INSTITUTO SUPERIOR POLITÉCNICO KALANDULA DE ANGOLA

DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIAS

COORDENAÇÃO DO CURSO DE ENGENHARIA INFORMÁTICA

AGENTES INTELIGENTE
(IA)
 AGENTES

Como se constrói um sistema inteligente?

A construção de um SI, geralmente requer quatro
componentes principais: sensores, processadores,
actuadores e uma fonte de energia.
Os sensores são dispositivos que detectam e medem
fenómenos físicos, tais como temperatura, luz, som ou
pressão, e os convertem em sinais elétricos.
Os processadores são dispositivos que utilizam algoritmos
para interpretar os dados dos sensores e tomar decisões
com base nesses dados.
 AGENTES
Actuadores, são dispositivos que podem executar
uma ação física, como abrir ou fechar uma
válvula, com base nas decisões do processador.
Uma fonte de energia é necessária para fornecer
a energia necessária para operar os sensores,
processadores e actuadores.
 AGENTES

AGENTE:
É geralmente interpretada nos dicionários
como:
 Alguém que atua direitamente;
 Alguém atuando ou fazendo negócios por outro;
 Procurador, delegado.

Um agente é alguém ou alguma que atua com um

propósito específico de realizar ações que é entendidas
como benéficas dentro do contexto onde ele atua.
 AGENTES

Agentes em SI

Um agente inteligente é definido como uma entidade que

funciona de forma contínua e autônoma, capaz de
observar um ambiente e atuar sobre este através de
atuadores .
Ex: Robot é o agente
Ambiente, a sala
AGENTES
 AGENTES

O agente é algo que é capaz de perceber seu ambiente

por meio de sensores, agir sobre esse ambiente por meio
de atuadores.

A gentes são diferentes de meros programas, pois operam

sobre controle autônomo, percebe seu ambiente, adaptam-
se a mudanças e são capaz de assumir metas.
Perceções refere-se as entradas preceptivas do agente em
qualquer momento.
Sequencia de perceções é o histórico completo de tudo
que o agente já percebeu
 AGENTES

.Função do agente é o mapeamento de qualquer

sequência especifica para uma ação.
[ f: p* A]
p* - uma sequência de percepção
A - acção
Uma sequencia de perceção gera uma ação
 AGENTES

• IA se preocupa em projetar o programa do agente.

Programa do agente- função que implementa o
mapeamento entre percepção e acção.
• O programa do agente roda em uma arquitectura.
Arquitectura - dispositivo de computação que inclui
sensores e atuadores.
• Agente = arquitetura + programa
AGENTES
 AGENTES
Um ambiente de agente pode ser:
Completamente observável (os sensores detectam todos os
aspectos que são relevantes para a escolha da ação, que depende da
medida de desempenho)
Parcialmente observável (devido ao ruído e à sensores imprecisos
ou porque partes do estado estão ausentes dos dados do sensor).
Também podemos classificar o ambiente como:
Determinístico (se próximo estado do ambiente é determinado pelo
estado atual e pela ação do agente)
Estocástico (ambiente incerto pois não é completamente observável
ou determinístico).
O ambiente ainda pode ser:
Estático (não se altera enquanto o agente está deliberando). Dinâmico
(se o ambiente puder se alterar enquanto o agente está em ação).
 AGENTES

Um sistema poderá ser visto como agente inteligente:

• Se for capaz de perceber seu ambiente por meio de
sensores;
• De agir sobre esse ambiente intermédio de atuadores;
Agregando características como:
• Autonomia (capacidade de aprender)
• Habilidade social (capacidade de interagir com ser humano)
• Reatividade e pro-atividade.( reagir e tomar decisões)
O sistema esta munido de IA
 AGENTES
Agente
• Percebe seu ambiente através de sensores e
• age sobre o ambiente através de atuadores
• Agente humano:
– olhos, ouvidos: Sensores
– mãos, pernas, boca: Atuadores.
• Agente robótico:
– Sensores (percepção): câmaras, detetor infravermelho etc.
– Atuadores: motores, Rodas, esteiras, hélice, leme etc.
• Agente de software.
-Sensores: entrada do teclado, conteúdo de arquivos, e pacotes
vindo da rede.
-Atuadores: tela, disco, envio de pacotes pela rede.
 AGENTES

• Percebe seu ambiente através de sensores (ex:

câmaras, microfone, teclado, conteúdo de arquivos ou
de BD,...)
• Age sobre o ambiente através de atuadores (ex:
garra de um robô, vídeo, auto-falante, impressora,
chamada a um programa, escrita em arquivos, ...)
 AGENTES

Relação entre ambiente e agente

• ambiente físico/robôs
• ambiente de software/softbots
(robô em forma de software).
 AGENTES

