IF67B C71 aula03

Prévia do material em texto

IF71B-C71 - Inteligeˆncia Artificial
Aula 03 - Agentes Inteligentes
Profa. Dra. Priscila T iemi çaeda Saito
k psaito@utfpr.edu.br
2o Semestre 2016
17/08/16
Roteiro
1 Agentes Inteligentes
Agentes Racionais
Natureza do Ambiente
Propriedades do Ambiente
Tipos de Agentes
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 2 / 43
Agentes
Um agente e´ algo capaz de perceber seu ambiente por meio de
sensores e de agir sobre esse ambiente por meio de atuadores
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 3 / 43
Agentes - Exemplos
Agente humano
sensores: olhos, ouvidos e outros o´rga˜os
atuadores: ma˜os, pernas, boca e outras partes do corpo
Agente robo´tico
sensores: caˆmeras e detectores de infravermelho
atuadores: va´rios motores
Agente de software
sensores: entrada do teclado, conteu´do de arquivos e pacotes vindos
da rede
atuadores: tela, disco, envio de pacotes pela rede
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 4 / 43
Agentes - mapeando percepc¸o˜es em ac¸o˜es
Sequeˆncia de percepc¸o˜es: histo´ria completa de tudo que o agente
percebeu
O comportamento do agente e´ dado abstratamente pela func¸a˜o do
agente
[f : P? → A]
onde e´ a P? e´ uma sequeˆncia de percepc¸o˜es e A e´ uma ac¸a˜o
O programa do agente executa em uma arquitetura f´ısica para
produzir f
Agente = arquitetura + programa
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 5 / 43
Agentes - Exemplo
O mundo do aspirador de po´
Percepc¸o˜es: local e conteu´do
I Exemplo: [A, sujo]
Ac¸o˜es: esquerda, direita, aspirar, noOp
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 6 / 43
Agentes - Exemplo
Uma func¸a˜o para o agente aspirador de po´
Sequeˆncia de percepc¸o˜es Ac¸a˜o
[A, limpo] direita
[A, sujo] aspirar
[B, limpo] esquerda
[B, sujo] aspirar
[A, limpo], [A, limpo] direita
[A, limpo], [A, sujo] aspirar
...
[A, limpo], [A, limpo], [A, limpo] direita
[A, limpo], [A, limpo], [A, sujo] aspirar
...
Programa
Se o quadrado atual estiver sujo, enta˜o aspirar, caso contra´rio mover para
o outro lado
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 7 / 43
Agentes Racionais
Como preencher corretamente a tabela de ac¸o˜es do agente para cada
situac¸a˜o?
O agente deve tomar a ac¸a˜o “correta” baseado no que ele percebe
para ter sucesso
I o conceito de sucesso do agente depende de uma medida de
desempenho objetiva
F exemplos: quantidade de sujeira aspirada, gasto de energia, gasto de
tempo, quantidade de barulho gerado, etc.
I a medida de desempenho deve refletir o resultado realmente desejado
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 8 / 43
Agentes Racionais
Agente racional: para cada sequeˆncia de percepc¸o˜es poss´ıveis deve
selecionar uma ac¸a˜o que se espera que venha a maximizar sua medida
de desempenho, dada a evideˆncia fornecida pela sequeˆncia de
percepc¸o˜es e por qualquer conhecimento interno do agente
I exerc´ıcio: para que medida de desempenho o agente aspirador de po´ e´
racional?
