Inteligência ArtificialNadilma C. V. N. PereiraAula 3– Agentes Inteligentes

CURIOSIDADE: I.A. no Brasil• Fracamente representada nas graduações em computação

▫ No máximo, 1 disciplina obrigatória▫ No melhor dos casos, depois do sexto período▫ Ementa restrita e desatualizada

• Economicamente AINDA incipiente▫ Por falta de demanda ou de profissionais bem formados?

Demanda começa a surgir...• Visão “distorcida e incompleta”• No exterior é o contrário

MIT, Stanford, Carnegie Mellon, Berkley, Imperial College, Cambridge

Mercado fatura alto.

Tópicos• Agentes Inteligentes• Racionalidade• Ambientes• Tipos de Agentes • Intuições gerais sobre o tema• Raciocínio – O quê?• Raciocínio – Como?• Buscas – O quê?• Buscas – Por quê?• Buscas – Como?• Buscas – Heurísticas?• Buscas – Heurísticas – Exemplos

Objetivos da aula•Conhecer os principais aspectos

constituintes dos Agentes Inteligentes•Conhecer os principais tipos de Agentes

Inteligentes

Agentes Inteligentes•É qualquer coisa que tenha:

▫Percepção: sente, percebe, vislumbra o seu meio através de sensores.

▫Ação: realize atos, age sobre o seu meio através de efetuadores.

•Exemplos: ▫Seres humanos:

Percepção: Olhos, ouvidos, olfato, etc. Ação: mãos, braços, pernas, etc.

▫Robôs: Percepção: câmeras, sensores IR, etc. Ação: Braços mecânicos, motores, etc.

Agentes InteligentesAgente Ambiente

(Percepção Atuação)

Agentes InteligentesAgente Ambiente

(Adaptação Aprendizagem)

Agentes InteligentesAgente Ambiente

(Autonomia Liberdade)

Agentes Inteligentes•“ingredientes” de um Agente inteligente:

▫Mecanismos de percepção▫Mecanismo de aprendizado▫Representação do conhecimento▫Função objetivo

Racionalidade

Racionalidade

Racionalidade = “escolhas” certas

Como saber se o agente está agindo de forma certa?

R.: Mecanismos de avaliação para os agentes.

Racionalidade

Racionalidade <> onisciênciaPrincípio da racionalidade: dada uma seqüência perceptiva, o agente escolhe, segundo seus conhecimentos, as ações que melhor satisfazem seus objetivos.Onisciência: Que tudo sabe, pois tem limitações de:SensoresEfetuadoresRaciocinador (conhecimento, tempo, etc)

Aspectos•Em síntese, um agente racional depende

em qualquer instante de quatro fatores:▫Desempenho (Performance) : define o grau

de sucesso;▫Ambiente (Environment): tudo o que o

agente conhece a respeito do meio;▫Sensores (Sensors): tudo o que o agente

tenha percebido até então;▫Atuadores (Actuators): a ação que o agente

pode desempenhar.

Problemas •Automatização de sistemas de potência

▫Rios, barragens, turbinas... Onde haja perigo para a vida humana

Problemas•Produção de histórias interativas

▫Permitir interação com o usuário;▫Modelar comportamento e personalidade

(ex: tamagotchi)

Problemas•Observações Ininterruptas

▫Ex.: Lombadas eletrônicas. Estas substituem a necessidade de um guarda (ser humano) de estar fiscalizando o trânsito.

Lombada Eletrônica

E ai?•O que estes problemas têm em comum?

▫Grande complexidade (número, variedade e natureza das tarefas);

▫Não há “solução algorítmica”, mas existe conhecimento;

▫Modelagem do comportamento de um ser inteligente (autonomia, aprendizagem, conhecimento, etc.)

E ai?•Inteligência Artificial

▫Há 30 anos lida com esses problemas;▫Objetivo: construir (e aprender a construir)

programas que, segundo critérios definidos, exibem um comportamento inteligente na realização de uma dada tarefa.

