inteligência artificial nadilma c. v. n. pereira aula 3– agentes inteligentes
TRANSCRIPT
Inteligência ArtificialNadilma C. V. N. PereiraAula 3– Agentes Inteligentes
CURIOSIDADE: I.A. no Brasil• Fracamente representada nas graduações em computação
▫ No máximo, 1 disciplina obrigatória▫ No melhor dos casos, depois do sexto período▫ Ementa restrita e desatualizada
• Economicamente AINDA incipiente▫ Por falta de demanda ou de profissionais bem formados?
Demanda começa a surgir...• Visão “distorcida e incompleta”• No exterior é o contrário
MIT, Stanford, Carnegie Mellon, Berkley, Imperial College, Cambridge
Mercado fatura alto.
Tópicos• Agentes Inteligentes• Racionalidade• Ambientes• Tipos de Agentes • Intuições gerais sobre o tema• Raciocínio – O quê?• Raciocínio – Como?• Buscas – O quê?• Buscas – Por quê?• Buscas – Como?• Buscas – Heurísticas?• Buscas – Heurísticas – Exemplos
Objetivos da aula•Conhecer os principais aspectos
constituintes dos Agentes Inteligentes•Conhecer os principais tipos de Agentes
Inteligentes
Agentes Inteligentes•É qualquer coisa que tenha:
▫Percepção: sente, percebe, vislumbra o seu meio através de sensores.
▫Ação: realize atos, age sobre o seu meio através de efetuadores.
•Exemplos: ▫Seres humanos:
Percepção: Olhos, ouvidos, olfato, etc. Ação: mãos, braços, pernas, etc.
▫Robôs: Percepção: câmeras, sensores IR, etc. Ação: Braços mecânicos, motores, etc.
Agentes InteligentesAgente Ambiente
(Percepção Atuação)
Agentes InteligentesAgente Ambiente
(Adaptação Aprendizagem)
Agentes InteligentesAgente Ambiente
(Autonomia Liberdade)
Agentes Inteligentes•“ingredientes” de um Agente inteligente:
▫Mecanismos de percepção▫Mecanismo de aprendizado▫Representação do conhecimento▫Função objetivo
Racionalidade
Racionalidade
Racionalidade = “escolhas” certas
Como saber se o agente está agindo de forma certa?
R.: Mecanismos de avaliação para os agentes.
Racionalidade
Racionalidade <> onisciênciaPrincípio da racionalidade: dada uma seqüência perceptiva, o agente escolhe, segundo seus conhecimentos, as ações que melhor satisfazem seus objetivos.Onisciência: Que tudo sabe, pois tem limitações de:SensoresEfetuadoresRaciocinador (conhecimento, tempo, etc)
Aspectos•Em síntese, um agente racional depende
em qualquer instante de quatro fatores:▫Desempenho (Performance) : define o grau
de sucesso;▫Ambiente (Environment): tudo o que o
agente conhece a respeito do meio;▫Sensores (Sensors): tudo o que o agente
tenha percebido até então;▫Atuadores (Actuators): a ação que o agente
pode desempenhar.
Problemas •Automatização de sistemas de potência
▫Rios, barragens, turbinas... Onde haja perigo para a vida humana
Problemas•Produção de histórias interativas
▫Permitir interação com o usuário;▫Modelar comportamento e personalidade
(ex: tamagotchi)
Problemas•Observações Ininterruptas
▫Ex.: Lombadas eletrônicas. Estas substituem a necessidade de um guarda (ser humano) de estar fiscalizando o trânsito.
Lombada Eletrônica
E ai?•O que estes problemas têm em comum?
▫Grande complexidade (número, variedade e natureza das tarefas);
▫Não há “solução algorítmica”, mas existe conhecimento;
▫Modelagem do comportamento de um ser inteligente (autonomia, aprendizagem, conhecimento, etc.)
E ai?•Inteligência Artificial
▫Há 30 anos lida com esses problemas;▫Objetivo: construir (e aprender a construir)
programas que, segundo critérios definidos, exibem um comportamento inteligente na realização de uma dada tarefa.
