AGENTES INTELIGENTES - INF

AGENTES
INTELIGENTES
Cedric Luiz de Carvalho
2/60
Introdução
Envolvem estudos em várias áreas:
Psicologia
Sociologia
Filosofia
Ciência da Computação: Inteligência
Artifical
Cedric Luiz de Carvalho
3/60
Críticas
“Qualquer coisa que possa ser feita com
agentes (...) também pode ser feita em
C”.
Outras áreas da IA não obtiveram o
sucesso esperado (SE, RN). O novo
paradigma seria uma “válvula de
escape”.
Cedric Luiz de Carvalho
4/60
Críticas
Tudo com o rótulo agente vende.
Alguns softwares no mercado têm uma
arquitetura nem complexa nem
sofisticada - por quê então inteligentes?
Cedric Luiz de Carvalho
5/60
Defesa
Arquiteturas multi-agentes se distinguem
por oferecer soluções razoáveis a custo
aceitável para certa classe de
problemas.
Cedric Luiz de Carvalho
6/60
Defesa
Os agentes tornam possível superar as
diferenças entre os diversos tipos de
redes e plataformas.
Os agentes podem tratar melhor os
problemas em ambientes distribuídos.
Cedric Luiz de Carvalho
7/60
Conceito
“Um agente inteligente é um software
que ajuda as pessoas, agindo no seu
lugar”- Don Gilbert - IBM
Cedric Luiz de Carvalho
8/60
Tarefas dos Agentes
Automatizar ações repetitivas;
Analisar dados;
Organizar dados de maneira inteligente;
Fazer sugestões;
Relembrar coisas;
etc.
Cedric Luiz de Carvalho
9/60
Propriedades Gerais
Autonomia.
Habilidade social.
Reatividade.
Iniciativa.
Continuidade temporal.
Orientação a Objetos.
Cedric Luiz de Carvalho
10/60
Propriedades Específicas
Mobilidade.
Benevolência.
Racionalidade.
Adaptabilidade.
Colaboração.
Cedric Luiz de Carvalho
11/60
Programação Orientada a
Objetos - POO
Objetos:
Porções do mundo real.
Caracterizados por um estado e um
comportamento.
Interação: passagem de parâmetros.
Estrutura interna: oculta aos demais objetos.
Métodos: procedimentos para tratar
mensagens. Ex.: um “cão” pode “latir” quando
perturbado.
Cedric Luiz de Carvalho
12/60
Programação Orientada a
Agentes - POA
Lida com objetos e agentes.
Agentes: meta-objetos (caracterizados
por estado e comportamento).
Cedric Luiz de Carvalho
13/60
Programação Orientada a
Agentes - POA
Agentes:
Possuem metas pré-definidas e orientam
seu trabalho para satisfazê-las.
Conseguem sintetizar planos para lidar com
situações não previstas originalmente.
Podem aprender com a experiência.
Cedric Luiz de Carvalho
14/60
Princípios básicos da POO
Encapsulamento: estruturas de dados
ocultas.
Herança: reutilização de código.
Polimorfismo: correspondência dinâmica
entre métodos e mensagens recebidas.
Cedric Luiz de Carvalho
15/60
Princípios Básicos da POA
Execução orientada a metas.
Gerenciamento transparente dos objetos
do domínio.
Cedric Luiz de Carvalho
16/60
Agência e Inteligência
Agência: autonomia e autoridade do
agente.
Cedric Luiz de Carvalho
17/60
Agência e Inteligência
Inteligência de um agente:
grau de raciocínio;
capacidade de aprender padrões de
comportamento;
capacidade de aceitar declarações do
usuário;
capacidade de executar tarefas que lhe são
delegadas.
Cedric Luiz de Carvalho
18/60
Aplicações
Aplicações atuais: na maioria são de
natureza experimental e de
fundamentação ad hoc.
Cedric Luiz de Carvalho
19/60
Exemplos
Agentes que automatizam caixas de
correio eletrônico (total ou parcialmente).
