Baixe o app para aproveitar ainda mais
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
Compartilhar