas e informam possíveis problemas aos usuários • Agentes que fazem cotações de preços em diversas

páginas de vendas

• Agentes que analisam o comportamento dos usuários, analisando as suas buscas em uma página de comércio eletrônico e, em seguida, oferecem produtos com o

maior potencial de serem comprados, objetivando aumentar as vendas

Aplicações - Jogos

• A área de desenvolvimento de jogos tem

incrementado bastante o uso da

tecnologia dos agentes, permitindo a

criação de jogos com um comportamento

menos óbvio

• Pois os agentes analisam o

comportamento dos jogadores nas

diversas situações e, em seguida,

modificam as estratégias usadas

Aplicações

• Simulação

– Diferenças de comportamento dos usuários do

simulador são percebidas pelos agentes, que então, apresentam reações diferenciadas

• Área Médica

– Os agentes são usados para ajudar no

monitoramento de pacientes e também no

desenvolvimento de sistemas tolerantes a falhas, através do uso de agentes que se responsabilizam por tarefas realizadas por outros agentes

• Área Doméstica