Agentes que pesquisam ou filtram listas
de discussão.
Agentes que agendam, registram e
executam o flow-up de reuniões ou
conferências on-line.
Cedric Luiz de Carvalho
20/60
Outras Aplicações
Gerenciamento de Sistema de Redes;
Acesso e gerenciamento móvel;
Acesso e gerenciamento de informação;
Colaboração: infra-estrutura para
compartilhamento de recursos e
gerenciamento de equipes e produtos de
seu trabalho.
Cedric Luiz de Carvalho
21/60
Outras Aplicações
Gerenciamento administrativo;
Comércio eletrônico;
Interfaces inteligentes.
Cedric Luiz de Carvalho
22/60
Agentes
Entidade:
com metas;
com ações;
com domínio do conhecimento;
situado em um ambiente.
Cedric Luiz de Carvalho
23/60
Sistemas Multiagentes
Subcampo da IA
Princípios para a construção de sistemas
complexos envolvendo múltiplos agentes.
Mecanismos de coordenação do
comportamento dos agentes independentes.
Cedric Luiz de Carvalho
24/60
Taxonomia
Computação
Distribuída
Inteligência
Artificial
IA Distribuída
Resolução
Distribuída
de Problemas
Sistemas
Multiagentes
Cedric Luiz de Carvalho
25/60
Taxonomia
Computação distribuída:
Vários processos compartilham dados, mas
não controle.
Foco: paralelização de baixo nível ou
sincronização.
Cedric Luiz de Carvalho
26/60
Taxonomia
IA Distribuída:
Controle inteligente;
Dados distribuídos.
Foco: resolução de problemas,
comunicação e coordenação.
Cedric Luiz de Carvalho
27/60
Taxonomia
Resolução distribuída de problemas:
Decomposição de tarefas;
Síntese da solução;
Gerenciamento da informação.
Cedric Luiz de Carvalho
28/60
Taxonomia
Sistema Multiagentes:
Coordenação de comportamento; ou
Coordenação de gerenciamento.
Cedric Luiz de Carvalho
29/60
Comunicação
Taxonomia dos MAS
Aumento da
Complexidade
Poder e
Centralização.
Centralizado
(único agente)
Heterogêneo, com
comunicação.
Heterogêneo, sem
comunicação.
Heterogeneidade
Homogêneo, sem
comunicação.
Cedric Luiz de Carvalho
30/60
Taxonomia dos MAS
Agentes Homogêneos e não
comunicantes
Reativos / deliberativos.
Perspectiva local / global.
Modelagem dos estados dos outros
agentes.
Como afetam os outros agentes.
Cedric Luiz de Carvalho
31/60
Taxonomia dos MAS
Agentes Heterogêneos e não
comunicantes
Benevolência / competitividade.
Estáticos / evolutivos.
Modelagem das metas, ações e
conhecimento dos outros agentes.
Gerenciamento de recursos – ações
interdependentes.
Convenções sociais.
Papéis desempenhados
Cedric Luiz de Carvalho
32/60
Taxonomia dos MAS
Agentes Heterogêneos comunicantes
Entendimento mútuo.
Planejamento de atos de comunicação.
Benevolência / competitividade.
Gerenciameto de recursos – esquema de
coordenação.
Compromentimento / descomprometimento.
Cedric Luiz de Carvalho
33/60
Por quê MAS?
Se existe diferentes pessoas ou
organizações com diferentes metas e
informações particulares.
Um sistemas multiagente para tratar seus
interesses.
Cedric Luiz de Carvalho
34/60
Por quê MAS?
Múltiplos agentes:
Pode-se implementar paralelismo –
aumento de performance.
Cedric Luiz de Carvalho
35/60
Paralelismo
Diferentes tarefas ou habilidades
atribuídas a diferentes agentes.
Redundância: melhora a tolerância a falhas.
Cedric Luiz de Carvalho
36/60
Escalabilidade
Sistema inerentemente modular.
