Relatório técnico: AGENTES INTELIGENTES

D R. BESSA E.A.CASTRO ALFAIA

L.E. SAKUNO RODRIGUES

Novembro-2022

Instituto de Informática
Universidade Federal de Goiás
www.inf.ufg.br
 RELATÓRIO TÉCNICO: AGENTES INTELIGENTES

Douglas Erik de Arimateia Castro Alfaia Lyan Eduardo Sakuno Rodrigues

erikarimateia@discente.ufg.br lyan@discente.ufg.com

Abstratact.The purpose of Artificial Intelligence (AI) is to design an intelligent/rational

agent that does everything optimally in the environment. Intelligent agents are
anything that can perceive the world they live in (environment). Using sensors and
taking actions through actuators. Intelligent agent Operator that transforms an input
into an output within the problem space.
the objective of the work is to provide a clear understanding, through important
topics, that show how the technology of Intelligent Agents can be used to improve
the resolution of computing problems, due to its possibility of independent operation,
through examples of use of the agents. to facilitate the understanding of this
technology in the field of Artificial Intelligence (AI)

Resumo. A finalidade da Inteligência Artificial (IA) é desenhar um agente inteligente/

racional que faz tudo de maneira ótima no ambiente. Os agentes inteligentes são
qualquer coisa que possa perceber o mundo no qual ele fica (ambiente). Usando
sensores e fazendo ações por meio dos atuadores. Agente inteligente Operador que
transforma um input no output dentro do espaço do problema.
o objetivo do trabalho é aprovisionar uma compreensão clara, através de tópicos
importantes, que mostram como a tecnologia dos Agentes Inteligentes pode ser
utilizada para melhorar a resolução de problemas de computação, devido a sua
possibilidade de operação independente, através de exemplos de utilização dos
agentes inteligentes para facilitar a compreensão desta tecnologia no campo da
Inteligência Artificial (IA)
1. Informações gerais

A inteligência Artificial como um dos ramos da informática visa projetar sistemas

capazes de imitar as habilidades humanas: observar, registrar, analisar e emitir
respostas adequadas do meio ambiente e social. Projeta-se no computador
conceitos do mundo real em linguagem própria com símbolos organizados em
estruturas matemáticas, listas, matrizes, funções para estabelecer as hierarquias ou
redes semelhantes ao sistema nervoso biológico. É um lado de uma ciência, que
procura estudar e compreender o fenômeno da inteligência, mas também forma
parte de um ramo da engenharia onde procura construir instrumentos para auxiliar a
inteligência humana. A inteligência artificial ajuda também a construção de
maquinaria inteligente (agentes) com capacidade de raciocinar é por isso que o
presente trabalho tem como finalidade expressar o que é um Agente inteligente

2. Agentes inteligentes: Definição

O termo agente é amplamente usado nas áreas de estudo da computação e visto

principalmente no campo de estudo da Inteligência Artificial. Para FERNANDES
2003, a definição de agente depende do ponto de vista do autor e também da
funcionalidade desse agente. Um agente pode ser um programa de computador,
entretanto, não precisa necessariamente apresentar comportamento “inteligente”,
termo que é alvo de muitas controvérsias, já que é difícil definir o que é realmente
um comportamento inteligente. Segundo Russel e Norvig (2004), um agente é
aquele que percebe o seu ambiente por meio de sensores e age sobre ele através
dos atuadores. Em um agente robótico, os sensores poderiam ser câmeras de
filmagem e detectores de faixa de infravermelho. Já os atuadores podem ser
representados pelos motores e braços mecânicos. Resumidamente agente é um
especialista em determinado assunto e o mesmo precisa ser inteligente para que,
com uma correta percepção do meio que está inserido, ele execute da melhor forma
a tarefa a ser realizada. Os agentes inteligentes são sistemas computacionais que
têm como principais características atuação de forma autônoma, a percepção do
ambiente onde estão inseridos, a adaptação às mudanças, como também a
capacidade de trabalhar em função dos objetivos, podendo ser atribuídas aos
agentes, tarefas normalmente desempenhadas por seres humanos.

Os agentes de software não são coisas de outro mundo que simplesmente surgem
do nada, eles são software programados pelos os usuários. Muitas das vezes
contamos com determinados equipamentos, como por exemplo, um despertador,
pelo cujo usuário sempre o programa para despertar na parte da manhã, com
objetivo de não se atrasar para o início de suas atividades diárias. O foco principal
deste trabalho é dar ênfase na programação de agentes inteligentes em software. A
ideia principal é a de que os agentes inteligentes possam executar operações de
percepção, atuação e interpretação do ambiente para a realização das metas que
estão destinadas a realizar. Os sensores e os atuadores são os dois elementos
principais dos agentes. Sensores têm como principal objetivo prover a base de
conhecimento do agente através das percepções realizadas no ambiente, e os
atuadores, por sua vez, possibilitam ao agente a execução da tarefa, atuando
diretamente no ambiente como mostra a figura 1.