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 9 / 43
Agentes Racionais
Racionalidade e´ diferente de perfeic¸a˜o
I a racionalidade maximiza o desempenho esperado, enquanto a
perfeic¸a˜o maximiza o desempenho real
I a escolha racional so´ depende das percepc¸o˜es ate´ o momento
Mas os agente podem (e devem!) executar ac¸o˜es para coleta de
informac¸o˜es
I um tipo importante de coleta de informac¸a˜o e´ a explorac¸a˜o de um
ambiente desconhecido
O agente tambe´m pode (e deve!) aprender, ou seja, modificar seu
comportamento dependendo do que ele percebe ao longo do tempo
I nesse caso, o agente e´ chamado de autoˆnomo
I um agente que aprende pode ter sucesso em uma ampla variedade de
ambientes
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 10 / 43
Agentes - PEAS
Ao projetar um agente, a primeira etapa deve ser sempre especificar o
ambiente de tarefa
I Performance = medida de desempenho
I Environment = ambiente
I Actuators = atuadores
I Sensors = sensores
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 11 / 43
Agentes - Exemplos de PEAS
Motorista de Ta´xi Automatizado
Medida de desempenho:
I viagem segura, ra´pida, sem violac¸o˜es a`s leis de traˆnsito, conforta´vel
para os passageiros, maximizando os lucros
Ambiente:
I ruas, estradas, outros ve´ıculos, pedestres, clientes
Atuadores:
I direc¸a˜o, acelerador, freio, embreagem, marcha, seta, buzina
Sensores:
I caˆmera, sonar, veloc´ımetro, GPS, hodoˆmetro, aceleroˆmetro, sensores
do motor, teclado ou microfone
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 12 / 43
Agentes - Exemplos de PEAS
Sistema de Diagno´stico Me´dico
Medida de desempenho:
I paciente sauda´vel, minimizar custos, processos judiciais
Ambiente:
I paciente, hospital, equipe
Atuadores:
I exibir na tela perguntas, testes, diagno´sticos, tratamentos
Sensores:
I entrada pelo teclado para sintomas, descobertas, respostas do paciente
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 13 / 43
Agentes - Exemplos de PEAS
Roboˆ de Selec¸a˜o de Pec¸as
Medida de desempenho:
I porcentagem de pec¸as em bandejas corretas
Ambiente:
I correia transportadora com pec¸as, bandejas
Atuadores:
I brac¸o e ma˜o articulados
Sensores:
I caˆmera, sensores angulares articulados
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 14 / 43
Agentes - Exemplos de PEAS
Instrutor de Ingleˆs Interativo
Medida de desempenho:
I maximizar nota de aluno em teste
Ambiente:
I conjunto de alunos
Atuadores:
I exibir exerc´ıcios, sugesto˜es, correc¸o˜es
Sensores:
I entrada pelo teclado
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 15 / 43
Agentes - Propriedades de Ambientes de Tarefa
Completamente observa´vel (versus parcialmente observa´vel)
I os sensores do agente da˜o acesso ao estado completo do ambiente em
cada instante
I todos os aspectos relevantes do ambiente sa˜o acess´ıveis
Determin´ıstico (versus estoca´stico)
I o pro´ximo estado do ambiente e´ completamente determinado pelo
estado atual e pela ac¸a˜o executada pelo agente
Episo´dico (versus sequencial)
I a experieˆncia do agente pode ser dividida em episo´dios (percepc¸a˜o e
execuc¸a˜o de uma u´nica ac¸a˜o)
I a escolha da ac¸a˜o em cada episo´dio so´ depende do pro´prio episo´dio
Esta´tico (versus dinaˆmico)
I o ambiente na˜o muda enquanto o agente pensa
I o ambiente e´ semidinaˆmico se ele na˜o muda com a passagem do
tempo, mas o n´ıvel de desempenho do agente se altera
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 16 / 43
Agentes - Propriedades de Ambientes de Tarefa
Discreto (versus cont´ınuo)
I um nu´mero limitado e claramente definido de percepc¸o˜es e ac¸o˜es
Agente u´nico (versus multi-agente)
I um u´nico agente operando sozinho no ambiente
I no caso multi-agente podemos ter
F multi-agente cooperativo
F multi-agente competitivo
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 17 / 43
Agentes - Exemplo
taxista
completamente observa´vel
determin´ıstico
episo´dico
esta´tico
discreto
agente u´nico
O tipo de ambiente de tarefa determina em grande parte o projeto do agente
O mundo real e´ parcialmente observa´vel, estoca´stico, sequencial, dinaˆmico,
cont´ınuo, multi-agente
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 18 /43
Agentes - Exemplo
taxista
completamente observa´vel na˜o
determin´ıstico na˜o
episo´dico na˜o
esta´tico na˜o
