Upload
vanminh
View
222
Download
0
Embed Size (px)
Citation preview
Inteligência Artificial (SI 214)
Aula 2 Agentes Inteligentes
Prof. Josenildo Silva [email protected]
© 2012-2015 Josenildo Silva ([email protected])
Este material é derivado dos slides de Hwee Tou Ng, disponível no site
do livro AIMA (Russel & Norvig) para professores e instrutores.
http://aima.eecs.berkeley.edu/slides-ppt
Leitura recomendada
Leia o Capítulo 2 do livro AIMA
Leia o artigo “Is it an agent, or just a program?” S. Franklin and A. Graesser (1997) http://www.msci.memphis.edu/~franklin/AgentProg.html
Na aula anterior discutimos o que é inteligência. A questão agora é o que, ou quem pode exibir inteligencia?
Um agente é qualquer entidade capaz de perceber seu ambiente através de sensores e agir neste ambiente através de atuadores
Exemplos
Humano: olhos, ouvidos, e outros orgão sensoriais; mãos, pernas, boca e outras partes do corpo são atuadores
Robô: cameras e sensores infravermelho; varios motores como actuatores
Agentes e Ambientes
Agentes e Ambientes
A função agente mapeia históricos de percepções para uma ação:
f: P A
O programa agente roda em uma arquitetura física para produzir f
agente = arquitetura + programa
O mundo do aspirador de pó
Percepções: localização e conteúdo, e.x., [A,Dirty]
Ações: Left, Right, Suck, NoOp
Um agente aspirador de pó
Percepção Ação
[A, Clean] Right
[A, Dirty] Suck
[B,Clean] Left
[B,Dirty] Suck
[A, Clean], [A, Clean] Right
[A, Clean], [A, Clean] Suck
Roomba 880 (iRobot)
Agentes Racionais
Um agente deve procurar sempre “fazer a coisa certa”, baseado nas suas percepções e ações que pode executar
A ação certa é aquela que aumenta as chances de sucesso do agente.
Agentes Racionais
Medida de Performance é um critério objetivo para o sucesso do comportamento de um agente
Ex: como medida de performance um aspirador de pó poderia utilizar quantidade de pó removido, quantidade de tempo gasto, etc.
Agentes Racionais
Agente Racional: Para cada sequencia de percepção possível, um agente racional deve selecionar uma ação que maximize a sua medida de performance, a partir da evidencia fornecida pelas percepções e conhecimento embutido no agente.
Agentes Racionais
Racionalidade não é omnisciencia (conhecimento infinito)
Agentes podem realizar ações para modificar percepções futuras para conseguir informações (coleta de informações, exploração)
Agentes Racionais
Um agente é autonomo se seu comportamento determinado por sua própria experiência (com hablidade de aprender e adaptar-se)
Análise baseada em agentes
PAAS: Performance, Ambiente, Atuadores, Sensores
Especifica a configuração para um projeto de agente inteligente
PAAS
Agente: Motorista de Taxi Automático
Performance : Viagem segura, rápida, comfortável, maximiza lucros
Ambiente: Estradas, outros veículos, pedestres, clientes
Atuatores: Direção, acelerador, freios, pisca alerta, buzina
Sensores: Cameras, sonar, velocímetro, GPS, odometro, sensores do motor, etc.
PAAS
Agente: Sistema de diagnóstico médico
Performance: pacientes saudáveis, minimiza custos e processos por erro médicos
Ambiente: Pacientes, hospital, pessoal de apoio
Atuadores: Tela (questões, testes, diagnósticos, tratamentos, etc)
Sensores: Teclado (por onde se informa os simtomas, exames, respostas dos pacientes)
PAAS
Agente: Robô separador de peças
Performance: Porcentagem de peças corretamente separadas
Ambiente: esteira transportadora com peças
Atuadores: braço articulado
Sensores: Camera, sensores de angulo de articulações
PAAS
Agente: Tutor Interactive de Lingua
Performance: Maximiza nota dos estudantes em um teste
Ambiente: Estudantes
Atuadores: Tela (exercicios, sugestões, correções)
Sensores: teclado
Tipos de Ambientes
Completamente observavel (vs. parcialmente observavel): Os sensores de um agente acessa o estado completo do ambiente em um dado ponto do tempo.
Deterministico (vs. estocastico): O próximo estado é completamente determinado pelo estado atual e ação executada
Se o ambiente é deterministico, exceto pelas ações dos outros agentes, então o ambiente é estratégico)
Episodico (vs. sequential): a experiência do agente é dividida em “episódios” (cada episódio consiste de uma percepção seguida de uma ação), e a escoha da ação depende apenas do próprio episódio.
Tipos de Ambientes
Estático (vs. dinâmico): o ambiente não é modificado enquanto o agente está deliberando. (
O ambiente é semidinamico se o próprio ambiente não muda, mas a medida de performance muda)
Discreto (vs. continuo): um número limitado de percepções e ações distintas e claramente definidas.
Agent único (vs. multiagente): Um agente operando solitariamente em um ambiente.
Tipos de Ambiente
Xadrez com Xadrez sem Taxi
relógio relógio
Fully observable Yes Yes No
Deterministic Strategic Strategic No
Episodic No No No
Static Semi Yes No
Discrete Yes Yes No
Single agent No No No
Tipos de Ambiente
O ambiente determina em grande parte o projeto do agente
O mundo real é parcialmente observável, estocástico, sequencial, dinâmico, continuou, e multi-agente.
Funções e programas de agentes
Um agente é completamente especificado por uma função de agente, mapeando percepções em ações.
Um programa, rodando em plataforma especifica, implementa a função de agente.
Agente Tabela de Busca
function Agente-Tabular(percept)
adicionar percept ao fim da fila de percepts
action lookup(table, percepts)
return action
Agente Tabela de Busca
Desvantagens:
Tamanho da tabela pode ser muito grande
Leva-se muito tempo para construir a tabela
Sem autonomia
Mesmo com aprendizagem, necessita um longo tempo para aprender as entradas da tabela.
Tipos de Agentes
Quatro tipos básicos de agentes em ordem crescente de generalidade:
Agentes reflexivos simples
Agentes reflexivos baseados em modelo
Agentes baseados em objetivos
Agentes baseados em utilidade
Agentes Aprendizes
Agentes reflexivos simples
Agentes reflexivos baseados em modelo
Agentes baseados em Objetivo
Agentes baseados em Utilidade
Agentes Aprendizes