A autonomia, neste caso, pode ser entendida como o processo de atuação sem a
necessidade de interferência do usuário, e faz com que o agente possua algum tipo
de controle em suas ações e no seu estado interno. O que faz a distinção em
computação entre o “agente” e um controle de processos, é a flexibilidade que este
oferece ao sistema, fazendo com que ele passe a ter características reativas, com a
capacidade de responder por conta própria às mudanças percebidas no ambiente, e
proativa no sentido de não oferecer somente uma resposta a estas mudanças e sim
uma resposta oportuna com a condição de ter iniciativa própria quando necessário.

3. Arquitetura dos agentes

Um agente é construído a partir de técnicas e algoritmos que são usados por uma
metodologia específica que irá definir se ele irá agir isoladamente ou em grupo,
definindo os funcionamentos de seus sensores e estados internos, que são fatores
determinantes para a realização de todas as ações dos agentes com o decorrer da
utilização. Segundo Davidson (1992), os agentes autônomos baseados em sistemas
computacionais possuem arquitetura similar como demonstra a figura 2.

Especificando os itens que compõem a figura acima, temos:

1. Setas: fluxo de dados;

2. Sensores: recebem as informações do ambiente e disponibilizam os dados
para o mecanismo de inferência;
3. Mecanismo de inferência: atua como cérebro do agente inteligente, é onde as
operações são executadas através das regras estabelecidas e estabelece
como será a reação do agente frente aos dados recebidos pelos sensores;
4. Base de conhecimento: lugar onde o conhecimento adquirido pelo agente é
armazenado; Atuadores: executam as ações definidas pelo agente com o
ambiente.
4. Aspectos Globais

Abordaremos a seguir algumas das características que os agentes devem possuir

para que sejam considerados inteligentes. Podemos entender estes aspectos
também como sendo comportamentos esperados dos agentes.

Jones e Bartlett (2004), citam que alguns aspectos são verificados em agentes
inteligentes, incluindo autonomia, benevolência e a capacidade de colaborar (com
os outros agentes, por exemplo) e a capacidade de aprender.

Os agentes podem possuir vários aspectos diferentes, dentre elas podemos ter:
autonomia de comportamento, que irá definir como o agente irá reagir em
momentos decisórios, flexibilidade para que com dinamismo consiga escolher a
ação e a forma de execução da tarefa, inteligência que irá proporcionar ao agente
como executar a ação, uma vez que seu desenvolvimento ocorre através das regras
de evolução em que está submetido.

Se a atuação de um agente inteligente for exercida em conjunto com um ou mais

agentes dá-se o nome de sistema multiagentes, não sendo necessário que
possuam o mesmo tipo de conhecimento, cada um pode ter sua base de
conhecimento.

O foco principal neste tipo de sistema é a integração que os indivíduos irão ter ao
interagir uns com os outros, possibilitando a troca de informações para a resolução
dos problemas os quais programados para executar, tarefa que possivelmente seria
inviável caso tivessem que executá-las sem a cooperação de outros.

Existe uma característica denominada habilidade social que é a habilidade que

permite ao agente a comunicação com outras entidades que interagem no sistema.

5. Agentes Lógicos

Um dos tipos de agentes lógicos são os agentes baseados em conhecimento que

possuem como componente central sua base de conhecimento, ou BC.
Informalmente, uma base de conhecimento é um conjunto de sentenças. Cada
sentença é expressa em uma língua chamada linguagem de representação de
conhecimento e representa alguma asserção sobre o mundo.
O componente central de um agente baseado em conhecimento é sua base de
conhecimento (BC) .
A BC possui um conjunto de sentenças representando alguma asserção sobre o
mundo e semelhantes a sentenças em linguagem natural porém expressas em uma
linguagem de representação do conhecimento.
Deve ser possível adicionar novas sentenças à base e consultar o que se conhece.
Para adicionar novas sentenças se usa os nomes padrão: TELL (informe) e ASK
(pergunte). Ambas tarefas podem envolver inferência, ou seja, a derivação de novas
sentenças a partir de sentenças mais antigas.

6. Conclusão
Podemos concluir que agentes baseados em inferência e agentes baseados em
circuitos representam os extremos declarativos e procedurais no projeto agentes.
Por causa disso, eles podem ser comparados de acordo com varia dimensões,
sendo as principais a concisão, a eficiência computacional, a completeza e a
facilidade de construção.

Concisão:
O agente baseado em circuitos (Agentes Lógicos), diferente do agente
baseado em inferência (Agente Lógico), não precisa ter cópias separadas de seu
conhecimento para cada instante de tempo. Em vez disso, ele se refere apenas aos
instantes de tempo atual e anterior. Ambos os agentes precisam ter cópias das
regras físicas( expressas como sentenças ou circuitos) para cada um dos quadros
e, por conseguinte, não são convenientemente escaláveis para ambientes maiores.

Eficiência computacional:
No pior caso, a inferência pode demorar um tempo exponencial em relação
ao número de símbolos, enquanto a avaliação de um circuito demora um tempo
linear em relação ao tamanho do circuito.