discreto na˜o
agente u´nico na˜o
O tipo de ambiente de tarefa determina em grande parte o projeto do agente
O mundo real e´ parcialmente observa´vel, estoca´stico, sequencial, dinaˆmico,
cont´ınuo, multi-agente
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 19 / 43
Tipos Ba´sicos de Agentes
Quatro tipos ba´sicos, do mais simples ao mais geral
I agentes reativos simples
I agentes reativos baseados em modelos
I agentes baseados em objetivos
I agentes baseados na utilidade
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 20 / 43
Agentes Reativos Simples
Selecionam ac¸o˜es baseadas na percepc¸a˜o atual
Func¸a˜o AGENTE-REATIVO-SIMPLES(percepc¸a˜o) retorna uma ac¸a˜o
Varia´veis esta´ticas:
regras, um conjunto de regras condic¸a˜o-ac¸a˜o
estado ← INTERPRETAR-ENTRADA(percepc¸a˜o)
regra ← REGRA-CORRESPONDENTE(estado, regras)
ac¸a˜o ← AC¸A˜O-DA-REGRA[regra]
retornar ac¸a˜o
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 21 / 43
Agentes Reativos Simples
Seleciona ac¸o˜es baseadas na percepc¸a˜o atual
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 22 / 43
Agentes Reativos Simples - Exemplo
Func¸a˜o AGENTE-ASPIRADOR-DE-PO´-REATIVO([posic¸a˜o, estado])
retorna uma ac¸a˜o
se estado = sujo enta˜o retorna Aspirar
sena˜o se posic¸a˜o = A enta˜o retorna Direita
sena˜o se posic¸a˜o = B enta˜o retorna Esquerda
Regras condic¸a˜o-ac¸a˜o (regras se-enta˜o) fazem uma ligac¸a˜o direta
entre a percepc¸a˜o atual e a ac¸a˜o
Simples x limitac¸o˜es
Tabela de regras pode tornar-se muito grande em problemas
complexos
O agente funciona apenas se a decisa˜o correta puder ser tomada com
base apenas na percepc¸a˜o atual
Ambiente completamente observa´vel
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 23 / 43
Agentes Reativos Baseados em Modelos
Pode lidar com ambientes parcialmente observa´veis
I agente deve controlar as partes do mundo que ele na˜o pode ver
Deve manter um estado interno que dependa do histo´rico de
percepc¸o˜es e reflita os aspectos na˜o observador no estado atual
Utiliza um modelo de mundo
I como o ambiente evolui independentemente do agente?
I como as ac¸o˜es do pro´prio agente afetam o mundo?
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 24 / 43
Agentes Reativos Baseados em Modelo
Func¸a˜o AGENTE-REATIVO-BASEADOS-EM-MODELOS(percepc¸a˜o)
retorna uma ac¸a˜o
Varia´veis esta´ticas:
estado, uma descric¸a˜o do estado atual do mundo
modelo, uma descric¸a˜o de como o pro´ximo estado depende do estado
atual e da ac¸a˜o
regras, um conjunto de regras condic¸a˜o-ac¸a˜o
ac¸a˜o, a ac¸a˜o mais recente, inicialmente nenhuma
estado ← ATUALIZA-ESTADO(estado, ac¸a˜o, percepc¸a˜o, modelo)
regra ← REGRA-CORRESPONDENTE(estado, regras)
ac¸a˜o ← AC¸A˜O-DA-REGRA[regra]
retornar ac¸a˜o
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 25 / 43
Agentes Reativos Baseados em Modelos
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 26 / 43
Agentes Reativos Baseados em Modelos
Conhecer um modelo do mundo nem sempre e´ suficiente para tomar
uma boa decisa˜o
Exemplo: um agente motorista de ta´xi chega a um cruzamento com
treˆs caminhos, qual direc¸a˜o tomar?
I simplesmente reagir? mas existem treˆs reac¸o˜es poss´ıveis
I examinar o modelo de mundo? na˜o ajuda a decidir qual o caminhos
I decisa˜o depende de onde o ta´xi esta´ tentando chegar
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 27 / 43
Agentes Baseados em Objetivos
Expandem as capacidades dos agentes baseados em modelos por meio
de um “objetivo”
Os objetivos descrevem situac¸o˜es deseja´veis
I Exemplo: estar no destino do passageiro
Selec¸a˜o da ac¸a˜o baseada em objetivo pode ser:
I direta: quando o resultado de uma u´nica ac¸a˜o atinge o objetivo
I mais complexa: quando sera˜o necessa´rias longas sequeˆncias de ac¸o˜es
para atingir o objetivo
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 28 / 43
Agentes Baseados em Objetivos
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 29 / 43
Agentes Baseados em Objetivos
Para encontrar sequeˆncias de ac¸o˜es que alcanc¸am os objetivos sa˜o
utilizados algoritmos de Busca e Planejamento
Tomada de decisa˜o envolve a considerac¸a˜o do futuro, o que na˜o
acontece com o uso de regras de condic¸a˜o-ac¸a˜o
I “o que acontecera´ se eu fizer isso ou aquilo?”
I “o quanto isso me ajudara´ a atingir o objetivo?”
