Agentes Inteligentes

Renata S.S. Guizzardi

Inteligncia Artificial 2007/02
Definio
Um agente tudo aquilo que pode ser visto
como percebendo um ambiente e agindo
sobre ele
Eu adicionaria:
... Em busca de um conjunto de objetivos.
Caractersticas Cognitivas (1/2)
Bsicas:
Autonomia capacidade de agir sem
interveno de outros agentes.
Reatividade habilidade de reagir a
estmulos do ambiente.
Proatividade propriedade de agir guiado
por objetivos, a partir de iniciativa prpria.
Sociabilidade potencialidade de se
comunicar com outros agentes do ambiente.
Caractersticas Cognitivas (2/2)
Adicionais:
Adaptatividade capacidade de se adaptar ao
ambiente (aprendizado).
Mobilidade habilidade de se mover entre
ambientes.
Veracidade propriedade de dizer sempre a
verdade.
Benevolncia caracterstica de realizar tudo
aquilo que lhe solicitado.
Racionalidade capacidade de agir sempre em
busca dos prprios objetivos.


No h consenso!
[Wooldridge 1999] Autonomia a habilidade de agir
sem interveno humana ou de outros sistemas.
Isso conseqncia do controle total sobre seu
estado interno e sobre seu comportamento.
[Maes 1995] Agente autnomo o que consegue
operar com completa autonomia, decidir por si s
como relacionar os dados obtidos com aes de
modo que seus objetivos sejam atingidos com
sucesso.
[Russel & Norvig 1995] Um sistema autnomo na
medida em que seu comportamento determinado
pela sua experincia, em vez de ter todo o
conhecimento sobre o ambiente pr-construdo. Esse
sistema tem um conhecimento inicial e habilidade
de aprender.
Agentes Racionais
So aqueles que tomam a ao correta em
busca de seus objetivos.
Dependem:
Da medida de eficincia (performance measure) que
define o grau de sucesso do agente.
De sua seqncia de percepes em relao ao
ambiente.
De todo o conhecimento que tem sobre o ambiente
Das aes que capaz de realizar.
Agente Racional Ideal
Para cada possvel seqncia de percepo, um
agente racional ideal deve realizar a ao que
maximize sua medida de eficincia, com base
em evidncias providas pela seqncia de
percepo e mais qualquer conhecimento que o
agente tiver sobre o ambiente.
Exemplos
Termostato
Agente de Diagnstico Mdico
Motorista de Taxi Artificial

Quais so seus perceptores, aes, objetivos, ambiente e
medida de eficincia?
Agente Bsico
- Cad a medida de eficincia?
- Ser que a escolha da ao pode ser feita a partir de uma
tabela que relacione diretamente condio/ao?
Tipos de Agentes
Reflexivos
Reflexivos com estado interno
Orientados a objetivos
Baseados em utilidade
Agente Reflexivo
Aes baseadas no estado atual do mundo.
Agem por reflexo: regras condio-ao.
A
m
b
i
e
n
t
e

Estado do
Mundo
Sensors
Que ao eu devo
tomar
regras condio-ao
Effectors
Agente Reflexivo com Estado Interno
Necessrios quando um histrico
necessrio, alm da informao sensorial.

A
m
b
i
e
n
t
e

Estado do
Mundo
Sensors
Que ao eu devo
tomar
regras condio-ao
Effectors
estado interno
como o mundo evolui
conseqncias de minhas
aes
Agente Orientado a Objetivos
Mais flexveis por inferirem reaes.
A
m
b
i
e
n
t
e

Estado do
Mundo
Sensors
Que ao eu devo
tomar
objetivos
Effectors
estado interno
como o mundo evolui
conseqncias de minhas
aes
Como ser o mundo
se eu tomar ao A
Agente Baseado em Utilidade
Funciona escolhendo sempre um estado mais til.
Funo de utilidade: determina o grau de satisfao
do agente em relao a um determinado estado.
A
m
b
i
e
n
t
e

