sistema multiagente com teoria de jogos: abordagem promissoraghedini/resources/smajogos.pdf · ia:...

Sistema Multiagente com Teoria de

Jogos: Abordagem Promissora

Profa. Célia Ghedini Ralha

InfoKnow - Grupo de Sistemas Computacionais para o

Tratamento de Informação & Conhecimento

ComNet – Communication & Network Laboratory

Departamento de Ciência da Computação

Universidade de Brasília

ghedini@cic.unb.br

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Sumário

Visão Geral - Conceitual Inteligência Artificial

Agente

Sistema Multiagente

Sistemas Mutiagentes Reativos

Sistemas Multiagentes Deliberativos Agentes BDI

Agentes Racionais Utilidades e Preferências

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

O que é IA? Conceito Segundo Luger (2004):

“ramo da ciência da computação que se ocupa com o comportamento inteligente”

Segundo Rich (1994):

“estudo de como fazer os computadores realizarem coisas que, atualmente, os

humanos fazem melhor”

Objetivos entender entidades inteligentes e reproduzir o comportamento inteligente

desenvolver sistemas para realizar tarefas que

não possuem solução algorítmica satisfatória pela computação convencional

[1] Luger, George F. Inteligência Artificial: Estruturas e Estratégias para a Solução de Problemas Complexos.

4ª ed. Porto Alegre: Bookman, 2004. 774 p. ISBN 85-363-0396-4

[2] Rich, Elaine; Knight, Kevin. Inteligência Artificial. 2ª ed. Rio de Janeiro: McGraw-Hill, 1994. 722 p. ISBN

85-346-0122-4

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Fundamentos

IA: Primeiros anos Logo após 2 Guerra Mundial - artigo do matemático Alan Turing [1]

John McCarthy: cunhou termo [2]

Primeiros anos (1952-1969): sucesso

GPS (GeneralProblemSolver) – Newell and Simon 1960

Linguagem LISP – McCarthy 1958

Micro-mundos – Minsky 1963 (problemas domínios limitados)

problemas clássicos da matémática

Aristóteles – explica o raciocínio dedutivo

Boole – 1840 formalização de operações lógicas

Frege – 1880 lógica de primeira ordem, termo e predicado, quantificação

Tarski – 1940 relação dos objetos da lógica c/ objetos do mundo (modelo)

Turing e Church – 1940 computabilidade, tratabilidade (complexidade)

Bayes (1760) – probabilidade

[1] Alan Turing. Computing Machinery and Intelligence (em inglês). Acesso em 19/06/12.

[2] J. McCarthy, M. L. Minsky, N. Rochester e C.E. Shannon. A Proposal for the Dartmouth

Summer Research Project on Artificial Intelligence (em inglês). Acesso em 19/06/12.

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Dimensões/Abordagens de IA

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Agindo de forma humana:

Teste de Turing

•Turing (1950) "Computing machinery and intelligence":

•The Imitation Game

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Sub áreas IA

Resolução de problemas (algoritmos + heurísticas)

Representação de conhecimento

Raciocínio lógico (teórico)

Sistemas especialistas (prático)

Processamento de linguagem natural (interdisciplinar)

Agentes inteligentes e sistema multiagente

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Paradigmas

Simbólico (IA clássica): metáfora linguística,

comunicação e interação

sistemas especialistas, agentes inteligentes

Conexionista: metáfora cerebral

redes neurais

Evolucionista: metáfora da natureza

algoritmos genéticos, vida artificial

Estatístico/Probabilístico

Redes Bayesianas, sistemas difusos

IA Clássica comportamento individual humano

Psicologia representação do conhecimento

raciocínio

aprendizagem

“sistemas inteligentes devem ser capaz de adaptar-se a novas situações, raciocinar, entender relações entre fatos, descobrir significados, reconhecer a verdade e aprender com base em sua experiência”

IA Distribuída (IAD) início 1980s, major research area in AI mid1990s

comportamento social

Sociologia comportamento inteligente atribuído a entidades coletivas

grupos, colônia de formigas, time de futebol, etc

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

IAD

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

O que é um Agente?

Não há um consenso

Shoam (1997)

“a software agent is an entity that functions

autonomously and continuously in a particular

environment always inhabited by other agents and

processes”

autonomia: agente realiza as suas atividades sem

a intervenção constante de uma pessoa

agente não existe isoladamente!!!

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Agente

Russel & Norvig (2009) [1,2]

“agente é qualquer entidade:

percebe seu ambiente através de

sensores (ex. câmeras, microfone,

teclado, finger, ...)

age sobre ele através de

efetuadores (ex. vídeo, auto-falante,

impressora, braços, ftp, ...)”