Um agente•É qualquer entidade que:

▫Percebe seu ambiente através de sensores (câmeras, microfones, teclados, etc...)

▫Age sobre elas através de efetuadores (vídeo, alto-falante, impressoras, etc...)

•Mapeamento: seqüência perceptiva => ação

Agente de polícia

Exemplos de Agentes

Ambientes•Observável compl. X parcialmente

▫Determinístico x estocástico▫Episódico x seqüencial▫Estático x dinâmico▫Discreto x contínuo▫Agente único x multiagente

(Competitivo x colaborativo)

Completamente X Parcialmente Observável•Compl. Observável: Permite acesso ao

estado completo do ambiente em cada instante, os sensores detectam aspectos relevantes para a escolha de uma determinada ação

•Parcial. Observável: Ambiente pode existir ruído e ter sensores imprecisos.

•A ESCOLHA DESSAS PROPRIEDADES ESTÁ INTEIRAMENTE LIGADA A MEDIDA DE DESEMPENHO DO SISTEMA!!!

Determinístico X Estocástico•Determinístico: o próximo estado do

ambiente é determinado pelo estado atual e pela ação executada pelo agente.

•Estocásticos: acontece geralmente em ambiente parcialmente observável, pois se o ambiente é complexo e difícil de controlar os aspectos não observados, nunca se sabe o caminho exato e pode ocorrer falha em algum sensor.

Episódico x Seqüencial•Episódico: cada episódio consiste na

percepção do agente e depois na execução de uma ação, mas simples, porque não precisa pensar a frente;

•Seqüencial: a decisão atual pode afetar todas as decisões futuras, ações em curto prazo podem ter conseqüências a longo prazo.

Estático x Dinâmico•Estático: o agente não precisa continuar a

observar o mundo enquanto está decidindo sobre a realização de uma ação.

•Dinâmico: quando o ambiente pode se alterar enquanto um agente está deliberando, precisa observar o mundo enquanto está decidindo sobre a realização de uma ação.

Discreto x Contínuo•Discreto e contínuo estão relacionados a

estado do ambiente.•Discreto: contável•Contínuo: não- contável. Com o tempo a

quantidade de objetos considerados podem aumentar ou diminuir sem o seu controle.

Agente único e Multiagente•Agente único e multiagente: competitivo

quando uma agente “A” está tentando maximizar sua medida de desempenho que minimiza a medida de desempenho de um agente “B” ou cooperativo quando se tenta maximizar a medida de desempenho de todos os agentes.

Tipos de Agentes

Agentes Reativos Simples

Respondem a percepçõesRegra da condição-ação

Agentes Reativos(por modelo)

Mantêm o estado interno para aspectos não percebidos

Informações sobre o modo de como o mundo evolui independentemente do

agente

Agentes Racionais (por objetivo)

Procuram atingir alvosDescrição do estado atual +

Informação sobre objetivos que descreva situações desejáveis

Agentes Racionais (por utilidade)

Tentam maximizar suas expectativas

Agentes (com aprendizagem)

Agentes com aprendizagem possuem melhores performances

Problemas x Soluções•Problemas demandam soluções

▫Soluções podem ser providas: Pelo programador do sistema Encontradas computacionalmente

▫Soluções computacionais envolvem : Estruturas de dados e procedimentos

Raciocínio – O quê?•Raciocínio é a habilidade mental de

deduzir ou inferir uma conclusão dado uma conjunto de premissas.

Raciocínio - Como?•Raciocínio dedutivo (e.g. silogismo):

▫Todas os humanos são mortais▫Bush é mortal▫Então, Bush é mortal.

Raciocínio – Como?•Raciocínio indutivo (e.g. probabilístico):

▫O sol nasceu todos os dias do leste até hoje;▫Então, o sol nascerá do leste amanhã.

Intuições Gerais sobre o tema•E se a solução de um problema for um

ponto(s) num espaço ?•E se a solução de um problema puder ser

encontrada por um raciocínio?

