AULA 02 - Agentes Inteligentes

Prévia do material em texto

Inteligência Artificial
Aula 02 – Agentes Inteligentes
Profa. Rafaella Nascimento
rafaellalnascimento@fac.pe.senac.br
Agentes Inteligentes
Inteligência Artificial
IA: O estudo e a construção de sistemas computacionais inteligentes.
Sistema inteligentes são modelados como agentes inteligentes.
Um agente é tudo o que pode ser considerado capaz de
perceber seu ambiente por meio de sensores e de agir
sobre seu ambiente por intermédio de atuadores.
Inteligência Artificial
 Jogo da Imitação
 Teste de Turing
• Agente A é uma máquina, que deve convencer o interrogador de que é, na verdade, 
um humano;
• Agente B é um ser humano qualquer, que deve ajudar o interrogador dando 
respostas verdadeiras;
• Agente C, o interrogador, deve ainda descobrir quem é quem.
https://medium.com/turing-talks/turing-talks-1-o-que-%C3%A9-o-teste-de-turing-ee656ced7b6
https://medium.com/turing-talks/turing-talks-1-o-que-%C3%A9-o-teste-de-turing-ee656ced7b6
Inteligência Artificial
Quais são os sensores de um agente humano?
Quais são os atuadores de um agente humano?
Percepção do ambiente
Ação sobre ambiente
Agente em IA
A IA tem como objetivo escrever o programa do agente.
Agente: Percebe seu ambiente 
através de sensores e age sobre o 
ambiente através de atuadores.
Agente em IA
Agentes interagem com ambientes por meio de sensores e atuadores.
Agente em IA
Agente humano:
– Sensores: olhos, ouvidos, …
– Atuadores: mãos, pernas, boca, …
Agente robótico:
– Sensores: câmeras, detector infra-vermelho…
– Atuadores: vários tipos de motores
E um agente de software?
A IA tem como objetivo escrever o programa do agente.
– Sensores: câmeras, microfone, teclado, conteúdo de arquivos ou de BD,...
– Atuadores: auto-falante, impressora, chamada a um programa, escrita em arquivos, ...
Agente em IA
Um problema é definido através de:
– percepções, ações, metas e ambiente (e outros agentes)
Tipo de conhecimento que o programa do agente pode conter:
– como identificar os estados desejáveis do mundo
– como interpretar suas percepções
– quais as consequências de suas ações no mundo
– como medir o sucesso de suas ações
– como avaliar seus próprios conhecimentos
– como capturar (aprender) mais conhecimento sobre o ambiente
– como colaborar ou competir com outros agentes…
Agente em IA
Percepção:
• Faz referência às entradas perceptivas do agente em qualquer momento.
• A sequência de percepções do agente é a história completa de tudo que o 
agente já percebeu. 
• Em geral, a escolha de ação de um agente em qualquer instante dado 
pode depender da sequência inteira de percepções observadas até o 
momento.
Função:
• Matematicamente, o comportamento do agente é descrito pela função do 
agente que mapeia qualquer sequência de percepções específica para 
uma ação.
Agente em IA:
Programa do agente:
• IA se preocupa em projetar o programa do agente: função que implementa o mapeamento 
entre percepção e ação
• O programa do agente roda em uma arquitetura: dispositivo de computação que inclui 
sensores e atuadores.
 
 agente = arquitetura + programa
• Componentes de especificação de agentes: PEAS
 (Performance, Environment, Actuators, Sensors)
Veremos a 
seguir…
Agente Racional
Agente Racional
• Um agente racional é aquele que faz tudo certo – O que significa fazer tudo certo? 
• A ação certa é que fará o agente obter maior sucesso – Mas como medir o sucesso?
Uma medida de desempenho encarna o critério para se medir o sucesso do 
comportamento do agente. 
Agente Racional:
Medida de Desempenho
Critério que define o grau de sucesso de um agente na realização de uma dada tarefa
– a escolha errada da medida de desempenho pode acarretar num comportamento indesejado.
• Quando um agente é inserido em um ambiente, ele gera uma sequência de ações, de 
acordo com as percepções que recebe. 
• Essa sequência de ações faz o ambiente passar por uma sequência de estados.
• Se a sequência é desejável, isso quer dizer que o agente funcionou bem. 
• Não existe uma medida fixa apropriada para todos os agentes.
Agente Racional
Racionalidade:
A definição do que é racional em qualquer instante dado, depende de quatro fatores:
• A medida de desempenho que define o critério de sucesso;
• O conhecimento anterior que o agente tem do ambiente;
• As ações que o agente pode executar;
• A sequência de percepções do agente até o momento.
Agente Racional
Autonomia:
• O comportamento do agente pode depender de dois fatores: do conhecimento embutido 
em seu programa e de sua própria experiência
• Quando um agente se baseia no conhecimento anterior de seu projetista e não em suas 
próprias percepções, dizemos que o agente não tem autonomia. 
• Um agente racional deve ser autônomo – ele deve aprender o que puder para compensar 
um conhecimento prévio parcial ou incorreto.
 
