CIn- UFPE

1

Agentes Inteligentes

Experimento...

Wumpus

Ambientes

Arquiteturas

sensoresAgente

efetuadores

a m

b i

e n

t e

Raciocinadormodelo do ambiente.

conhecimento.objetivos,...

Lembrando...

Agente Inteligente• dada uma seqüência perceptiva, escolhe, segundo seus

conhecimentos, as ações que satisfazem melhor seu objetivo

CIn- UFPE

3

Experimento do “Robô Humano”

CIn- UFPE

4

Partes do robô

Partes:• 1 Cérebro (1 pessoa)• 2 Braços (1 por pessoa = 2 pessoas)• 1 sistema de visão (1 pessoa)

Cérebro• não pode ver• fala com todas as partes do robô• controla os braços indicando

– ângulos de giro– deslocamento em uma direção e distância dadas– força a aplicar

• pode fazer perguntas aos braços e sistema de visão• pode pedir para o sistema de visão se deslocar para obter outros

ângulos de visão• pode desenhar ambiente em uma folha de papel

CIn- UFPE

5

Partes do robô

Braços• não podem ver• não devem ouvir o que diz o sistema de visão• tem tato pouco refinado• podem responder sim ou não ao cérebro (ex. estão tocando

em algo?)• seguem instruções do cérebro

Sistema de visão• não pode fornecer informação sem ter sido claramente

perguntado pelo cérebro• pode distinguir diferentes objetos e estimar distâncias• pode mover-se de forma a dar informações visuais a partir de

diferentes ângulos

CIn- UFPE

6

A tarefa

Voluntários?• Braços e olhos saem da sala...• Cérebro recebe a tarefa

Algumas conclusões• Um modelo do mundo

– é imprescindível e econômico (resume todo o ocorrido)– dá suporte ao raciocínio

• Conhecimento prévio do mundo é importante• Coordenar diferentes sistemas é complicado• A percepção e a execução são imperfeitas• Feedback visual e de força são imprescindíveis• No mundo real é mais complicado

– tem muito conhecimento implícito– A maioria dos sistemas de visão não são móveis

• ...

CIn- UFPE

7

O Mundo do Wumpus

CIn- UFPE

8

Bem-vindos ao “Mundo do Wumpus”

Wumpus

Agente caçador de tesouros

CIn- UFPE

9O Mundo do Wumpus: formulação do problema

Ambiente:• paredes, Wumpus, cavernas, buracos, ouro

Estado inicial:• agente na caverna (1,1) com apenas uma flecha• Wumpus e buracos em cavernas quaisquer

Objetivos:• pegar a barra de ouro e voltar à caverna (1,1) com vida

CIn- UFPE

10O Mundo do Wumpus: formulação do problema

Percepções: • fedor (ao lado do Wumpus)• brisa (ao lado dos buracos)• brilho (na caverna do ouro)• choque (contra a parede da caverna) • grito do Wumpus (quando morre)

Ações:• avançar para próxima caverna• girar 90 graus à direita ou à esquerda• pegar um objeto na mesma caverna que o agente• atirar na direção para onde o agente está olhando (a flecha

pára quando encontra uma parede ou mata o Wumpus)• sair da caverna

CIn- UFPE

11

Codificação do Mundo do Wumpus

1

2

3

41 2 3

4

início

fedor

Abrisa B

W

brisa

brisa

fedor

fedorbrisa, luz

B

B

brisa

brisa

OA - AgenteW - WumpusB - BuracoO - OuroX? - possível XV - Caverna visitada

Percepção = [fedor,brisa,brilho, choque,grito]

CIn- UFPE

12

1

2

3

41 2 3

4

A

Raciocinando e Agindo no Mundo do Wumpus

Representação do conhecimento do agente:

1

2

3

41 2 3

4

okA

ok

V

okok

ok

ok

(a) início (b) depois do 1o movimento

[nada,nada,nada,nada,nada] [nada,brisa,nada,nada,nada]

B?

B?

b

CIn- UFPE

13

1

2

3

41 2 3

4

ok

Aok

V Vbok

W

f

Raciocinando e Agindo no Mundo do Wumpus

Depois de passar por (1,1), chega a (2,1)...

ok

B!