[1] Stuart Russel & Peter Norvig. Inteligência Artificial: Uma

Abordagem Moderna, Campus/Elsevier, 2004. ISBN: 8-

53-521177-2

[2] S. Russel & P. Norvig. Artifical Intelligence: A Modern

Approach, Prentice Hall , 3rd edition, 2009. 1152 p. ISBN

978-0136042594 (http://aima.cs.berkeley.edu/)

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Agente: resumo

é uma entidade real ou virtual;

que está inserida em um ambiente;

que pode perceber o seu ambiente;

que pode agir no ambiente;

que pode se comunicar com outros agentes;

que tem um comportamento autônomo como consequência de suas observações, de seu conhecimento e de sua interação com outros agentes.

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

História: Agentes Inteligentes

Abordagem Micro:

Entender agente como um todo

Entender funcionamento interno de agentes

incorporados a ambientes reais e com entradas

sensoriais contínuas

Abordagem Macro:

Entender como funciona uma sociedade de agentes

comunicação, interação, coordenação, cooperação,

competição

Baseada na psicologia social, sociologia, economia

Exemplos de Agentes

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Adele (segundo funcionalidade) (http://www.isi.edu/isd/ADE/papers/its98/ITS98-WW.htm)

Agente

pedagógico

animação na

Web

(ambiente

simulação)

Desenvolvido

no Center for

Advanced

Research in

Technology

for Education

da University

of Southern

California,

USA.

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Agente Racional

(McCarthy & Hayes 69, Newell 81)

Agente Racional: fazer a melhor coisa possível segue um princípio de racionalidade:

dada uma sequência perceptiva, o agente escolhe, segundo os seus conhecimentos, as ações que satisfazem melhor seu objetivo

Racionalidade dif. Onisciência limitações:

sensores

atuadores

máquina de inferência (conhecimento, tempo, etc.)

agir para obter mais dados perceptivos é racional!

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Desempenho

Mapeamento

[f: P* A]

Medida de desempenho (MD): Critério que define o grau de sucesso de um agente na realização de uma dada tarefa MD deve ser imposta (projetista)

Má escolha da MD -> comportamento indesejado

Compromissos entre objetivos múltiplos conflitantes

Resta o problema de saber quando avaliar o desempenho

e.g., aspirador de pó, provador de teoremas, filtragem de mails, policial de trânsito, avaliador de clima...

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Ambiente

Classes de ambientes Físico: robôs

Software: softbots

Realidade virtual (simulação do ambiente físico): softbots e avatares

Propriedades de um ambiente acessível x inacessível

estático x dinâmico

determinista x não-determinista

discreto x contínuo

episódico x não-episódico

tamanho: número de percepções, ações, objetivos,...

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Exemplos de Ambientes

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

sensores

percebem

ambiente

completo

próximo

estado

definido

atual +

ação

Cada

episódio

depende

ações

episódios

anteriores

ambiente

não se

altera

enquanto

agente

escolhe

ação

existe

conjunto

finito de

percepções

a cada

momento

Propriedade dos Agentes de Software

Agentes devem possuir as seguintes habilidades (noção

fraca) [1]:

• autonomia

•agir sem a intervenção de humanos;

• reatividade

percebe o ambiente e reage a ele;

• pró-atividade

toma a iniciativa;

• habilidade social

interação com outros agentes.

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

[1] M. Wooldridge and N.R. Jennings. Intelligent Agents: Theory and Practice.

Knowledge Engineering Review, 10(2):115–152, 1995.

Propriedade dos Agentes de Software

Noção Forte mobilidade: mover pela Internet;

veracidade: agente não irá comunicar informação falsa;

benevolência: irá ajudar os outros agentes;

racionalidade: agentes não irão agir de forma a impedir os seus objetivos de serem realizados;

cooperação: coopera com o usuário

intencionais

emocionais

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Tipos de Agentes Agentes devem ter todas as capacidades

inteligentes estudadas pela IA clássica: representação do conhecimento, raciocínio e aprendizagem ? Agente tabela

Agente reativo

Agente reativo baseado em modelo (estado interno)

Agente baseado em objetivos (cognitivo)

Agente baseado na utilidade (otimizado)

Agente com aprendizagem (adaptativo)

Autonomia

Complexidade Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Agente Tabela

Limitações

• Mesmo Problemas simples -> tabelas muito grandes (e.g. xadrez 30100)

• Nem sempre é possível, por ignorância ou questão de tempo, construir

a tabela

• Não há autonomia nem flexibilidade

Ambientes

• observável, determinístico, episódico, estático, discreto e pequeno!

