INTELIGÊNCIA ARTIFICIAL Prof.

Cleyton Rodrigues

AULA 02 – AGENTES E BUSCAS UPE/Garanhuns

TIPOS DE AGENTES E TIPOS DE
AMBIENTES
CLEYTON RODRIGUES, M.SC
MOTIVANDO...
O Homem sempre procurou construir ferramentas que o ajudasse nas mais variadas tarefas...
Muitas destas tarefas são críticas, e necessitam do conhecimento humano, da sua
capacidade de adaptação, “raciocínio” e aprendizado para resolver os problemas.
AGENTES INTELIGENTES
Entidade (Hardware, Software, Biológica) capaz de perceber o ambiente através de seus sensores,
raciocinar, e realizar ações baseado nos seus atuadores.
Uma das áreas de pesquisa da I.A. mais proeminentes;
Base de outras áreas de pesquisa da I.A.: Web Semântica

Sensores
Ambiente

Atuadores

CLEYTON RODRIGUES, M.SC

AGENTES – ELEMENTOS BÁSICOS
(1) Percepção: corresponde as entradas
perceptivas do agente;
(2) Ação: corresponde a saída feitas
pelos atuadores;
(3) Sequência de Percepção: História de
todas as percepções recebidas até o
momento.
(4) Função de agente: Tabulação abstrata
mapeando Percepçao em ação.

CLEYTON RODRIGUES, M.SC

CARACTERÍSTICAS DOS AGENTES
CARACTERÍSTICAS DOS AGENTES
Há uma boa quantidade de diferentes tipos de agentes. Estes diferenciam-se pela
presença ou ausência de certas características;
 Medida de Desempenho;
 Racionalidade;
 Autonomia;
 Aprendizado;
 Cooperação x Competição;
 ...
AGENTE: MEDIDA DE DESEMPENHO
Medida de Desempenho: critério para medir o sucesso das ações do agente.
Podemos dizer que um agente faz tudo certo, se a ação escolhida obtém o maior sucesso.
Como medir o sucesso?
 “É melhor projetar medidas de desempenho de acordo com o resultado realmente desejado no
ambiente, em vez de criá-los de acordo com o comportamento esperado do agente.” [RUSSEL AND
NORVIG, 2003].

Suponha que premiássemos o Navibot pela quantidade

De chão limpo?
Devemos considerar outros fatores, como:
• Ruído;
• Gasto de Energia;
AGENTE: RACIONALIDADE
Segundo Russel & Norvig,

“Para cada sequência de percepções possível, um agente racional deve

selecionar uma ação que venha a maximizar sua medida de desempenho, dada
a evidência fornecida pela sequência de percepções e por qualquer
conhecimento interno do agente.”

Racionalidade não quer dizer Omnisciência

1. Pode ser que o Agente não tenha conhecimento
Total do ambiente;
2. Pode ser que o resultado não seja o esperado!

Exploração, Autonomia, Aprendizado

CLEYTON RODRIGUES, M.SC
AGENTE: APRENDIZADO E AUTONOMIA
Um agente racional (desde que não saiba a priori todo o seu ambiente), pode aprender à
medida que age.
 Exploração: Ações que visam obter informações.
Um agente racional com a capacidade de aprendizado é dito autônomo. Essa caracterísica
é fundamental na presença de conhecimentos parciais ou incorretos.
 Adaptação!!!

Sem Com Aprendizado

Aprendizado
AGENTES: COOPERAÇÃO X COMPETIÇÃO
Algumas Tarefas podem necessitar da Cooperação de Agentes para se
atingir um objetivo comum;
Através da Cooperação os agentes também pode aprender:

Inteligência de Enxames Copa de Robôs

 SE EU SOLICITASSE QUE VOCÊS Ambiente  Problema, Agente

CONSTRUÍSSEM UM ROBÔ-TAXI?  Solução

A NATUREZA DOS AMBIENTES
Até agora investigamos os agentes, ou seja, as soluções para certos “problemas”.
O problema em sí é especificado por meio do ambiente para o qual o agente será desenvolvido.
Ambiente de Tarefa:
 PEAS(Performance, Environment, Actuators, Sensors)
 DAAS(Desempenho, Ambiente, Atuadores e Sensores)

Agente Med. Desemp. Ambiente Atuadores Sensores

Motorista de Viagem Segura, Estradas, outros Direção, Câmeras, sonar,

Taxi rápida, dentro tipos de acelerador, velocímetro, GPS,
da lei, tráfego, freio, sinal, hodômetro,
confortável, pedestres, buzina, visor acelerômetro,
maximizar lucros clientes sensores de
motor,...
CLEYTON RODRIGUES, M.SC
COMO PODEMOS INVESTIGAR Podemos destrinchá-lo em 6

MELHOR O AMBIENTE? grandezas...