[fedor,nada,nada,nada,nada]

Vai para (2,2), (2,3) e encontra o ouro!!!

1

2

3

41 2 3

4

ok

A

fok

V Vbok

B!

W

Vok

V

f b lB?

B?

ok

(c) Decide ir para (2,2), único OK não visitado

CIn- UFPE

14

Exercício... Vamos achar o ouro?

1

2

3

41 2 3

4

A

B!

W!

O

B!

CIn- UFPE

15

Caracterização do Ambiente

Exemplos de agentesAgente Dados

perceptivosAções Objetivos Ambiente

Diagnósticomédico

Sintomas,paciente, exames

respostas, ...

Perguntar,prescrever exames,

testar

Saúde do paciente,minimizar custos

Paciente,gabinete, ...

Análise deimagens de

satélite

Pixels imprimir umacategorização

categorizarcorretamente

Imagens desatélite

Tutorial deportuguês

Palavrasdigitadas

Imprimir exercícios,sugestões,

correções, ...

Melhorar odesempenho do

estudante

Conjunto deestudantes

Filtrador demails

mensagens Aceitar ou rejeitarmensagens

Aliviar a carga deleitura do usuário

Mensagens,usuários

Motorista detaxi

Imagens,velocímetro,

sons

brecar, acelerar,dobrar, falar com

passageiro, ...

Segurança,rapidez, economia,

conforto,...

Ruas, pedestres,carros, ...

Músico de jazz Sons seus e deoutros músicos,

grades deacordes

Escolher e tocarnotas no andamento

Tocar bem, sedivertir, agradar

Musicos,publico, grades

de acordes

CIn- UFPE

17

Ambiente

Classes de ambientes• Físico: robôs• Software: softbots• Realidade virtual (simulação do ambiente físico): softbots e

avatares

Propriedades de um ambiente• acessível x inacessível• estático x dinâmico• determinista x não-determinista• discreto x contínuo• episódico x não-episódico• tamanho: número de percepções, ações, objetivos,...

CIn- UFPE

18

Ambientes: propriedades

Acessível: quando os sensores do agente conseguem perceber todos os aspectos relevantes do ambiente para a escolha da ação• ex. wumpus não é acessível, xadrez é

Determinista: o próximo estado do ambiente pode ser completamente determinado pelo estado atual e as ações selecionadas pelo agente (= incerteza do fruto da ação)• semi-determinista: se tem outros atores agindo

imprevisivelmente para mudar o “estado do mundo”• ex. wumpus determinista, robocup não-determinista, xadres

semi-determinista

CIn- UFPE

19

Ambientes: propriedades

Episódico: a experiência do agente é dividida em episódios e ação em um episódio não depende das ações que ocorreram em episódios prévios• exemplo: classificador de imagens é episódico, xadrez não

Estático: o ambiente não muda enquanto o agente está escolhendo a ação a realizar. • Semi-estático: o ambiente não muda enquanto o agente

delibera, mas o "score" do agente muda• ex. xadrez c/ relógio semi-estático, xadrez estático, táxi

dinâmico• obs: há mundos dinâmicos e deterministas (ex. esteira de

fábrica)

CIn- UFPE

20

Ambientes: propriedades

Discreto: quando existe um número distinto e claramente definido de percepções e ações em cada turno• ex. médico (consulta) discreto, táxi dinâmico

O Tamanho do ambiente é dado por: número de percepções, ações e objetivos possíveis

Exemplos de ambientes

Agente acessível determinista episódico estático discreto

xadrez sem relógio Sim +/- Não Sim Sim

xadrez com relógio Sim +/- Não Semi sim

gamão sim não não sim sim

motorista de taxi Não Não Não Não Não

médico Não Não Não Não Não

tutor Não Não Não Não Sim

Analisador de imagem Sim Sim Sim Semi Não

Busca na web Não +/- Sim Não Sim

Filtrador de mail Sim +/- Sim Não Sim

Músico Sim Não Não Não Não

CIn- UFPE

22

Simulação do ambiente

Às vezes é mais conveniente simular o ambiente• mais simples• permite testes prévios• evita riscos, etc...

