1 sistemas inteligentes aula: agentes inteligentes flávia barros

Download 1 Sistemas Inteligentes Aula: Agentes Inteligentes Flávia Barros

Post on 18-Apr-2015

103 views

Category:

Documents

1 download

Embed Size (px)

TRANSCRIPT

  • Slide 1
  • 1 Sistemas Inteligentes Aula: Agentes Inteligentes Flvia Barros
  • Slide 2
  • 2 Agentes Inteligentes Plano da aula O que um Agente Racional (inteligente)? Ambientes e arquiteturas IA distribuda Metodologia de desenvolvimento Concluso
  • Slide 3
  • 3 O que um Agente? Qualquer entidade (humana ou artificial) que: est imersa ou situada em um ambiente fsico, virtual/simulado percebe seu ambiente atravs de sensores ex. cmeras, microfone, teclado, finger,... age sobre ele atravs de atuadores ex. vdeo, auto-falante, impressora, braos, ftp,... possui objetivos prprios explcitos ou implcitos escolhe suas aes em funo das suas percepes para atingir seus objetivos
  • Slide 4
  • Agentes Inteligentes x Sistemas de IA Clssica Ambiente Sensores Atuadores Objetivos Interpretao das percepes Raciocnio = escolha das aes IA Agente Dados de Entrada Dados de Sada ObjetivosSistemaInteligente IA Raciocnio
  • Slide 5
  • Exemplos de Ambientes > A complexidade do ambiente dada por: nmero de percepes, aes e objetivos possveis
  • Slide 20
  • 20 Agentes Algoritmo Bsico e Arquiteturas
  • Slide 21
  • 21 Agentes: Algoritmo bsico funo agenteSimples (percepo) retorna ao memria := atualizaMemria (memria, percepo) ao := escolheMelhorAo(memria,objetivos) memria := atualizaMemria (memria, ao) retorna ao
  • Slide 22
  • 22 Agentes: Arquiteturas Agente reativo Agente reativo com estado interno Agente cognitivo (baseado em objetivos) Agente otimizador Agente adaptativo autonomia complexidade
  • Slide 23
  • 23 sensores Agente atuadores a m b i e n t e Raciocinador modelo do ambiente Agentes: Arquiteturas De forma bem simplificada, um agente pode ser visto como um mapeamento: seqncia perceptiva => ao
  • Slide 24
  • sensores atuadores Tabela Percepes aes.. Agente Agente Tabela? No um agente racional... Limitaes Mesmo problemas simples requerem tabelas muito grandes ex. xadrez 30^100 Nem sempre possvel, por ignorncia ou questo de tempo, construir a tabela No tem autonomia nem flexibilidade Ambiente Totalmente observvel, determinista, episdico, esttico, discreto e minsculo! a m b i e n t e
  • Slide 25
  • Agente sensores atuadores Como est o mundo agora? Que ao devo escolher agora? Regras condio-ao a m b i e n t e Agente Reativo Simples Vantagens e desvantagens Regras condio-ao - representao inteligvel, modular e eficiente ex. Se velocidade > 60 ento multar No pode armazenar uma seqncia perceptiva, tem pouca autonomia Ambiente Totalmente observvel, episdico, pequeno Reflexo imprescindvel em ambientes dinmicos
  • Slide 26
  • Agente Reativo baseado em Modelo do Mundo Desvantagem: pouca autonomia no tem objetivo, no encadeia regras Ambiente: determinista e pequeno Ex. Tamagotchi sensores Agente Como est o mundo agora? Regras condio-ao estado: como o mundo era antes como o mundo evolui atuadores Que devo fazer agora? a m b i e n t e impacto de minhas aes
  • Slide 27
  • sensores Agente Como est o mundo agora? Objetivos como o mundo evolui atuadores Que devo fazer agora? a m b i e n t e impacto de minhas aes Como ele ficar se fao isto? estado: como o mundo era antes Agente cognitivo - Baseado em Objetivo Vantagens e desvantagens Mais complicado e ineficiente, porm mais flexvel, autnomo No trata objetivos conflitantes Ambiente: determinista Ex. de objetivo: xeque-mate no xadrez
  • Slide 28
  • Agente otimizador - baseado em utilidade Ambiente: sem restrio Desvantagem: no tem adaptabilidade Ex. motorista de txi Segurana e velocidade conflito! ambiente sensores atuadores Agente Como est o mundo agora? Que ao devo escolher agora? Funo de Utilidade qual o impacto de minhas aes como o mundo evolui Este novo mundo melhor? Como ele ficar se fao isto? estado: como o mundo era antes
  • Slide 29