Um agente autônomo possui algum conhecimento inicial e a habilidade de inferir ou aprender 
novos conhecimentos.
Agente Racional
Ambiente de tarefa:
• Ambientes de tarefa, são essencialmente os “problemas” para os quais os agentes 
racionais são as “soluções”.
• Especificação PEAS: (Performance, Environment, Actuators, Sensors – desempenho, ambiente, 
atuadores e sensores).
• Os ambientes de tarefas podem ser divididos em categorias:
- Completamente observável x Parcialmente observável
- Determinístico x Estocástico
- Episódico x Seqüencial
- Estático x Dinâmico
- Discreto x Contínuo
- Agente único x Multiagente
 
Agente Racional
Desempenho
• chegar no lugar certo
• minimizar o consumo de combustível e desgaste
• minimizar o tempo de percurso, custo da viagem
• minimizar as infrações de leis de trânsito
• minimizar os distúrbios aos outros motoristas
• maximizar a segurança e conforto do passageiro
• Obs.: alguns destes objetivos são conflitantes...
 Ambiente
• estradas locais ou freeways, tipo de tráfego, neve, Inglaterra, Brasil, ...
• o ambiente irá determinar a dificuldade da implementação
 Atuadores
• Frear, acelerar, virar, falar com o passageiro, se comunicar com outros motoristas
 Sensores
• Sensores de velocidade, aceleração, estado (mecânico) do veículo
• GPS (Global Positioning System) para saber onde está num mapa
• Sensores infravermelhos para detectar a distância dos outros carros
• Microfone ou teclado para o passageiro informar o destino
Agente Racional:
Ambientes
Completamente observável:
• Se os sensores de um agente permitem acesso ao estado completo do ambiente em cada 
instante, dizemos que o ambiente de tarefa é completamente observável. 
Parcialmente observável: 
• Um ambiente poderia ser parcialmente observável devido ao ruído e a sensores imprecisos 
ou porque partes do estado estão simplesmente ausentes nos dados do sensor.
Determinístico x Estocástico:
• Se o próximo estado do ambiente é completamente determinado pelo estado atual e pela 
ação executada pelo agente, dizemos que o ambiente é determinístico; caso contrário, ele 
é estocástico.
Agente Racional:
Ambientes
Episódico:
• Cada episódio consiste na percepção do agente, e depois na execução de uma única 
ação. É crucial que o episódio seguinte não dependa das ações executadas em episódios 
anteriores (independentes). Exemplo: um agente localiza peças defeituosas em uma linha 
de montagem.
Sequencial: 
• Em ambientes sequenciais, a decisão atual poderia afetar todas as decisões futuras. 
Exemplo: um agente que joga Xadrez.
Estático x Dinâmico:
• Se o ambiente puder se alterar enquanto um agente está deliberando, dizemos que o 
ambiente é dinâmico; caso contrário, ele é estático.
• Ambientes estáticos são fáceis de manipular, porque o agente não precisa continuar a 
observar o mundo enquanto está decidindo sobre a realização de uma ação, nem precisa 
se preocuparcom a passagem do tempo.
Agente Racional:
Ambientes
Discreto x Contínuo:
• A distinção é aplicada ao modo como o tempo é tratado, e ainda às percepções e ações 
do agente. Por exemplo, um ambiente de estados discretos como um jogo de xadrez tem 
um número finito de estados distintos.
• Porém um agente inteligente para automatizar a tarefa de um táxi é um problema de 
estado contínuo e tempo contínuo: a velocidade e a posição do táxi e de outros veículos 
passam por um intervalo de valores contínuos e fazem isso suavemente ao longo do 
tempo.
Agente único x Multiagente: 
• Um agente que resolve um jogo de palavras cruzadas sozinho está claramente em um 
ambiente de agente único, enquanto um agente que joga Xadrez está em um ambiente de 
dois agentes.
Agente Racional:
Algoritmo básico:
função agenteSimples(percept) retorna ação 
memória = atualizaMemória(memória, percept) 
ação = escolheMelhorAção(memória) 
memória = atualizaMemória (memória, ação) retorna ação
Arquiteturas
Arquiteturas
• Agente tabela
• Agente reativo simples
• Agente reativo baseado em modelos
• Agente baseado em objetivos
• Agentes com aprendizagem
Arquiteturas
Agente Tabela: Tabela das ações que o agente toma em resposta 
a cada possível sequência de percepções.
• Cada mapeamento de percepção/ação descreve um tipo 
diferente de agente.
• Mapeamentos ideais descrevem agentes ideais.
Limitações
– Mesmo para problemas simples = tabelas muito grandes.
– Nem sempre é possível construir a tabela.
– Não há autonomia nem flexibilidade.
Ex: A função raiz quadrada 
● a sequência de percepção: a digitação de números 
● a ação: mostrar o resultado correto
Arquiteturas
Agente Reativo Simples: Selecionam ações com base 
somente na percepção atual.
Vantagens e desvantagens
– Regras condição-ação 
 ex. Se velocidade > 60 então multar
– Não pode armazenar uma sequência perceptiva, 
pouca autonomia.
– Ambiente completamente observável.
Funcionará somente se a decisão 
correta puder ser tomada com base 
apenas na percepção atual. 
Arquiteturas
Agente Reativo Simples: aspirador de pó.
Arquiteturas
Agente Reativo baseado em modelos: O agente deve manter um estado interno que depende 
do histórico de percepções e reflita os aspectos não observados no estado atual.
- Observações parciais
Arquiteturas
Agente Reativo baseado em modelos: 
Dois tipos de conhecimento são necessários para atualizar o estado interno do agente (modelo 
do mundo):
• Como o ambiente evolui independente do agente:
Um carro que está ultrapassando em geral estará mais perto do que estava um instante antes
• Como as ações do próprio agente afetam o mundo:
Se o agente virar o volante à direita, o carro irá virar para a direita
Limitações:
• Conhecer os estados do ambiente não é suficiente para tomar uma boa decisão 
Exemplo: o agente Motorista de Táxi chega a um cruzamento com três caminhos, qual direção tomar? 
• Simplesmente reagir: mas existem três reações possíveis 
• Examinar o modelo de mundo: não ajuda a decidir qual o caminho 
• A decisão depende de onde o táxi está tentando chegar
Arquiteturas
Agente Reativo baseado em objetivos: O agente precisa de algum tipo de informação sobre o 
seu objetivo combinado ao resultado de suas ações. 
• A tomada de decisão envolve a consideração do futuro -> distinta das regras de 
condição-ação “O que acontecerá se eu fizer isso ou aquilo?” “O quanto isso me 
ajudará a atingir o objetivo?”
Arquiteturas
Agente Reativo baseado em objetivos: 
• Para encontrar sequências de ações que alcançam os objetivos: Algoritmos de Busca e 
Planejamento 
 