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Agentes Reativos (FERBER, 1994)

Introduzida por Brooks (1986) no domínio da Robótica.

não há representação explícita do conhecimento

não possuem representação interna simbólica do ambiente agem através de um comportamento do tipo estímulo/resposta

para responder ao estado atual do ambiente ao qual estão inseridos;

não há memória das ações

organização biológica

grande número de membros

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Agentes Cognitivos ou Deliberativos

Derivam do paradigma do pensamento deliberativo [1] “agents that possess an explicitly represented, symbolic model of

the world and in which decisions (for example about what actions to perform) are made via symbolic reasoning”

Capacidades Inteligentes: percepção e interpretação de dados de entrada e mensagens;

raciocínio sobre suas crenças, desejos, intenções (BDI);

tomada de decisão (seleção de objetivos);

planejamento (seleção ou construção de planos de ações, resolução de conflitos e alocação de recursos);

[1] M. Wooldridge and N.R. Jennings. Intelligent Agents: Theory and Practice. Knowledge Engineering

Review, 10(2):115–152, 1995.

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Agente baseado em utilidade (otimização)

Agentes vs Sistema Multiagente

Agentes

•cada uma das entidades

•PEAS: Performance measure, Environment,

Actuators, Sensors

Sistema Multiagente (SMA)

•coleção de entidades

•entidades que se comunicam através de uma

linguagem comum

•cada agente tem conhecimento e habilidades para

executar uma determinada tarefa, podendo

cooperar ou não, para atingir um objetivo global.

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Taxonomia de Interação

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Michael Huhns & Larry Stephens, Multiagent Systems and Societies of Agents, Chap 2,

Multiagent Systems- A Modern Approach to Distributed Artificial Intelligence, G. Weiss (ed.),

MIT Press, 1999.

Segundo [1], SMA é grupo agentes que interagem

Trocando mensagens através da rede com uso de um protocolo de

comunicação (Internet: TCP/IP, SMTP, HTTP)

KQML-Knowledge Query Manipulation Language (origem Speach Act [2])

KIF - Knowledge Interchange Format

FIPA- ACL (Agent Communication Language padrão FIPA - Foundation

for Intelligent Physical Agents)

Utilizando protocolo de interação

Contract net , market places - protocolo de negociação

Blackboard systems - protocolo de cooperação

Frameworks de desenvolvimento SMA

JADE-Java Agent Development [2] (Java e padrão FIPA), Jadex Agents

SPADE Multiagent and Organization Platform (Python)

[1] Wooldridge, M. Introduction to MultiAgent Systems. John Wiley & Sons, 2nd edition., 2009

[2] Austin book, How to Do Things with Words, 1962.

[3] Bellifemine, F. Developing Multi-agent Systems with JADE. John Wiley & Sons, 2007

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Abordagens de Comunicação

Duas escolas: mental vs. convencional [1]

Mental – atitudes (crenças e intenções)

explicam o comportamento dos agentes, mas não

verificável, não sendo útil como base p/ sistemas

abertos de comunicação baseado em significado

Convencional – normas públicas

Baseado em convenções públicas e interações

sociais

[1] M.P. Singh. Agent Communication Languages: Rethinking the

Principles. IEEE Computer, 31(12):40–47, 1998.

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Abordagem Mental - BDI

[1] especificam agentes em termos de:

conjunto de crenças (beliefs)

conjunto de objetivos ou desejos (desires)

conjunto de intenções (intentions)

Muitas propostas tem sido feitas para

axiomatização do relacionamento entre

beliefs/desires/intentions em lógica multimodal.

[1] A.S. Rao and M.P. Georgeff. An Abstract Architecture for Rational Agents.

Proc. KR-1992.

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Abordagem Convencional - FSM

Protocolos que especificam o comportamento dos

agentes, e.g. FSM [1]

semântica social definida para o comportamento dos

agentes

Adequado para sistemas abertos de comunicação

baseado em significado

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

[1] BLACK, Paul E. (12 May 2008). "Finite State

Machine". Dictionary of Algorithms and Data

Structures. U.S. National Institute of Standards and

Technology.