AGENTE ASPIRADOR

função Agente Aspirador ([local, status]) return

uma ação
• if status=Sujo then return Aspira
• else if local= A then return Direita
• else if local=B then return Esquerda
AGENTES
 AGENTES

Cinco tipos de programas de agentes

• Agente Reactivo Simples
• Agente Reactivo baseado em Modelo
• Agente Baseado em Meta ou Objectivos
• Agente Baseado em Utilidade
• Agente Aprendiz
 AGENTES
Agente Reativo Simples

Agentes reativos simples selecionam ações com base somente na percepção

atual.
Exemplo: agente aspirador de pó
Função AGENTE-ASPIRADOR-REATIVO ([posição, estado])
retorna ação
Inicio
• se estado = sujo então
• retorna aspirar
• senão se posição = A então
• retorna direita
• senão se posição = B então
• retorna esquerda
Fim

O funcionamento do agente reativo é baseado em regras de condição-ação: if condição

then ação.
 AGENTES
Agente Reativo Simples
 AGENTES
Agentes Reativos Baseados em Modelos

Um agente reativo baseado em modelo pode lidar com ambientes parcialmente

observáveis.
O agente deve controlar as partes do mundo que ele não pode ver.

O agente deve manter um estado interno que dependa do histórico de percepções e reflita os
aspectos não observados no estado atual.

Agente baseado em modelo é um agente que usa um modelo do mundo.

Para “imaginar a parte do mundo que não está observável no

momento” o agente mantém um estado interno que depende
do histórico de percepções.

• Como o ambiente evoluí independente do agente?

• Como as ações do próprio agente afetam o mundo?
AGENTES
 AGENTES

Agentes Baseados em Objetivos

Agentes baseados em objetivos expandem as capacidades

dos agentes baseados em modelos através de um objetivo.
O objetivos descreve situações desejáveis.
Exemplo: estar no destino
A seleção da ação baseada em objetivo pode ser:
• Direta: quando o resultado de uma única ação atinge o
objetivo.
• Mais complexa: quando será necessário longas
sequências de ações para atingir o objetivo.
 AGENTES

Para encontrar sequências de ações que alcançam os

objetivos são utilizados algoritmos de Busca e
Planejamento.
A tomada de decisão envolve a consideração do futuro, o
que não acontece com o uso de regras de condição-ação.
• O que acontecerá se eu fizer isso ou aquilo?”
• O quanto isso me ajudará a atingir o objetivo?
 AGENTES

Agentes Baseados na Utilidade

ABU buscam definir um grau de satisfação com os
estados. O quanto o agente está “feliz” com aquele estado.
•Se um estado do mundo é mais desejável que outro,
então ele terá maior utilidade para o agente.
•Utilidade é uma função que mapeia um estado para um
número real que representa o grau de satisfação com este
estado.
 AGENTES

Agentes com Aprendizagem

Agentes com aprendizado podem atuar em
ambientes totalmente desconhecidos e se tornar
mais eficientes do que o seu conhecimento inicial
poderia permitir.

Em agentes sem aprendizagem, tudo o que o

agente sabe foi colocado nele pelo projetista.
 AGENTES

Modelagem de um Agente
O processo de modelagem de um agente envolve
a definição de:
 Medida de Desempenho
 Ambiente
 Atuadores
 Sensores
 AGENTES

Exemplo:
Motorista de Táxi Automatizado
Medida de desempenho: viagem segura, rápida, sem
violações às leis de trânsito, confortável para os passageiros,
maximizando os lucros.
•Ambiente: ruas, estradas, outros veículos, pedestres, clientes.
•Atuadores: direção, acelerador, freio, embreagem, marcha,
seta, buzina.
•Sensores: câmera, sonar, velocímetro, GPS, acelerômetro,
sensores do motor, teclado ou microfone.
 AGENTES

Aplicações Reais
• Prospeção submarina;
• Sensoriamento remoto;
• Localização de minas;
• Manutenção de tubulações;
• Vigilância e monitoramento;
• Transporte de materiais;
• Limpeza de ambientes;
 AGENTES

Agente racional
Agente que para cada sequência de percepções
possível, seleciona uma ação que ele espera que
maximize sua medida de desempenho.
Agente que faz a coisa certa enquanto age em
seu ambiente a ação correta é aquela que faz o
agente obter o máximo de sucesso
 AGENTES
No entanto, existem diferenças. Por exemplo, o
machine learning é centrado na criação de
sistemas que aprendam ou melhorem seu
desempenho com base nos dados que eles
consomem.
Nota: É importante notar que, embora todo
machine learning seja IA, nem toda IA é machine
learning.
 AGENTES

BIBLIOGRAFIA
Russell, S. and Novig, P. Artificial Intelligence: a
Modern Approach, 2nd Edition, Prentice-Hall,
2003.

BLOCKLY GAMES