Um agente•É qualquer entidade que:
▫Percebe seu ambiente através de sensores (câmeras, microfones, teclados, etc...)
▫Age sobre elas através de efetuadores (vídeo, alto-falante, impressoras, etc...)
•Mapeamento: seqüência perceptiva => ação
Agente de polícia
Exemplos de Agentes
Ambientes•Observável compl. X parcialmente
▫Determinístico x estocástico▫Episódico x seqüencial▫Estático x dinâmico▫Discreto x contínuo▫Agente único x multiagente
(Competitivo x colaborativo)
Completamente X Parcialmente Observável•Compl. Observável: Permite acesso ao
estado completo do ambiente em cada instante, os sensores detectam aspectos relevantes para a escolha de uma determinada ação
•Parcial. Observável: Ambiente pode existir ruído e ter sensores imprecisos.
•A ESCOLHA DESSAS PROPRIEDADES ESTÁ INTEIRAMENTE LIGADA A MEDIDA DE DESEMPENHO DO SISTEMA!!!
Determinístico X Estocástico•Determinístico: o próximo estado do
ambiente é determinado pelo estado atual e pela ação executada pelo agente.
•Estocásticos: acontece geralmente em ambiente parcialmente observável, pois se o ambiente é complexo e difícil de controlar os aspectos não observados, nunca se sabe o caminho exato e pode ocorrer falha em algum sensor.
Episódico x Seqüencial•Episódico: cada episódio consiste na
percepção do agente e depois na execução de uma ação, mas simples, porque não precisa pensar a frente;
•Seqüencial: a decisão atual pode afetar todas as decisões futuras, ações em curto prazo podem ter conseqüências a longo prazo.
Estático x Dinâmico•Estático: o agente não precisa continuar a
observar o mundo enquanto está decidindo sobre a realização de uma ação.
•Dinâmico: quando o ambiente pode se alterar enquanto um agente está deliberando, precisa observar o mundo enquanto está decidindo sobre a realização de uma ação.
Discreto x Contínuo•Discreto e contínuo estão relacionados a
estado do ambiente.•Discreto: contável•Contínuo: não- contável. Com o tempo a
quantidade de objetos considerados podem aumentar ou diminuir sem o seu controle.
Agente único e Multiagente•Agente único e multiagente: competitivo
quando uma agente “A” está tentando maximizar sua medida de desempenho que minimiza a medida de desempenho de um agente “B” ou cooperativo quando se tenta maximizar a medida de desempenho de todos os agentes.
Tipos de Agentes
Agentes Reativos Simples
Respondem a percepçõesRegra da condição-ação
Agentes Reativos(por modelo)
Mantêm o estado interno para aspectos não percebidos
Informações sobre o modo de como o mundo evolui independentemente do
agente
Agentes Racionais (por objetivo)
Procuram atingir alvosDescrição do estado atual +
Informação sobre objetivos que descreva situações desejáveis
Agentes Racionais (por utilidade)
Tentam maximizar suas expectativas
Agentes (com aprendizagem)
Agentes com aprendizagem possuem melhores performances
Problemas x Soluções•Problemas demandam soluções
▫Soluções podem ser providas: Pelo programador do sistema Encontradas computacionalmente
▫Soluções computacionais envolvem : Estruturas de dados e procedimentos
Raciocínio – O quê?•Raciocínio é a habilidade mental de
deduzir ou inferir uma conclusão dado uma conjunto de premissas.
Raciocínio - Como?•Raciocínio dedutivo (e.g. silogismo):
▫Todas os humanos são mortais▫Bush é mortal▫Então, Bush é mortal.
Raciocínio – Como?•Raciocínio indutivo (e.g. probabilístico):
▫O sol nasceu todos os dias do leste até hoje;▫Então, o sol nascerá do leste amanhã.
Intuições Gerais sobre o tema•E se a solução de um problema for um
ponto(s) num espaço ?•E se a solução de um problema puder ser
encontrada por um raciocínio?