Completeza:
As razões para a incompletude são na realidade mais fundamentais.
Primeiro, um circuito funciona em tempo em relação ao tamanho do circuito. Isso
significa que, para alguns ambientes, um circuito completo deve ser
exponencialmente maior que a BC do agente em inferência.
A segunda razão é a natureza do estado interno do agente. O agente
baseado em inferência memoriza toda percepção e conhece seja implícita ou
explicitamente, toda sentença que decorre das percepções e da BC inicial.

Facilidade de construção:
Agentes inteligentes precisam de conhecimento sobre o mundo, a fim de
alcançar boas decisões. O conhecimento está contido em agentes sob a forma das
sentenças em uma linguagem de representação de conhecimento que estão
armazenadas em uma base de conhecimento.
Um agente baseado em conhecimento é composto por uma base de conhecimento
e um mecanismo de inferência. Ele opera armazenando sentenças sobre o mundo
em sua base de conhecimento, utilizando mecanismos de inferência para deduzir
novas sentenças e empregando essas sentenças para decidir que ação executar.

Uma linguagem de representação é definida por sua sintaxe, que especifica sua
estrutura de sentenças e por sua semântica, que define a verdade de cada sentença
em cada modelo ou mundo possível.

A relação de consequência lógica entre sentenças é crucial para nossa

compreensão do raciocínio. Uma sentença α tem como consequência lógica outra
consequência lógica outra consequência B se B é verdadeira em todos os mundos
em que α é verdadeira. Definições equivalentes incluem a validade de sentenças.

A lógica proposicional é uma linguagem muito simples que consiste em símbolos de

proposições e conectivos lógicos. Ela pode manipular proposições que são
conhecidas como verdadeiras, conhecidas como falsas ou completamente
desconhecidas.

Regras de inferência são padrões de inferência que consiste que podem ser usados
para descobrir provas. A regra de resolução gere um algoritmo de inferência
completo para bases de conhecimento expressas em forma normal conjuntiva. Dos
tipos de agentes podem ser elaborados com base na lógica proposicional: os
agentes baseados em inferência utilizam algoritmos de inferência para controlar o
mundo e deduzir propriedades ocultas, enquanto os agentes baseados em circuitos
representam proposições como bits em registradores e as atualizam utilizando a
propagação do sinal em circuitos lógicos.
REFERÊNCIAS BIBLIOGRÁFICAS

[1] DAVIDSON, P. “Concept Acquisition by Autonomous Agents:

Cognitive Modeling versus Engineering Approach”. Lund University
Studies 12, ISSN 1101-8453, Lund University, Suécia, 1992.

[2] FERNANDES, A. M. R. “Inteligência Artificial”. Florianópolis: Visual

Books. 2003.

[3]JONES&BARTLETT,Bem,Cppin.“Inteligência
Artificial”.GrupoEditoraNacional, 2004.

[4] RUSSEL, S., NORVIG, P. “Inteligência Artificial”. Rio de Janeiro:

Elsevier. 2004.

[5] [BAS98] BASTOS, R.M. O Planejamento de Alocação de Recursos

Baseado em
Sistemas Multiagentes. Porto Alegre: 1998. Tese de Doutorado.

[6] [STE96] STEINER, D.D. IMAGINE: An Integrated Environment for

Constructing
Distributed Artificial Intelligence Systems. In: O’HARE, G.M.P.;
JENNINGS, N.R. (Eds.).
Foundations of distributed artificial intelligence. New York: John Wiley &
Sons, 1996.
p.345-364.

[7] [COR94] CORREA FILHO, M. A Arquitetura de Diálogos entre

Agentes Cognitivos
Distribuídos. Rio de Janeiro: COPPE da UFRJ, 1994. Tese de
Doutorado.

http://www.nead.unama.br/site/bibdigital/monografias/agentes_inteligent
es.pdf
[8]BUSUIOC, M., GRIFFITHS, D. - Cooperating intelligent agents for
service management
in communications networks. Proceedings of the Special Interest Group
on Cooperating
Knowledge Based Systems. Selected Papers from the Workshop, p.
213-
26,1994.

[9] SILVA, Flávio Soares Corrêa e MENESES, Eudênia Xavier.

Integração de Agentes de
Informação. Anais do Congresso da Sociedade Brasileira de
Computação. Fortaleza:
2001. p. 209-253.

[10] WOOLDRIDGE, M. Intelligent Agents In G. Weiss, editor: Multiagent

Systems, The MIT
Press, April, 1999.

[11] JENNINGS, N., SYCARA, K., e WOOLDRIDGE, M. A Roadmap of

agent research and
development. 1998.

[12] WOOLDRIDGE, M., JENNINGS, N. R. - Intelligent Agents: Theory

and Practice. The
Knowledge Engineering Review, vol. 10, n° 2, p. 115-152, 1995.

[13]NWANA, H. S. - Software Agents: An Overview. Knowledge

Engineering Review Press,
vol. 11, n° 3, p. 1-40, 1996.