Escolar Documentos
Profissional Documentos
Cultura Documentos
Fsi02 Age
Fsi02 Age
Agentes Inteligentes
●
Agente é qualquer entidade que:
●
Está inserido em um ambiente
●
Percebe o ambiente por meio de sensores
●
Age sobre o ambiente por meio de atuadores
●
Idealmente: deve ser o mais autônomo o possível
2/37
Agente Aspirador
3/37
Agente Aspirador (2)
4/37
Agente Aspirador (3)
Tabela de Percepções
5/37
Agente Racional
●
Um agente é racional se faz a melhor ação
possível, considerando suas limitações
●
Como medir se o agente é racional?
●
Usando uma medida de desempenho
●
O agente deve maximizar essa medida
6/37
Agente Racional (2)
●
Um agente pode ser pensado como uma função
matemática f
●
Recebe sequências de percepções
●
Devolve uma ação
●
Um agente é onisciente se faz a melhor ação de
todas. Raro na prática
7/37
PEAS
●
PEAS (ervilhas) é um acrônimo para:
●
P: performance (desempenho)
●
E: environment (ambiente)
●
A: atuadores
●
S: sensores
8/37
PEAS (2)
●
O PEAS é usado para estimar a complexidade de
um agente
●
Quando mais complexo é o PEAS, mais
complexo será o agente
●
Exemplo a seguir: robô taxista
9/37
PEAS (3)
10/37
PEAS (4)
●
Exercício: definir o PEAS para um dos exemplos a
seguir
●
Agente de diagnóstico médico
●
Sistema de análise de imagens de satélites
●
Braço robótico para seleção de peças
●
Controlador de Refinaria
●
Instrutor de Inglês Virtual
11/37
PEAS (5)
●
Completamente observável vs parcialmente
observável
●
O agente “vê” o ambiente todo em suas
percepções ou só uma parte dele?
●
Agente único vs multi-agente
●
O agente está só ou existem outros agentes
colaborando/competindo com ele?
13/37
Tipos de Ambientes (2)
●
Determinístico vs estocástico
●
A sorte tem algum papel nas percepções e
ações do agente?
●
Sequencial vs episódico
●
O passado importa na decisão atual ou não?
14/37
Tipos de Ambientes (3)
●
Estático vs dinâmico
●
O ambiente está sujeito a mudanças enquanto o
agente está decidindo o que fazer?
●
Discreto vs continuo
●
As percepções e ações estão associadas a
valores inteiros ou reais?
●
Existe um conjunto finito de percepções e
ações?
15/37
Tipos de Ambientes (4)
●
Exercício 1: definir o ambiente para um dos
exemplos a seguir
●
Palavras cruzadas
●
Xadrez com relógio
●
Poker
●
Gamão
●
Robô taxista
16/37
Tipos de Ambientes (5)
●
Exercício 2: definir o ambiente para um dos
exemplos a seguir
●
Diagnóstico médico
●
Agente separador de peças
●
Controlador de refinaria
●
Instrutor de Inglês virtual
17/37
Arquiteturas de Agentes
●
Resolvendo problemas com tabela:
●
Alternativa usada no problema do aspirador
●
Jogo da velha: da ordem de 105 entradas
●
Xadrez: da ordem de 10150 entradas
●
Muito maior que um gugol!
18/37
Arquiteturas de Agentes (2)
●
Tabelas são aplicáveis apenas em problemas
muito pequenos com ambientes discretos
●
Desafio da IA: produzir programas racionais com
o menor tamanho possível
●
Arquiteturas de agentes: simples ou complexas de
acordo com a natureza do problema
●
Exemplos a seguir:
19/37
Arquiteturas de Agentes (3)
●
Arquiteturas:
●
Agente reativo simples
●
Agente reativo baseado em modelo
●
Agente baseado em objetivo
●
Agente baseado em utilidade
●
Agente com aprendizado
20/37
Agente Reativo Simples
21/37
Agente Reativo Simples (2)
●
Baseado em regras if-then
●
Carro autônomo:
Se o carro da frente está freando então ativar
freios
●
Radar eletrônico:
Se velocidade > 110 km/h então fotografar
●
Conseguem lidar com ambientes continuos
22/37
Agente Reativo
com Modelo
23/37
Agente Reativo
com Modelo (2)
●
Modelo do mundo
●
Possui estado interno (ex.: variáveis)
●
Pode manter um histórico do estado do mundo
não visíveis no momento
24/37
Agente Reativo
com Modelo (3)
●
O modelo permite agentes em ambientes
parcialmente observáveis
●
Modelo diz mundo estava antes
●
Modelo também diz como o mundo evolui:
ajudando a evitar que a informação fique
desatualizada
●
Exemplo: um carro que iniciou uma
ultrapassagem e pode estar no ponto cego
25/37
Agente Reativo
com Modelo (4)
●
O modelo também da pistas ao agente sobre o
impacto das ações do agente no mundo
●
Saber o impacto das ações no mundo
●
Ajuda a manter o estado
●
Exemplo: como os outros veículos se
comportam ao acionar seta a direita?
26/37
Agente Baseado
em Objetivo
27/37
Agente Baseado
em Objetivo (2)
●
Tem um objetivo explícito e sabe o impacto de
suas ações no mundo
●
Escolhe uma ação que o aproxima do seu
objetivo
●
Lida bem com objetivos atingíveis no curto
prazo
●
Exemplo: sistema de GPS busca rotas até
encontrar uma que o leve ao destino
28/37
Agente Baseado
em Utilidade
29/37
Agente Baseado
em Utilidade (2)
●
Utilidade: internaliza no agente a medida de
desempenho
●
Agente sabe seu objetivo e sabe se está
fazendo um bom trabalho para atingi-lo
●
Lida bem com objetivos atingíveis no longo
prazo
30/37
Agente Baseado
em Utilidade (3)
●
Exemplo: entre as possíveis rotas qual a mais
rápida/econômica/segura?
●
Calcular a medida de desempenho é
tradicionalmente muito custoso
●
A utilidade normalmente é dada por uma
heurística
31/37
Agente Baseado
em Utilidade (4)
●
A heurística é uma proximação imperfeita da
medida de performance
●
As vezes falha
●
Pode não encontrar melhor rota de todas
●
Mas tende a trazer rotas que seja
suficientemente boas
32/37
Agente com Aprendizado
33/37
Agente com Aprendizado (2)
●
Proposta: não injetar conhecimento diretamente no
agente
●
Fazer um agente que aprende
●
Ensiná-lo a fazer a tarefa em questão
●
Mais eficiente para problemas complexos
●
Mais fácil para o projetista humano (menos
programação)
34/37
Agente com Aprendizado (3)
●
Exemplo real:
●
Evitar: ter de programar como um semáforo se
transforma em pixels na câmera do veículo
●
Alternativa: mostrar várias fotos de semáforos
●
Deixar que o agente descubra sozinho como
os pixels se organizam para formar um
semáforo
35/37
Agente com Aprendizado (4)
●
Agente pode se adaptar a situações novas, não
previstas
●
Exemplo: dono do automóvel muda para cidade
com outro perfil de tráfego
●
Exemplo real: sistema de aprendizado por
reforço encontra bug no jogo Q*bert 30 anos
depois do lançamento
36/37
IA Emergente
●
Na natureza, muitas vezes, o todo é maior que a
soma das partes
●
Formigas são limitadas, mas o formigueiro é
inteligente
●
Um neurônio sozinho é limitado, mas o cérebro é
inteligente
●
IA Emergente: combinando vários agentes “fracos”
podemos obter comportamento mais inteligente
37/37