Busca (força bruta) – O quê?•Tipo de busca que enumera todas as
possíveis soluções e examina-as todas;▫ Método caro (memória/processador)▫ Risco de explosão combinatorial▫ =“Blind Search Methods”
Busca (força bruta) – Por quê?•É possível ser melhorado:
▫Reordenando o espaço de buscas▫ Reduzindo o espaço de buscas▫ Incluindo conhecimento anterior▫ Incluindo heurísticas
Busca (força bruta) – Como?•Busca em largura (“Breatdh-first”)
▫Primeiro busca soluções eqüidistantes da “raiz”
▫ Usa filas
Busca (força bruta) – Como?•Busca em profundidade (“Depth - first”)
▫Segue “trilhas”▫ Improdutivo para caminhos longos▫ Usa pilhas
Busca - Heurísticas•Aproximação de soluções;•Não segue um percurso claro mas se
baseia na intuição e nas circunstâncias a fim de gerar conhecimento novo;
•Usa algum tipo de função para estimar o custo da busca;
•Assume que função é eficiente;•Foca em alguns “caminhos” em
detrimento de outros.
Busca – Heurísticas - Exemplos•“Hill climbing” - idéia
▫Procura dentre operadores existentes o que leva mais próximo do objetivo
▫Continua até que não haja mais melhoria notada
Busca – Heurísticas - Exemplos•“Hill climbing” – comentários•O algoritmo pode mover-se sempre na
direção que apresenta maior taxa de variação para função objetivo considerada▫Problemas: máximos locais, platôs e
ondulações▫Soluções: retornar (backtracking), saltos
maiores (para platôs) e regras múltiplas (para ondulações)
Máximos Locais•Definição
▫Em contraste com máximos globais, são picos mais baixos do que o pico mais alto no espaço de estados (solução ótima)
Platôs (Planícies)•Uma região do espaço de estados onde a
função de avaliação dá o mesmo resultado•Todos os movimentos locais são iguais
(taxa de variação zero)▫o algoritmo pára depois de algumas
tentativas restrição do algoritmo
Ondulações (Encostas e Picos)•Apesar de estar em uma direção que leva
ao pico, nenhum dos operadores válidos conduz o algoritmo nessa direção.
Busca – Heurísticas - Exemplos• Simulated Annealing: Este algoritmo é semelhante
à Subida da Encosta, porém oferece meios para se escapar de máximos locais.▫ quando a busca fica “presa” em um máximo local, o
algoritmo não reinicia a busca aleatoriamente▫ ele retrocede para escapar desse máximo local▫ esses retrocessos são chamados de passos indiretos
• Apesar de aumentar o tempo de busca, essa estratégia consegue escapar dos máximos locais
• Analogia com cozimento de vidros ou metais: ▫ processo de resfriar um líquido gradualmente até ele se
solidificar
Busca – Heurísticas - Exemplos•“Simulated Annealing” - idéia
▫O objetivo é buscar mínimos estados de energia
▫“Movimentos” são governados pelos estados de energia que decai sempre
▫Movimento para cima são mais prováveis antes
Críticas a Busca Heurística•Solução de problemas usando técnicas de
busca heurística:▫dificuldades em definir e usar a função de
avaliação▫não consideram conhecimento genérico do
mundo (ou “senso comum”)•Função de avaliação: compromisso
Exercício•Imagine uma situação qualquer que você
gostaria que um determinado agente inteligente realizasse para tornar sua vida mais agradável.▫Conjeture:
Tarefa e Meio: o que e onde o agente irá atuar Tipo de Conhecimento: o que o agente deve saber? A estrutura do Agente: Sensore, raciocínio, efetuadores. Resolução do problema: o que deve ser feito para
realizar a tarefa desejada Medida de Desempenho: como este agente é avaliado?
Trabalho (Projeto + Seminário)•As Técnicas de Inteligência Artificial
estudadas:▫Sistemas Especialistas▫Lógica Fuzzy▫Redes Neurais▫Árvores de Decisão▫Computação evolucionária ▫Sistemas Multi-agentes