PROPRIEDADES DE AMBIENTES
O ambiente pode ser caracterizado por algumas grandezas multidimensionais.
São elas:
 Observação;
 Determinismo;
 Episódico;
 Dinamicidade;
 Discretização;
 Qtd. de Agentes.
OBSERVAÇÃO
Completamente Observável
 O agente tem conhecimento total do ambiente , pois seus sensores detectam todos os apectos
relevantes;
 Não precisam manter um estado interno sobre o ambiente.
Parcialmente Observável
 Conhecimento parcial do ambiente
 ruídos, sensores defeituosos.
DETERMINISMO
Determinista
 Quando uma mesma ação realizada sobre um mesmo estado conclui sempre o mesmo estado.
 Exemplo: O aspirador de pó.
Estocástico
 Jogo de Dados
 Uma mesma ação, a partir de um mesmo estado inicial, poderá levar a diferentes estados posteiores.
EPISÓDICO
Episódico;
 Uma ação executada em determinado momento não depende de ações passadas.
 Ex. Um agente de classificação.
Sequencial;
 Uma decisão afetará inevitavelmente decisões futuras.
 Ex. Um Jogo de Xadrez
DINAMICIDADE
Estático: O ambiente não muda enquanto o angente está deliberando.
Estado 1 Estado 2 Estado 3 Estado 4 Estado 5

Raciocina Raciocina
sente

sente
age

age
Dinâmico: O ambiente pode mudar enquanto o agente racicocina.
Estado 1 Estado 2 Estado 3 Estado 4 Estado 5

Raciocina Raciocina
sente

sente
age

age
DISCRETIZAÇÃO
Discreto
 possui um número finito de estados distintos em função do tempo;
 Ex. Jogo de Xadrez
Contínuo
 possui estados ou tempo contínuos, isto é, não se pode discretizar.
 Ex. Dirigir um Táxi
QTD. DE AGENTES
MonoAgente
 Um único agente no ambiente;
MultiAgente
 Mais de um agente Copa de Robôs
 Cooperativo;
 Agentes exploradores;
 Competitivo;
 Um jogo de xadrez;
 E um jogo de futebol?
ESTRUTURA DOS AGENTES

Agente = Arquitetura + Programa

CLEYTON RODRIGUES, M.SC

TIPOS DE AGENTES
Os mais importantes tipos de Agentes na Literatura [RUSSEL AND NORVIG, 2003] são:
 Reativos Simples;
 Baseado em Modelos;
 Baseado em Objetivos;
 Baseados na Utilidade;
 Com Aprendizagem;
 Híbrida.

CLEYTON RODRIGUES, M.SC

AGENTES REATIVOS SIMPLES

Sensores Sensor de Presença

Ambiente

Regras
Percepção  Ação
A(t) = h(P(t))

Atuadores

CLEYTON RODRIGUES, M.SC

AGENTE BASEADO EM MODELOS
Damas / Xadrez
Interpretação da Percepção
Sensores
Ambiente

Modelo do
Atualização do Modelo
Ambiente

Atuadores Escolha da Ação

CLEYTON RODRIGUES, M.SC

AGENTE BASEADO EM OBJETIVOS

Interpretação da Mundo do Wumpus

Percepção
Sensores
Atualização do Modelo do
Modelo Ambiente
Ambiente

Atualização do Objetivo
Objetivo

Escolha da Ação
Atuadores
AGENTES BASEADOS EM UTILIDADE

Interpretação Taxi Robô

Sensores De Percepção:
Ambiente

Objetivos

Escolha da Ação:
Função
Atuadores do( argmaxU(a)) Utilidade
aactions u:ação  R

CLEYTON RODRIGUES, M.SC

AGENTES COM APRENDIZADO
Programar agentes racionais a mão, pode ser, em muitas circunstâncias
(ambientes parcialmente observáveis, sensores defeituosos...) impraticáveis.
Turing, em 1950, já elucidava a ideia de aprendizagem, como alternativa a
forma de mapear diretamente percepções em ações.

“Aprendizagem é altamente conveniente em

ambientes inicialmente desconhecidos, já que
ele poderá aprender e atualizar seus
conhecimentos”.
CLEYTON RODRIGUES, M.SC
 AGENTES COM APRENDIZADO
Análise de Desempenho (Crítico)
Sensores

Componente de Aprendizado
Elemento
Desempenho • Regras ou Funções
Ambiente

• percept(t)  action(t)
• Reativo • percept(t)  model(t)  modelo’(t)
• Modelos • modelo(t)  modelo’(t)
• modelo(t-1)  modelo(t)
• Objetivos
• modelo(t)  action(t)
• Utilidade • action(t)  model(t+1)
• Híbrido • model(t)  goal(t)  action(t)
• goal(t)  model(t)  goal’(t)
• utility(action) = value
• utility(model) = value

Efetuad. Gerador de Problema

CLEYTON RODRIGUES, M.SC
SISTEMAS MULTIAGENTES
UM SISTEMA MULTIAGENTE
Interação Organização

Agentes
Recurso

Esfera de
Influência

Ambiente
AN AUTONOMIC ONTOLOGY-BASED MULTIAGENT
SYSTEM FOR INTRUSION DETECTION IN COMPUTING
ENVIRONMENTS
ALGUMAS PLATAFORMAS/ TECNOLOGIAS
Apache JENA (https://jena.apache.org/);
Foundation for Intelligent Physical Agents (http://www.fipa.org/);
Python Agent Development framework (https://pade.readthedocs.io/en/latest/)
PARA PRÓXIMA AULA
Busca;
Lembrar da Pesquisa sobre um problema em que haja uma aplicação prática de
Busca e/ou Agentes e/ou Lógica Fuzzy para o Projeto da I Unidade.