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.