Plano de Aula

Arquiteturas de Agentes Baseados Em Lógica

BDI Reativas

A arquitetura de Subsumption

Relembrando...

Um agente é... Uma entidade autônoma, que

percebe o ambiente através de seus sensores e atua neste através de seus atuadores...

Assim... Como decidir que ações realizar?

Agentes Baseados em Lógica

Comportamento Inteligente = Representação simbólica do ambiente + do comportamento desejadoFormalismo: lógicaManipulação: dedução lógica Teoria de agentes (): como os

agentes devem se comportar

Agentes Baseados em Lógica

Estados internos dos agentes: fórmulas lógicas Aberta(válvula221) Interessante(aulaagentes)

Comportamento do agente: determinado por sua Base de Conhecimento (regras + fatos) Aquilo que o Agente acredita sobre seu ambiente

Três funções básicas: See – determina a percepção Next – atualiza a BC Action – escolhe a próxima ação

O Robô Aspirador de Pó

O Robô Aspirador

Agente recebe: Sujeira Null

Ações: para frente sugar virar

Objetivo: mover-se no ambiente buscando e removendo sujeira

Três predicados: Em(x.y) Sujeira(x,y) Direção(d)

Comportamento do agente função próximo regras de dedução

Agentes Baseados em Lógica

Função ´próximo´: Analisar as percepções Atualizar a Base de Conhecimento remover informações velhas ou irrelevantes Inferência em várias partes:

velho() = {P(t1,...,tn}/ P {Em, Suj, Dir} & P(t1,...,tn} Novo: todas as novas posições, direções e possíveis

sujeiras Próximo(,P) = ( \ velho()) Novo(,P)

Algoritmo Básico

Função ação_agente-BL (BC):açãoPara cada a A faça

se BC faça(a) entãoretorne a

para cada a A façase BC ¬faça(a) então

retorne aRetorne nullFim ação_agente-BL

Agentes Baseados em lógica

Regras de dedução: predicado(termo) predicado(termo) Ex: Em(0,0) Sujeira(0,0) Faça(sugar)

Problemas com essa abordagem Como mapear percepções para fórmulas? Complexidade da prova do teorema Difícil representar conhecimento procedimental Ambiente estático!!! Como seria num dinâmico?

Agentes BDI

BDI – Beliefs, Desires, Intentions Motivação: Raciocínio prático Processo de Decidir, a cada momento, que

ações tomar para chegar mais perto dos objetivos.

Implica Decidir que objetivos quer realizar Como vão ser executados esses objetivos

Requer Três conjuntos de sentenças lógicas: B, D e I Estes conjuntos são consistentes entre si.

Os Estados Mentais

Crenças: o que se sabe sobre o estado do ambiente e dos agentes

“Recife é ensolarada”.

Desejos: estados do mundo que o agente quer atingir

“Eu gostaria de ganhar 45 milhões de reais

Intenções: Comprometimento com ações para alcançar objetivo

“Vou Ligar para o dentista”

Um Exemplo...

Daniel acabou de se formar... O que fazer? Virar acadêmico... Ir para o Mercado

Se resolve ser acadêmico... Se compromete a realizar ações neste sentido Intenções Procurar Emprego em uma Universidade.

E o mundo, como está? Crenças Daniel se formou, Daniel pode ser professor

Que Desejo escolher?

Desejos

Especificam as preferências dos agentes sobre os estados do ambientePodem ser inconsistentes Eu desejo perder 30 Kg Gostaria de comer quilos de chocolate suíço

Desejos causam intenções açõesObjetivos: subconjunto consistente dos desejos.

IntençõesGuiam a escolha das Ações Devem ser c onsistente com desejos e crenças

Devem ser persistentes Demasiado persistentes. Fazem o agente

perder tempo!Pouco persistentes. Não alcançam

nenhum objetivo É preciso reconsiderar as intenções com alguma frequencia

Ainda é possível realizá-las? Já foram realizadas? Seria melhor se comprometer com outra intenção?

Reconsiderando Intenções...

Tempo t = 0Desejo: Atingir o alienIntenção: Aproximar-se de PCrença: o Alien está em P

P

Reconsiderando Intenções...

Tempo t = 10Desejo: Atingir o alienIntenção: Aproximar-se de PCrença: o Alien está em P

P

?

Q

O Dilema BDI

O agente não para para reconsiderar suas intenções: Perde tempo tentando o impossível!

(Xiita)

O agente para demais para reconsiderar: Não tem tempo de fazer nada! (Indeciso)

Como encontrar o balanço?

O que o agente BDI tem?

3 conjuntos de sentenças Crenças Desejos Intenções

4 Funções Revisão de Crenças BRF(Bel, BC) Geração de Intenções Options(Bel, Int) Função Filtro Filter(Bel, Des, Int) Função Selecionadora de Ações

Execute(Int)

A Arquitetura BDI

Agente

Como está o mundo agora?

Função Filtro

Função Revisão de Crenças

Que Intenções tenho?A m

b i

e n

t e

Função de OpçãoQue objetivos podem ser alcançados?