Estado do
Mundo
Sensors
Que ao eu devo
tomar
utility
Effectors
estado interno
como o mundo evolui
conseqncias de minhas
aes
Como ser o mundo
se eu tomar ao A
O quo feliz vou
ficar nesse estado
Propriedades do Ambiente
Acessvel x Inacessvel
Determinstico x No-determinstico
Episdico x No-episdico
Esttico x Dinmico
Discreto x Contnuo
Ambiente Acessvel
Sensores tm acesso ao estado completo do
ambiente (i.e. os agentes vem tudo).
Os sensores captam toda informao relevante
para a escolha por uma ao.
No necessrio manter o estado interno.
Ex.:
xadrez acessvel
rob que seleciona peas inacessvel
Ambiente Determinstico
Prximo estado = estado atual + aes dos
agentes.
Devemos dizer se um ambiente ou no
determinstico do ponto de vista de um agente.
Ex.:
xadrez determinstico
rob que seleciona peas no-determinstico

Ambiente Episdico
A experincia dos agentes dividida em episdios, i.e.
pares percepo-ao.
A qualidade da ao depende apenas do episdio em si,
porque episdios subseqentes no dependem da ao
que ocorrem em episdios anteriores.
mais simples porque o agente no precisa pensar no
futuro.
Ex.:
xadrez no-episdico
rob que seleciona peas episdico
Ambiente Esttico
O ambiente no muda enquanto o agente
est deliberando.
mais simples de lidar porque o agente no
precisa monitorar o ambiente enquanto toma
uma deciso.
Semi-dinmico: o ambiente no muda mas a
medida de eficincia do agente muda.
Ex.:
Xadrez sem relgio esttico
Xadrez com relgio semi-dinmico
rob que seleciona peas dinmico
Ambiente Discreto
H um conjunto limitado e bem definido de
perceptores e aes distintos.
Ex.:
xadrez discreto
rob que seleciona peas contnuo

Ambiente x Agente
Cada ambiente requer um tipo de agente.
Ambiente mais simples: acessvel,
determinstico, episdico, esttico e
discreto.
Quanto mais complexo for o ambiente,
mais complexo deve ser o agente.
Sistemas Multiagentes (MAS)
Definio 01: Sistemas compostos por
dois ou mais agentes.
Definio 02: Uma rede de resolvedores
de problemas que trabalham juntos para
solucionar problemas que esto acima de
suas capacidades e conhecimentos
individuais.
Caractersticas de um MAS
Cada agente tem informao ou
capacidade incompleta para solucionar o
problema, assim:
cada agente tem um ponto de vista limitado;
No h controle global do sistema;
Os dados esto descentralizados;
A computao assncrona.

Tipos de Interao em um MAS
Cooperao
trabalhar juntos em busca de um objetivo comum.
Coordenao
gerenciar as dependncias entre diferentes
atividades, de forma que as aes dos diferentes
agentes sejam sincronizadas e o trabalho dobrado
seja evitado.
Negociao
chegar a um acordo que seja aceitvel para todas as
partes envolvidas.
Quando usar?
Sistemas Multi-agentes so adequados para
representar problemas que tm mltiplos
mtodos de resoluo, mltiplas
perspectivas e/ou mltiplos resolvedores
de problema.

Referncias Bibliogrficas
Russel, S. e Norvig, P. Artificial Intelligence: A Modern
Approach. Nova Jersey: Prentice Hall, 1995.
Maes, P. Modeling Adaptive Autonomous Agents. In C.
Langton (Ed.) Artificial Life: an Overview. Cambridge:
MIT Press, 1995.
Wooldridge, M. J. Intelligent Agents. In G. Weiss (Ed.)
Multiagent Systems: A Modern Approach to Distributed
Artificial Intelligence, Cambridge: MIT Press, pp. 27-77,
1999.
Jennings, N. R., Sycara, K. P., and Wooldridge, M. A
Roadmap of Agent Research and Development. Journal
of Autonomous Agents and Multi-Agent Systems, 1(1):7
36, 1998.