Laboratório de Sistemas Integráveis – EPUSP
Modelo Comportamental Baseado em
Crenças e Teoria Bayesiana para
Simulações de Vida Artificial com
Humanos Virtuais
Marcos Cavalhieri
Dr. Márcio Lobo Netto
–
Aspectos Gerais
–
Modelo de Comportamento Proposto
–
Simulação do Projeto
–
Resultados Obtidos
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
–
Problema Abordado
– Falta de conhecimento correto e completo do mundo externo aos personagens (entidades não-onipotentes).
– Manipular informações incertas ou passíveis de ruídos.
– Tomar decisões com base em informações incertas, de modo a
considerar possíveis implicações decorrentes desta incerteza e ruídos agregados.
– Manter consistente o comportamento dos personagens em Ambientes Dinâmicos.
●
Propor um modelo de comportamento humano autônomo e
adaptativo que permita ao personagem interagir em um
ambiente virtual dinâmico, mesmo dispondo de informações
incertas.
–
Solução Proposta
●
Modelo de comportamento baseado em Crenças e Teoria de
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
–
Como manipular essa incerteza?
●
Informações incertas são abordadas como crenças. E estas são
obtidas através de um cálculo bayesiano (crenças
probabilísticas).
–
Como conciliar com a Tomada de Decisão?
●
Mecanismos determinísticos e probabilísticos compõem o
●
Adoção da inferência como recurso de avaliação do
personagem para desenvolver a capacidade adaptativa do
modelo.
–
Adaptação do quê?
●
Ocorrerá nas informações incertas (crenças) pertinentes ao
personagem. Reavaliando assim, os níveis de certeza das
crenças.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
–
Características da Solução
●
Habilidade em observar o ambiente e representá-lo, mesmo as
informações passíveis de ruído.
●
Inferir e tomar decisões com base nestas representações.
●
Interagir com um ambiente dinâmico de modo que desenvolva
●
MIRALab e VRLab
– Representação de personagens, especificamente Humanos Virtuais. – Comportamento autônomo, social e emergencial.
– Simulação de multidões.
– Integração destes personagens com ambientes virtuais em Realidade Virtual.
Laboratório de Sistemas Integráveis – EPUSP
Introdução
–
Trabalhos Relacionados
●
CROMOS
– Geração parametrizada de populações heterogêneas (personagens virtuais).
– Simulação de comportamento social para elevadas densidades demográficas.
– Capacidade de lidar com ruídos ou agentes perturbadores, que resultem em pânico ou situações de emergência.
Laboratório de Sistemas Integráveis – EPUSP
Introdução
–
Trabalhos Relacionados
●
ARTLIFE
– ALIVE
● Ambiente de simulação para experimentos em VA. ● Algumas simulações já desenvolvidas.
● Dinâmicas de sobrevivência e comportamento social. ● Colônia de bactérias;
● Radiosidade e difusão de energia. ● Visão Bottom-Up.
● Vertente da pesquisa: Filogenia.
R G B + ACT W1 W2 W FILTER RADIATION
RGB Filter
Neural Net
Laboratório de Sistemas Integráveis – EPUSP
Introdução
–
Trabalhos Relacionados
●
ARTLIFE
– WOXBOT
● Personagem virtual (robô).
● Arena composta por objetos que representam fontes limitadas de
energia e toxina.
● Tempo de Vida dependente do consumo de energia.
● Codificação genética do processo cognitivo (máquina de estados). ● Comportamento reativo e rígido.
● Visão Bottom-Up.
● Vertente da pesquisa: Filogenia.
Laboratório de Sistemas Integráveis – EPUSP
Introdução
–
Trabalhos Relacionados
●
ARTLIFE
– ALGA
● Personagens virtuais (peixes).
● Aquário formado por peixes e alimento.
● Tempo de Vida dependente do consumo de energia. ● Tomada de decisão baseada em cadeias de Markov. ● Uso de um dicionário de palavras.
● Comportamento adaptativo.
● Presença de 2 entidades distintas: professor e aluno. ● Visão Top-Down.
● Vertente da pesquisa: Ontogenia.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
–
Trabalhos Relacionados
●
ARTLIFE
– V1V0
● População de personagens (humanos virtuais). ● Ambiente formado estritamente por humanos.
● Tomada de decisão baseada em raciocínio probabilístico. ● Representação interna do ambiente observado.