Estado interno: Crenças, desejos, intençõespercepções

+

ações

Sensores

Atuadores

Função de seleção de ações

Algoritmo do Agente BDI

Programa Agente BDI

t := 0 //contador de tempo

enquanto Agente-BDIAgente-BDI vivo, faça

TellTell(BC, Percepções-Percepções-SentençaSentença(percepção,t))

BRF(Percepcao, BC)

Desejos <- Options(BC, intençao)

intençao <- Filter (Bel, Des, intenção)

ação <- ExecutaExecuta(intenção)

fim

MArCo

Mediador Artificial de ConflitosMedia discussões entre agentes HumanosRaciocínio BDI/BGI

MArCo

Um exemplo de interação

A. Eu acho que as vendas de natal começam no princípio de novembro

B. Por que? Acho que é mais tarde...A. Para dar tempo de fazer

propaganda..B. Ah, ok.

O funcionamento de MArCo

MArCo

Como está o mundo agora?

Função Filtro

Função Revisão de CrençasO povo mudou de idéia?

Atualizo modelos

Que Intenções tenho?

Diá

log

o

Função de Opção: faço o povo elaborar as idéias?

Que objetivos podem ser alcançados?

Estado interno: Crenças (individuais e de grupo), desejos, intençõespercepções

+

ações

Sensores

Atuadores

Função de seleção de ações

Agentis (Australian Artificial Intelligence Institute)

Objetivo. Ajudar no desenvolvimento e manutenção de call centers Ou de portais na internet.

• Gera aplicações automáticas para os clientes• Reduz tempo de desenvolvimento e custos • Gera estatísticas de rendimento

Utilizado pela companhia de telecomunicações australiana para responder a 98% das chamadas ao sistema de ajuda ao usuário. Sistema comporta 4000 agentes.

                   

Um Exemplo Real...

Arquiteturas Reativas

Alternativa a representação simbólicaO comportamento do agente é produto de sua interação com o ambienteComportamento inteligente emerge da interação entre vários comportamentos mais simples.Abordagem comportamental, situada, reativa

The Subsumption Architecture

a tomada de decisão é um conjunto de comportamentos realizadores de tarefa. Cada um é uma função de ação

Neste caso máquinas de estados finitos. Cada um assume a forma situação ação

Há uma hierarquia de comportamentos Comportamentos de nível mais baixo inibem

os de nível mais alto

O algoritmo Básico

Função ação (p:Percepção): açãovar disparado: nível; selecionada: açãodisparado <- {(cond, ação) }

para todo (cond, ação) disparadoSe ¬(cond’, ação’) disparado tal que

(cond’, ação’) < (cond, ação) return ação

return nullFim função ação

A arquitetura de Brooks

Módulos (e organização) definidos pelo designer Pode ser usada para descrever agentes cognitivos também.

Um Exemplo – Robô explorando ambiente

Evitar obstáculos

Recarregar

Otimizar caminhos

Mapear território

Explorar

Pegar/largar objetos

Avançar random.

Sensores

Atuadores

Ambiente

Um exemplo...O objetivo é explorar um planeta distante,

para coletar amostras de rocha. Não se sabe onde estão, mas há áreas de maior

concentração delas. Vários veículos autônomos estão disponíveis para

coletar amostras e depois voltar para a nave-mãe. Há um mapa do planeta

disponível, mas o planeta tem vários obstáculos que impedem os veículos de

se comunicar.

Para resolver o problema...

Utilização de dois mecanismos... Campo Gradiente/Potencial

Os objetos do ambiente emitem sinais, cuja intensidade é inversamente proporcional ao objetivo.

U(p) = Uatr(p) + U rep(p) Uatr(p) = k * dist(p, objetivo)2

U rep(p) = k’ * 1/dist(p, objetivo)2 se dist(p,

objetivo)<distinfl

0 caso contrário Comunicação Indireta

Fragmentos radioativos são deixados no caminho

Um parêntese...

Outra forma de construir os campos potenciais é alterar o potencial de atração... Campo dividido em células

Procedure valor(x, v)Se x.potencial não está definido ou v<x.potencialEntão

x.potencial = v; para todo y vizinho de x valor(y, v+1)Senão faça nadaFim da procedure

Comportamentos Utilizados...

1. se detectar obstáculo, mude de direção

2. Se carregar amostras e na base, largue

3. Se carregar amostras e fora da base, vá na direção do gradiente

4. Se achar amostra, pegue5. Se true, se mova randomicamente

Para assegurar cooperação

1. se detectar obstáculo, mude de direção2. Se carregar amostras e na base, largue3. Se carregar amostras e fora da base,

largue dois fragmentos e vá na direção do gradiente

4. Se achar amostra, pegue5. Se detectar fragmento, pegue e vá no

sentido contrário ao gradiente6. Se true, se mova randomicamente

Nem tudo são flores...

O ambiente deve fornecer informação suficiente para os agentes... mais complicado tomar decisões de longo prazo. Difícil projetar comportamento emergente. Difícil construir agentes com muitos comportamentos.