  • Agente que aprende sensores atuadores Agente Gerador de problemas crtico elemento de aprendizagem avaliao objetivos de aprendizagem elemento de execuo (agente) trocas conhecimento a m b i e n t e Ambiente: sem restrio Vantagem: tem adaptabilidade (aprende) Contudo, no necessariamente trata dois objetivos conflitantes Ex. motorista sem o mapa da cidade t t+1 t
  • Slide 30
  • 30 Inteligncia Coletiva IA Distribuda
  • Slide 31
  • 31 Inteligncia Coletiva Por que pensar a inteligncia/racionalidade como propriedade de um nico indivduo? No existe inteligncia... Em um time de futebol? Em um formigueiro? Em uma empresa (ex. correios)? Na sociedade? Soluo: IA Distribuda
  • Slide 32
  • 32 IA Distribuda Agentes simples que juntos resolvem problemas complexos tendo ou no conscincia do objetivo global O prprio ambiente pode ser modelado como um agente Dois tipos de sistemas: Resoluo distribuda de problemas Sistemas Multi-agentes
  • Slide 33
  • 33 Resoluo distribuda de problemas Cada agente tem conscincia do objetivo global Existe uma diviso clara de tarefas Exemplos: Robtica clssica, Busca na Web, Gerncia de sistemas distribudos,...
  • Slide 34
  • 34 1 53 4 8 6 7 2 1 5 3 4 8 6 7 2 1 53 4 8 6 7 2 Sistemas Multi-agentes No existe conscincia do objetivo global No existe diviso clara de tarefas Exemplos: n-puzzle (jogo dos 8-nmeros), futebol de robs, balanceamento de carga, robtica,...
  • Slide 35
  • 35 Agentes em IA Metodologia para projeto de sistemas e dicas de implementao
  • Slide 36
  • 36 Projeto Metodologia de desenvolvimento Decompe o problema em: PEAS dos agentes (Performance, Environment (ambiente), Atuadores e Sensores); & Objetivos (ou funo utilidade, se for o caso) dos agentes; Decompe o conhecimento do agente em: Quais so as propriedades relevantes do mundo? Como identificar os estados desejveis do mundo? Como interpretar as suas percepes? Quais as conseqncias das suas aes no mundo? Como medir o sucesso de suas aes? Como avaliar seus prprios conhecimentos? So suficientes para resolver o problema?
  • Slide 37
  • 37 Projeto Metodologia de desenvolvimento O resultado dessa decomposio indica: Arquitetura de agente adequada ao ambiente e ao problema a ser tratado O mtodo de resoluo de problema (raciocnio)
  • Slide 38
  • 38 Como desenvolver um software inteligente? Projeto: Modelar o problema em termos de PEAS e Objetivos (ou funo utilidade) dos agentes Identificar o tipo de ambiente Identificar a arquitetura do(s) agente(s) Implementao: Componentes do agente O simulador de ambientes Testar o desempenho com diferentes instncias do ambiente
  • Slide 39
  • 39 Implementao Simulao do Ambiente s vezes, mais conveniente simular o ambiente mais simples permite testes prvios evita riscos, etc... O ambiente (pedao de cdigo...) recebe os agentes como entrada fornece repetidamente a cada um deles as percepes corretas e recebe as aes escolhidas atualiza os dados do ambiente em funo dessas aes e de outros processos (ex. dia-noite) definido por um estado inicial e uma funo de atualizao deve refletir a realidade
  • Slide 40
  • 40 Simulao de Ambientes funo simulaAmbiente (estado, funoAtualizao, agentes,final) repita para cada agente em agentes faa Percept[agente] := pegaPercepo(agente,estado) para cada agente em agentes faa Action[agente] := Programa[agente] (Percept[agente]) estado := funoAtualizao(aes, agentes, estado) scores := avaliaDesempenho(scores,agente,estado) //opcional at final Cuidado para no cair em tentao e roubar do ambiente a descrio do que aconteceu. Use a memria do agente!
  • Slide 41
  • 41 Por que usar a metfora de agentes? 1.Fornece uma viso unificadora das vrias sub-reas da IA 2. Fornece metodologias de desenvolvimento de sistemas inteligentes estendendo as de engenharia de software 3. Ajuda a embutir a IA em sistemas computacionais tradicionais 4. Permite tratar melhor a interao com o ambiente 5. Permite tratamento natural da IA distribuda
  • Slide 42
  • 42 Prxima Aula Agentes baseados em conhecimento

Recommended

View more >