O ambiente (programa)• recebe os agentes como entrada• fornece repetidamente a cada um deles as percepções

corretas e recebe as ações• atualiza os dados do ambiente em função dessas ações e

de outros processos (ex. dia-noite)• é definido por um estado inicial e uma função de atualização• deve refletir a realidade

CIn- UFPE

23

Arquiteturas de Agentes

CIn- UFPE

24

Algoritmo básico

Ciclo de Agente• Percebe• Raciocina (interpreta percepção e escolhe ação)• Executa ação

Arquiteturas• Agente tabela• Agente reativo puro• Agente reativo com estado interno (autômato) • Agente cognitivo (baseado em objetivos)• Agente otimizador• Agente adaptativo

autonomiacomplexidade

CIn- UFPE

25

ambiente

sensores

efetuadores

Tabelapercepções ações

. .

. .

Agente

Agente tabela

Funcionamento• Para cada percepção, procura na tabela a ação correspondente

Vantagens• muito eficiente!!

CIn- UFPE

26

Agente tabela

Limitações• Mesmo Problemas simples -> tabelas muito grandes

– ex. xadrez 30^100• Nem sempre é possível, por ignorância ou questão de tempo,

construir a tabela • Não há autonomia nem flexibilidade

Este agente só tem fins didáticos!!! Não vale nem a pena pensar nele

CIn- UFPE

27

Agente puramente reativo

Am

bie

nte

Sensores

Efetuadores

RegrasPercepção Ação

CIn- UFPE

28

Agente Reativo Puro

Funcionamento• Usa regras associando diretamente percepção com ação

– ex. Se velocidade > 60 então multar– ex. Se luz do freio do carro da frente acender, então frear

• Dada a percepção, encontra a primeira regra que casa e executa ação

Exemplo no Wumpus• IF visualPerception = glitter THEN action = pick

(representação pseudo-lógica)

CIn- UFPE

29

Agente Reativo Puro

Vantagens e desvantagens• Regras condição-ação: representação inteligível, modular e

eficiente • Não pode armazenar uma seqüência perceptiva, pouca

autonomia

Limitações do agente reativo puro no mundo do Wumpus• um agente ótimo deveria:

– recuperar o ouro ou– determinar que é muito perigoso pegar o ouro e– em qualquer dos casos acima, voltar para (1,1) e sair da

caverna.• Um agente reativo nunca sabe quando sair,

– estar com o ouro e estar na caverna (1,1) não fazem parte da sua percepção (se pegou, esqueceu).

– esses agentes podem entrar em laços infinitos.

CIn- UFPE

30Agente reativocom estado interno

Am

bie

nte

Sensores

Efetuadores

Modelodos

ambientespassados e atual

Interpretadorde percepção

Escolhedor de ação

Atualizador domodelo do ambiente

Agente reativo com estado interno

Funcionamento: idem anterior + modelo do mundo (memória)• Regras associando indiretamente percepção com ação via

construção e manutenção de um modelo do ambiente– Ação depende da percepção atual + anteriores + ações

anteriores... • Antes de agir, já atualiza o modelo do ambiente

– Ex. Fazer uma ultrapassagem em um carro

Motivação• O ambiente inteiro não é acessível no mesmo momento

– ex. ultrapassagem de um carro• Percepções instantâneas iguais podem corresponder a

estados diferentes– ex. Wumpus: cavernas visitadas

Agente reativo com estado interno

Novos conhecimentos (regras) para atualização do mundo• percepção modelo modelo’• Modelo’ modelo’’ (talvez)• Modelo’’ ação• ação modelo’’ modelo’’’

Regras percepção modelo modelo• IF visualPercept at time T is glitter

AND location of agent at time T is (X,Y)THEN location of gold at time T is (X,Y)

• X,Y,T see(glitter,T) loc(agent,X,Y,T) loc(gold,X,Y,T).

CIn- UFPE

33Regras de agente reativo com estado interno

Regras modelo modelo• IF known that agent is with gold at time T

AND known that location of agent at time T is (X,Y)THEN known that location of gold at time T is (X,Y)

Regras modelo ação• IF known that location of agent at time T = (X,Y)

AND known that location of gold at time T = (X,Y) THEN choose action at time T to be pick

CIn- UFPE

34Regras de agente reativo com estado interno

Regras ação modelo modelo• IF choosen action at time T was pick

THEN known that agent is with gold at time T+1

Desvantagem: • Autonomia, mas não muito• não tem objetivo, não pensa no futuro (só na ação

imediata)!!!