O agente que funciona orientado a objetivos e´ flex´ıvel do que um
agente reativo
Objetivo na˜o garante o melhor comportamento para o agente, apenas
a distinc¸a˜o entre estados objetivos e na˜o objetivos
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 30 / 43
Agentes Baseados na Utilidade
Buscam definir um grau de satisfac¸a˜o com os estados
I o quanto “bom” e´ para o agente um determinado estado
Se um estado do mundo e´ mais deseja´vel que outro, enta˜o ele tera´
maior utilidade para o agente
Utilidade e´ uma func¸a˜o que mapeia um estado para um nu´mero real
que representa o grau de satisfac¸a˜o com este estado
Escolha apropriada quando houver objetivos conflitantes, apenas
alguns podem ser alcanc¸ados
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 31 / 43
Agentes Baseados na Utilidade
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 32 / 43
Agentes com Aprendizagem
Podem atuar em ambientes totalmente desconhecidos e se tornar
mais eficientes do que seu conhecimento inicial poderia permitir
Em agentes sem aprendizagem, tudo o que o agente sabe foi
acrescentado nele pelo projetista
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 33 / 43
Agentes com Aprendizagem
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 34 / 43
Agentes - Resumo
Agentes interagem com ambientes por meio de atuadores e sensores
A func¸a˜o do agente descreve o que o agente faz em todas as
circunstaˆncias
A medida de desempenho avalia a sequeˆncia do ambiente
O agente perfeitamente racional maximiza o desempenho esperado
Programas de agente implementam algumas func¸o˜es de agente
Descric¸o˜es PEAS definem ambientes de tarefa
Ambientes sa˜o classificados como: observa´veis? determin´ısticos?
episo´dicos? esta´ticos? discretos? agente u´nico?
Arquiteturas de agentes ba´sicos: reativos simples, reativos baseados
em modelos, baseados em objetivos, baseados na utilidade
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 35 / 43
Exerc´ıcio
Para cada uma das seguintes atividades, fornec¸a uma descric¸a˜o PEAS
do ambiente de tarefa
I roboˆ jogador de futebol
I agente para uma livraria online
I assitentes matema´tico para prova de teoremas
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 36 / 43
Agentes - Exemplo
xadrez taxista poker diagnostico medico
completamente observa´vel
determin´ıstico
episo´dico
esta´tico
discreto
agente u´nico
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 37 / 43
Exerc´ıcio
Para cada uma das seguintes atividades, fornec¸a uma descric¸a˜o PEAS
do ambiente de tarefa
I roboˆ jogador de futebol
F medida de desempenho: nu´mero de gols do time ou do jogador, ganhar
o jogo
F ambiente: campo de futebol, bola, outros jogadores
F atuadores: motores paracontrole das pernas, cabec¸a e corpo
F sensores: caˆmera, sensores de orientac¸a˜o, comunicac¸a˜o entre outros
jogadores, sensores de toque
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 38 / 43
Exerc´ıcio
Para cada uma das seguintes atividades, fornec¸a uma descric¸a˜o PEAS
do ambiente de tarefa
I agente para uma livraria online
F medida de desempenho: minimizar custos, informac¸a˜o sobre livros de
interesse
F ambiente: internet e navegador
F atuadores: realizar uma nova compra, exibir informac¸a˜o de comprar
antigas
F sensores: pa´ginas, boto˜es ou links clicados pelo usua´rio
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 39 / 43
Exerc´ıcio
Para cada uma das seguintes atividades, fornec¸a uma descric¸a˜o PEAS
do ambiente de tarefa
I assitentes matema´tico para prova de teoremas
F medida de desempenho: tempo gasto, grau de precisa˜o
F ambiente: teorema a ser provado
F atuadores: aceitar teoremas corretos, rejeitar teoremas incorretos,
inferir fatos
F sensores: dispositivo de entrada para ler o teorema
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 40 / 43
Agentes - Exemplo
xadrez taxista poker diagnostico medico
completamente observa´vel sim na˜o na˜o na˜o
determin´ıstico sim na˜o na˜o na˜o
episo´dico na˜o na˜o na˜o na˜o
esta´tico sim na˜o sim na˜o
discreto sim na˜o sim na˜o
agente u´nico na˜o na˜o na˜o sim
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 41 / 43
Exerc´ıcio
Defina com suas pro´prias palavras os termos a seguir:
I agente, func¸a˜o de agente, programa de agente, racionalidade, agente
reativo, agente baseado em modelo, agente baseado em objetivos,
agente baseado em utilidade, agente com aprendizagem
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 42 / 43
Agentes Inteligentes
Refereˆncias - Livro Russel e Norvig - Cap´ıtulo 2
UTFPR (CP) IF71B-C71 (Inteligeˆncia Artificial) Aula 03 - Agentes Inteligentes 43 / 43
	Agentes Inteligentes
	Agentes Racionais
	Natureza do Ambiente
	Propriedades do Ambiente
	Tipos de Agentes