● Habilidade em manipular incertezas. ● Comportamento cognitivo e adaptativo. ● Visão Top-Down.
● Vertente da pesquisa: Epistemologia.
● Seres cognitivos: manipulação de informações incertas do ambiente
– ALIVE
● Âmbito geral de Vida Artificial.
● Cenário microbiótico (organismos unicelulares). ● Seres reativos e necessidade de sobrevivência.
– WOXBOT
● Filogenia.
● Personagem sintético.
● Surgimento de uma cognição primitiva.
– ALGA
● Ontogenia.
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Introdução
–
Contextualização Geral
●
V1V0
– Epistemologia.
– Seres “racionais” (humanos virtuais).
– Representação e manipulação de incertezas. – Representação interna do ambiente.
– Processo de inferência atrelado à Tomada de Decisão. – Presença de pseudo-personalidade.
●
Filogenia, Ontogenia e Epistemologia
– Espécie, Ser (indivíduo) e Conhecimento
●
Bottom-UP
X Top-Down
– VA Forte (Biologia) x VA Fraca (Engenharia)
●
Fenômenos observados em vida
– Comportamento Social – Reprodução
– Adaptação
Modelo Comportamental Baseado em Crenças e Teoria Bayesiana
Laboratório de Sistemas Integráveis – EPUSP
Aspectos Gerais
–
Inteligência Artificial
●
Agentes, Comportamento e Ambientes
●
Principais características desses ambientes
– Observação do cenário
– Dependência de alteração (estados) – Tempo de influência da ação do agente – Fluxo de tempo – Quantidade de agentes Frameworkdo Comportamento estímulo do ambiente atuação no ambiente
Percepção Cognição Atuação
Ruídos e Incertezas
●
Teoria de Bayes
– Probabilidades incondicionais (a priori):
● Evidência e Hipótese: P(e), P(H)
– Probabilidade de dependência (likelihood):
● Evidência na certeza da Hipótese: P(e/H)
– Probabilidade condicionada (a posteriori):
Laboratório de Sistemas Integráveis – EPUSP
Aspectos Gerais
–
Raciocínio Probabilístico
●
Teoria de Bayes
– Muito utilizado em sistemas especialistas para descrever o raciocínio lógico frente às incertezas.
– Parâmetros estáticos: uma vez obtidas as distribuições das amostras elas não são alteradas.
– Vantagem: simplicidade do modelo que exige poucas informações (3 parâmetros).
– Desvantagem: dificuldade de obtenção das amostras (valores probabilísticos a priori).
–
Sentimento de ausência e vazio.
–
Sistemas Distribuídos de Realidade Virtual.
–
Multi-usuário (Avatares).
–
E quando não existir usuários suficientes?
–
Agentes, Personagens, Humanos Virtuais!?
●
Comportamento autônomo.
Laboratório de Sistemas Integráveis – EPUSP
–
Epistemologia, Top-Down, VA Fraca.
–
Comportamento Social e Adaptação.
–
Características do Ambiente
●
Parcialmente Observável, Estocástico, Episódico
●
Dinâmico, Discreto, “Multi-Agente”, Competitivo
●
Framework
Proposto
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
–
Percepção
●
Detecção de colisão (área de influência).
●
Criação de Fatos (Evidências).
●
Registrado em uma Lista de Fatos.
–
Cognição
●
Interpretação e Decisão (2 planos).
●
Atualização do Repertório (cálculo das crenças).
●
Atualização da Roleta de Monte Carlo (ações);
Processo Cognitivo
Fatos Crenças Ação
Repertório Interpretador (Inferência) Decisor (Escolha) %
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
–
Interpretador (Atualização do Repertório)
●
Modelagem Bayesiana
– Cálculo dos níveis de certeza das crenças (probabilísticas).
– Uso de funções para conciliar o conhecimento a priori com o dinamismo da simulação (alteração dos estados do ambiente). Vf(t), Vc(t).
– Notação:
● evento (e) → fato (f)
●
Modelagem Bayesiana
– Conhecimento a priori e estático: P(f), P(C).
● Obtido no nascimento e invariável.
● Pseudo-personalidade (pré-disposição).
● Precisa ser modelado (condições ideais p/ simulação).
– Fator de memória. Vf(t-1), Vc( t-1).
– Aspectos de freqüência de uso e relevância dentro do repertório.