Busca (força bruta) – O quê?•Tipo de busca que enumera todas as

possíveis soluções e examina-as todas;▫ Método caro (memória/processador)▫ Risco de explosão combinatorial▫ =“Blind Search Methods”

Busca (força bruta) – Por quê?•É possível ser melhorado:

▫Reordenando o espaço de buscas▫ Reduzindo o espaço de buscas▫ Incluindo conhecimento anterior▫ Incluindo heurísticas

Busca (força bruta) – Como?•Busca em largura (“Breatdh-first”)

▫Primeiro busca soluções eqüidistantes da “raiz”

▫ Usa filas

Busca (força bruta) – Como?•Busca em profundidade (“Depth - first”)

▫Segue “trilhas”▫ Improdutivo para caminhos longos▫ Usa pilhas

Busca - Heurísticas•Aproximação de soluções;•Não segue um percurso claro mas se

baseia na intuição e nas circunstâncias a fim de gerar conhecimento novo;

•Usa algum tipo de função para estimar o custo da busca;

•Assume que função é eficiente;•Foca em alguns “caminhos” em

detrimento de outros.

Busca – Heurísticas - Exemplos•“Hill climbing” - idéia

▫Procura dentre operadores existentes o que leva mais próximo do objetivo

▫Continua até que não haja mais melhoria notada

Busca – Heurísticas - Exemplos•“Hill climbing” – comentários•O algoritmo pode mover-se sempre na

direção que apresenta maior taxa de variação para função objetivo considerada▫Problemas: máximos locais, platôs e

ondulações▫Soluções: retornar (backtracking), saltos

maiores (para platôs) e regras múltiplas (para ondulações)

Máximos Locais•Definição

▫Em contraste com máximos globais, são picos mais baixos do que o pico mais alto no espaço de estados (solução ótima)

Platôs (Planícies)•Uma região do espaço de estados onde a

função de avaliação dá o mesmo resultado•Todos os movimentos locais são iguais

(taxa de variação zero)▫o algoritmo pára depois de algumas

tentativas restrição do algoritmo

Ondulações (Encostas e Picos)•Apesar de estar em uma direção que leva

ao pico, nenhum dos operadores válidos conduz o algoritmo nessa direção.

Busca – Heurísticas - Exemplos• Simulated Annealing: Este algoritmo é semelhante

à Subida da Encosta, porém oferece meios para se escapar de máximos locais.▫ quando a busca fica “presa” em um máximo local, o

algoritmo não reinicia a busca aleatoriamente▫ ele retrocede para escapar desse máximo local▫ esses retrocessos são chamados de passos indiretos

• Apesar de aumentar o tempo de busca, essa estratégia consegue escapar dos máximos locais

• Analogia com cozimento de vidros ou metais: ▫ processo de resfriar um líquido gradualmente até ele se

solidificar

Busca – Heurísticas - Exemplos•“Simulated Annealing” - idéia

▫O objetivo é buscar mínimos estados de energia

▫“Movimentos” são governados pelos estados de energia que decai sempre

▫Movimento para cima são mais prováveis antes

Críticas a Busca Heurística•Solução de problemas usando técnicas de

busca heurística:▫dificuldades em definir e usar a função de

avaliação▫não consideram conhecimento genérico do

mundo (ou “senso comum”)•Função de avaliação: compromisso

Exercício•Imagine uma situação qualquer que você

gostaria que um determinado agente inteligente realizasse para tornar sua vida mais agradável.▫Conjeture:

Tarefa e Meio: o que e onde o agente irá atuar Tipo de Conhecimento: o que o agente deve saber? A estrutura do Agente: Sensore, raciocínio, efetuadores. Resolução do problema: o que deve ser feito para

realizar a tarefa desejada Medida de Desempenho: como este agente é avaliado?

Trabalho (Projeto + Seminário)•As Técnicas de Inteligência Artificial

estudadas:▫Sistemas Especialistas▫Lógica Fuzzy▫Redes Neurais▫Árvores de Decisão▫Computação evolucionária ▫Sistemas Multi-agentes