CIn- UFPE

35Agente deliberativo/cognitivo (baseado em objetivo)

Am

bie

nte

Sensores

Efetuadores

Modelo dos ambientespassados e atual

Interpretadorde percepção

Escolhedor de ação

Atualizadordo modelo

do ambiente

Preditorde ambientes

futuros

Modelo de ambientesfuturos hipotéticos

ObjetivosAtualizadordo objetivos

Agente Cognitivo

Funcionamento (associação percepção-ação)• Mediada por modelo do ambiente e objetivo do agente• Pode envolver encadear regras para construir plano multi-

passo necessário para atingir objetivo a partir de modelo– ex. taxista encontrando a rota para o destino do passageiro– ex. taxista freia porque quer evitar prejuízo e dor de cabeça no

futuro

Contém os 4 tipos de regras do agente reativo com estado interno + 2 novos tipos de regras:• Regras: objetivo modelo ação• Regras: objetivo modelo objetivo’

Trata o objetivo explicitamente e pensa no futuro!!!!

CIn- UFPE

37

Regras de agente Cognitivo

Regras objetivo modelo ação (ações)

//O agente escolhe um caminho para o objetivo

• IF goal of agent at time T is to be in location (X,Y) AND agent is in (X-1, Y-1) at time T-N AND known that location (X,Y-1) is safe at time T-NAND known that location (X,Y) is safe at time T-NTHEN choose action Go to X,Y via (X,Y-1)

CIn- UFPE

38

Regras de agente deliberativo

Regras objetivo modelo ação (ações)

//O agente pode variar a escolha conforme o objetivo, como não matar o wumpus para pegar logo o ouro

• IF goal of agent is to get the gold

AND agent is in (X-1, Y) at time T AND known that the gold is in location (X,Y)

AND known that location (X,Y) is safe at time TAND known that Wumpus is in location (X-1,Y+1) at time TAND known that the agent has na arrow at time TTHEN choose action Go to X,Y

CIn- UFPE

39

Regras de agente deliberativo

Regras objetivo modelo objetivo

//Se o agente queria estar com o ouro e conseguiu, atualizar objetivo para ir para (1,1)

• IF goal of agent at time T is to be with gold at time T+N AND agent is with gold at time T+1 THEN update goal of agent at time T+1 to be in location (1,1) at time T+M

CIn- UFPE

40

Agente cognitivo (baseado em objetivo)

Vantagens e desvantagens:• Mais complicado e ineficiente,• porém mais flexível e autônomo

– ex. se começa a chover, já sabe que não pode confiar no freio• Não trata objetivos conflitantes

– ex. chegar ao destino pelo caminho mais curto, seguro, barato, rápido e bonito

CIn- UFPE

41

Agente otimizador (baseado em utilidade)

Am

bie

nte

Sensores

Efetuadores

Modelo dos ambientespassados e atual

Interpretadorde percepção

Escolhedor de ação

Atualizadordo modelo

do ambiente

Preditorde ambientes

futuros

Modelo de ambientesfuturos hipotéticos

Objetivospotencialmente

conflitantes

Utilidades dos objetivos ou ações

Atualizadordo objetivos

CIn- UFPE

42

Regras de agente otimizador

Associação percepção-ação:– Mediada por modelo do ambiente, objetivos do agente e

utilidades da realização parcial de conjuntos de objetivos– Envolve métodos de otimização: busca, pesquisa operacional,

etc.

Contém 5 dos 6 tipos de regras do agente deliberativo, substituindo:• regras objetivo modelo ação

...por:• regras objetivo modelo utilidade, e• regras utilidade ação

sensores

efetuadores

Agente

Gerador de problemas

crítico

elemento de aprendizagem

avaliação

objetivos de aprendizagem

elemento de execução (agente)

trocas

conhecimento

a m

b i

e n

t e

t

t+1

t

Agente que aprende

Vantagem: tem adaptabilidade (aprende)• Ex. motorista sem o mapa da cidade