SMA: Estrutura Típica

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Jennings. On Agent-based Software Engineering, Artificial Intelligence, 117:277-296, 2000.

agents organization

sphere of influence

environment

Economia A Ciência da Economia (1776)

Teoria da Decisão:

probabilidade + teoria da utilidade

grandes grupos

Teoria dos Jogos

estuda situações estratégicas onde jogadores escolhem

diferentes ações na tentativa de melhorar seu retorno;

Dilema dos prisioneiros

Utilidade e Preferência Assuma que existem somente 2 agentes: Ag = {i,j}

Agentes são competitivos (self-interested)

Agentes tem preferências sobre como o ambiente está

Assuma que existem um conjunto de saídas que os agentes tem

preferências:

W = {w1, w2, ...}

Existe uma função de utilidade que captura preferências:

ui: W -> R

uj: W -> R

Função de utilidade leva a uma ordem de preferência

w »i w’ significa que ui (w) ≥ ui (w

’)

w »i w’ significa que ui (w) > ui (w

’), mas não ui (w) = ui (w’)

(preferência estrita)

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

O que é utilidade?

não é simplesmente moeda

suponha que seja recurso/moeda

Analogia útil - típica relação entre utilidade e moeda

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

SMA Model Precisamos de um modelo de ambiente para ação dos

agentes

Agentes podem escolher ações simultaneamente para agir no

ambiente

Como resultado da ação teremos um conjunto de saídas

W = {w1, w2, ...}

O estado atual do ambiente depende da combinação das ações

dos agentes

Assuma que cada agente tenha somente uma possibilidade de

ação C (cooperar) e D (defender)

O comportamento do ambiente é dado pela função de

transformação Ƭ

Ƭ: Aci (ação agente i) X Acj (ação agente j) -> W

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Imagine um ambiente sensível a ação 2 agentes

Ƭ(D,D)= w1 Ƭ(D,C)=w2 Ƭ(C,D)=w3 Ƭ(C,C)= w4

Imagine um que nenhum tenha influência

Ƭ(D,D)= w1 Ƭ(D,C)= w1 Ƭ(C,D)= w1 Ƭ(C,C)= w1

Imagine um ambiente controlado agente j

Ƭ(D,D)= w1 Ƭ(D,C)= w2 Ƭ(C,D)= w1 Ƭ(C,C)= w2

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Agentes Racionais Suponha que 2 agentes influenciem a saída

através da função utilidade

ui (w1) = 1 ui (w2) = 1 ui (w3) = 4 ui (w4) = 4

uj (w1) = 1 uj (w1) = 4 uj (w1) = 1 uj (w1) = 4

Abusando um pouco

ui (D,D) = 1 ui (D,C) = 1 ui (C,D) = 4 ui (C,C) = 4

uj (D,D) = 1 uj (D,C) = 4 uj (C,D) = 1 uj (C,C) = 4

Preferência do agente i:

C, C »i C,D »i D, C »i D,D

C é a escolha racional para o agente i

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Matriz de payoff

Podemos caracterizar o cenário em uma

matriz payoff

Agente i é a coluna

Agente j é a linha

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Conceitos de Solução

Como podemos definir uma ação racional

em qualquer cenário?

Estratégia dominante

Equilíbrio de Nash

Estratégias Pareto Eficiente

Estratégias de maximização social

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Estratégia Dominante

Quando a estratégia Si é dominante par ao

agente i independente da estratégia de Sj

Mas na realidade não existe uma estratégia

sempre dominante

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Equilíbrio de Nash Dizemos que duas estratégias estão em equilíbrio de Nash

se:

Sob a condição do agente i escolher a estratégia S1 , o

agente j não pode ter melhor opção do que a estratégia S2

e

Sob a condição do agente j escolher a estratégia S2 , o

agente i não pode ter melhor opção do que a estratégia S1

Nenhum dos agentes tem incentivo para alterar suas

estratégias

Infelizmente nem todo cenário tem Equilíbrio Nash

Alguns cenários tem mais que um Equilíbrio Nash

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Pareto Eficiente

Uma saída é dita como Pareto ótima ou

Paretto Eficiente se não existir outra saída

que tenha melhor resultado sem que traga

pior resultado ao outro agente

Desta forma pelo menos um agente vai

relutar em alterar sua estratégia (sendo

que pode ficar pior) – agente racional

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Maximização Social

A saída w deve ser a soma de todas as

utilidades de cada agente que produzir

Σi Ɛ Ag ui (w)

Entendam como soma de todo o recurso ou

moeda do sistema

A solução é global e não individual do

agente.

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Conclusão

a área de SMA tem muito que estudar

para auxiliar na resolução de problemas

complexos, reais, e as teorias econômicas

podem auxiliar nestes resultados!!!

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB

Obrigada.

Perguntas????

Profª Célia Ghedini Ralha

ghedini@cic.unb.br

página pessoal: http://www.cic.unb.br/~ghedini

CV Lattes: http://lattes.cnpq.br/5632722847264046

Seminário de Pesquisa - Ciclo 2012-I

CIEF/CERME/ECO/UnB