• Agentes reativos: reação -> frear qdo carro da frente frear 
• Agentes baseado em objetivo: raciocínio -> carro da frente freia -> carro da frente 
diminui velocidade -> objetivo: não atingir outros carros -> ação para atingir objetivo: 
frear
Arquiteturas
Agente Reativo baseado em objetivos: 
• O agente que funciona orientado a objetivos é mais flexível: Representação do 
conhecimento permite modificações. 
Ex: Se começar a chover todas as informações relevantes podem ser alteradas para se operar de forma 
eficiente. 
Limitações:
• O objetivo não garante o melhor comportamento para o agente, apenas a distinção entre 
estados objetivos e não objetivos.
Ex: Algumas alternativas de planejamento de ações futuras podem ser mais rápidas, seguras ou baratas que 
outras.
Arquiteturas
Agentes com aprendizagem
• O agente pode ter algum conhecimento anterior
• Ele também pode ganhar experiência e modificar e ampliar este conhecimento
• Se o ambiente é previamente conhecido:
• O agente não precisa aprender ou perceber
• Somente agir de forma correta
Quatro componentes conceituais de uma ag com aprendizagem:
• Elemento de aprendizado
• Crítico
• Elementos de desempenho
• Gerador de problemas
Aprendizagem também permite ao agente atuar em ambientes totalmente desconhecidos 
e se tornar mais competente do que o seu conhecimento inicial poderia permitir.
Próxima 
aula…
Dúvidas?
Profa. Rafaella Nascimento
rafaellalnascimento@fac.pe.senac.br