H2 H1
Interpretador F1
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
–
Decisor (Seleção da Ação)
●
Sistema de tomada de decisão: Monte Carlo.
●
Cada fato possuí uma distribuição com as probabilidades das
ações (roleta).
●
Mecanismo probabilístico (sorteio).
●
Atualização da distribuição com base na crença dominante (+
significativa). A fatia correspondente é ponderada com base no
nível de certeza.
●
A ação é selecionada e disparada enquanto o Decisor aguarda
um retorno de sucesso ou não. Correção do parâmetro I(f/c) com
base na constatação decorrente da ação executada.
NC(c/f) Assistente 36% Interpretador fato + | -I(f/c) Decisor ação ? êxito crença utilizada crença dominante ?
Laboratório de Sistemas Integráveis – EPUSP
Modelo de Comportamento
–
Problemas encontrados:
●
Perda de integridade dos valores probabilísticos (parâmetros).
– Exemplo: ∑C C1 + C2 +...+ Cn = 100%
●
Numerador mais significativo que o denominador.
– Numerador: I(f/c) e Vc(t). – Denominador: Vf(t).
●
Convergência prematura das distribuições das ações com base
nas crenças (Mínimo Local).
– Aumento da Fatia.
– Aumento da Participação (sorteio da ação). – Aumento do Vc(t).
●
Normalização probabilística a cada alteração.
●
?!?
– Recomendável que se tenha xF → yC. Onde (y>x).
– Aumento da incerteza no ambiente que incide diretamente no parâmetro que mensura tal ruído: I(f/c).
– Melhor modelagem das distribuições a priori.
●
Diminuir a temperatura do sistema (simulação).
– Admissão de outros fatores de incerteza.
Laboratório de Sistemas Integráveis – EPUSP
Laboratório de Sistemas Integráveis – EPUSP
Simulação do Projeto
Laboratório de Sistemas Integráveis – EPUSP
Simulação do Projeto
Laboratório de Sistemas Integráveis – EPUSP
Simulação do Projeto
Laboratório de Sistemas Integráveis – EPUSP
Considerações Finais
–
Contribuições Científicas
●
Vida Artificial
– Desenvolvimento na linha epistemológica (desenvolvimento cultural). – Contexto “Bottom-Up” para I(f/c), onde o personagem aprende a
relacionar Fatos com Crenças.
– Adaptação às alterações de estado do ambiente (ruídos e incertezas).
●
Inteligência Artificial
– Dinamismo na mensurização das incertezas (Bayes).
● Reavaliação dos níveis de certeza.
● Em sistemas especialistas o comportamento das distribuições
●
O método bayesiano se mostrou satisfatório em aplicações
dinâmicas e cumpriu o objetivo de permitir aos personagens se
adaptar em um ambiente parcialmente observável. Contudo,
sua modelagem mostrou-se frágil e muito sensível.
●
Métrica da incerteza do ambiente:
– O parâmetro alterado pela adaptação, I(f/c), após uma janela de tempo, reflete efetivamente a quantidade de ruído presente no relacionamento F/C.
Laboratório de Sistemas Integráveis – EPUSP
Considerações Finais
–
Trabalhos Futuros
●
Extensão da pesquisa para um modelo que comporte Múltiplas
Hipóteses Múltiplas Evidências (MHME).
●
Incorporação de Algoritmos Genéticos para obter amostras
mais robustas dos valores a priori (Bayes).
– É possível que a personalidade das pessoas (parte dela) esteja presente no material genético.
– Em determinados cenários, uma personalidade pode ser mais interessante que outra, resultando na seleção natural dos mesmos.
●
Confrontar os recursos bayesianos com outras técnicas de
manipulação de incertezas dentro de um escopo epistemológico.
●
Ampliar a modelagem do raciocínio lógico a aspectos cognitivos
utilizando a arquitetura BDI (Belief, Desire and Intention).
●
Expandir os personagens humanos à representações 3Ds (aumento
de informações contidas nas ações).
●
Estender a simulação à Caverna Digital.
Laboratório de Sistemas Integráveis – EPUSP
Considerações
–
Trabalhos Futuros
●
Desenvolver o conceito de sociedades bem como a migração
entre seus membros para análise de adaptação.
●
Migrar o projeto para um sistema multi-agentes, aumentando
assim o tamanho das populações. Ex: SACI (LTI).
●