Muito fácil acrescentar novos agentes –
novas capacidades.
Cedric Luiz de Carvalho
37/60
Implementação
Programação modular: mais simples
Cedric Luiz de Carvalho
38/60
Agente único ou
Sistema Multiagente
Agente único: o agente modela a si
mesmo, o ambiente e suas interações.
Se existem outros agentes – são
considerados como parte do ambiente.
Entidades independente, com suas metas,
ações e conhecimento.
Cedric Luiz de Carvalho
39/60
Agente Único
Ambiente
Sensores
Atuadores
•Metas
•Ações
•Domínio do
Conhecimento
Agente
Cedric Luiz de Carvalho
40/60
Agente único ou
Sistema Multiagente
Sistema Multiagente:
Vários agentes existem, cada um com suas
metas e ações.
Incerteza: agentes intencionalmente afetam
o ambiente de uma maneira não previsível:
sistema dinâmico.
Cedric Luiz de Carvalho
41/60
Múltiplos Agentes
Ambiente
Sensores
Agente
•Metas
•Ações
•Domínio do
Conhecimento
Sensores
Atuadores
•Metas
•Ações
•Domínio do
Conhecimento
Agente
Cedric Luiz de Carvalho
42/60
Agentes homogêneos e
não comunicantes
Mesma estrutura interna;
Mesmas metas;
Mesmo domínio do conhecimento;
Mesmas possíveis ações.
Cedric Luiz de Carvalho
43/60
Agentes homogêneos e
não comunicantes
Diferença entre os agentes:
Entrada dos sensores;
Ação real que executam – depende de sua
posição no mundo.
Cedric Luiz de Carvalho
44/60
Agentes homogêneos e
não comunicantes
Diferença entre os agentes:
Entrada dos sensores;
Ação real que executam – depende de sua
posição no mundo.
Cedric Luiz de Carvalho
45/60
Agentes homogêneos e
não comunicantes
Itens a serem considerados:
Reativos / deliberativos.
Reativos: comportamento pré-definido: similar
aos reflexos – não mantém estados internos.
Deliberativos: buscam em um espaço de
comportamentos, mantém um estado interno e
podem prever os efeitos de suas ações.
Cedric Luiz de Carvalho
46/60
Agentes homogêneos e
não comunicantes
Itens a serem considerados:
Perspectiva local / global.
Todos os agentes têm uma visão global: não
tentam obter um recurso já em uso, ou
Os agentes têm uma visão limitada do mundo e
tentam obter diferentes recursos.
Cedric Luiz de Carvalho
47/60
Agentes homogêneos e
não comunicantes
Itens a serem considerados:
Modelagem dos estados dos outros
agentes.
Finalidade: prever suas ações.
Mesmo se os agentes são homogênios, suas
ações futuras podem não ser previsíveis.
Cedric Luiz de Carvalho
48/60
Agentes homogêneos e
não comunicantes
Itens a serem considerados:
Como afetam os outros agentes.
Podem ser detectados, pelos sensores dos
outros.
Podem alterar o ambiente – alterando a entrada
dos sensores dos outros agentes.
Podem alterar o ambiente – mudando o efeito
das ações dos outros agentes.
Cedric Luiz de Carvalho
49/60
Agentes heterogêneos e
não comunicantes
Podem ter diferentes metas.
Podem ter diferentes modelos de
domínio.
Podem executar ações diferentes.
Cedric Luiz de Carvalho
Agentes heterogêneos e
não comunicantes
50/60
Itens a serem considerados:
Benevolência / competitividade.
Agentes podem tentar ajudar outros agentes a
atingirem suas respectivas metas ou ser
egoístas e somente considerarem suas próprias
metas ao realizar suas ações.
Agentes egoístas podem ser eficientes e mais
próximos dos agentes biológicos.
Cedric Luiz de Carvalho
Agentes heterogêneos e
não comunicantes
51/60
Itens a serem considerados:
Estáticos / evolutivos.
Ambientes dinâmicos – agentes precisam
evoluir.
Cedric Luiz de Carvalho
Agentes heterogêneos e
não comunicantes
52/60
Itens a serem considerados:
Modelagem das metas, ações e
conhecimento dos outros agentes.
Sistema homogêneo – a modelagem ajuda a
prever as ações do outros.
Sistema heterogêneo – modelagem mais difícil
Esta modelagem pode ser feita pela observação das
ações – pode haver aprendizado.
Cedric Luiz de Carvalho
Agentes heterogêneos e
não comunicantes
53/60
Itens a serem considerados:
Gerenciamento de recursos
Usando o “aprendizado por reforço” agentes
heterogêneos podem atingir uma equilíbrio de
carga sem a necessidade de controle central
nem comunicação entre os agentes.
Os agentes observam quanto tempo uma tarefa toma
quando ela é escalonada sobre um recurso e é dado
incentivos para explorar processadores que não foram
alocados que que tiveram desempenho pobre no
passado.
Cedric Luiz de Carvalho
54/60
Agentes que se comunicam
Com a comunicação, sistemas podem
se tornar arbitrariamente complexos e
arbitrariamente centralizados, onde um
agente assume todo o controle.
O bandwidth da comunicação pode se
tornar extremamente baixo.
Cedric Luiz de Carvalho
55/60
Agentes que se comunicam
Itens a serem considerados.
Entendimento mútuo.
Planejamento dos atos de comunicação.
Benevolência / competitividade.
Gerenciamento de recursos
Comprometimento / descomprometimento.
Cedric Luiz de Carvalho
56/60
Agentes que se comunicam
Itens a serem considerados.
Entendimento mútuo.
Linguagens e protocolos. Ex.:
Conteúdo da informação - KIF.
Formato da mensagem- KQML.
Convenções de coordenação - COOL.
Cedric Luiz de Carvalho
57/60
Agentes que se comunicam
Itens a serem considerados.
Planejamento dos atos de comunicação.
Quando um agente envia uma mensagem a
outro agente, isto provoca um efeito como
provocaria qualquer outra ação sua.
Quando combinado com modelos de outros
agentes, o efeito do ato de comunicação pode
ser alterar a crença do agente a respeito do
estado de outro(s) agente(s).
Cedric Luiz de Carvalho
58/60
Agentes que se comunicam
Itens a serem considerados.
Benevolência / competitividade.
Cedric Luiz de Carvalho
59/60
Agentes que se comunicam
Itens a serem considerados.
Gerenciamento de recursos.
Cedric Luiz de Carvalho
60/60
Agentes que se comunicam
Itens a serem considerados.
Comprometimento / descomprometimento.
Quando os agentes se comunicam podem
decidir cooperar em uma data tarefa ou um
período de tempo: se compromentem.
Perseguir uma meta, de uma dada maneira.
Deve haver meios de um agente “acreditar” nos
outros.
Cedric Luiz de Carvalho
61/60
Atividade 1
Leia o artigo original de Turing sobre IA
(Computing Machinery and Intelligence (Mind, Vol.
59, No. 236, pp. 433-460), e faça um resumo (no
máximo 20 linhas) sobre os principais tópicos
abordados. No artigo, Turing discute várias
objeções potenciais a suas propostas e ao seu
teste de inteligência. Que objeções ainda têm
algum peso? Suas refutações são válidas?
Referência: http://cogsci.ucsd.edu/%7easaygin/tt/ttest.html
Cedric Luiz de Carvalho
62/60
Atividade 2
Todo ano, o prêmio Loebner é entregue ao
programa que chega mais perto de ser aprovado
em uma versão do Teste de Turing. Qual o último
vencedor do prêmio Loebner de 2005. Que
técnicas ele utiliza? Que avanço o programa
representou no estado da arte em IA?
Referência: http://www.loebner.net/Prizef/loebner-prize.html
Cedric Luiz de Carvalho