Upload
emanuel-loureiro
View
218
Download
0
Embed Size (px)
Citation preview
SISTEMAS DE INFORMAÇÃOInteligência Artificial
2010/01
UNIPAC - FACAE Faculdade de Ciências Administrativas e Exatas
Araguari - MG
Inteligência Artificial Inteligência Artificial
Introdução a Introdução a AgentesAgentes
Aula 06Aula 06
3
O que é um agente?
é uma entidade real ou virtual que está inserida em um ambiente que pode perceber o seu ambiente que pode agir no ambiente que pode se comunicar com outros
agentes que tem um comportamento autônomo
Agentes
4
Agentes São sistemas que podem decidir por si próprios o que é
necessário fazer para satisfazer o objetivo para o qual foram projetados. Tais sistemas:
Estão situados em algum ambiente Possuem controle parcial sobre o ambiente São capazes de ação autônoma
Exemplo: Sistemas de controle: termostato
5
Um Agente e seu Ambiente
Russell & Norvig (2003)
Agente é qualquer entidade que: percebe seu ambiente através de sensores (ex. câmeras,
microfone, teclado,mensagens de outros agentes,...) age sobre ele através de efetuadores (ex. vídeo, auto-falante,
impressora, braços, ftp, mensagens para outros agentes,...) Medida de desempenho: Critério que define o grau de sucesso das
ações
O que é um Agente
7
Agentes Inteligentes
Agentes que operam em ambientes imprevisíveis, abertos e em constante mudança, onde há elevada possibilidade de que ações possam falhar.
Agentes que são capazes de ação autônoma flexível, incluindo reatividade, aprendizado, pró-atividade e habilidade social.
Um agente humano Sensores: olhos, ouvidos, ... Atuadores: mãos, pernas, boca, ...
Um agente robótico Sensores: câmeras, detectores da faixa de infravermelho, ... Atuadores: motores, ...
Um agente de software Sensores: teclas digitadas, conteúdo de arquivos, pacotes de
redes, ... Atuadores: exibição de algo na tela, gravação de arquivos, envio
de pacotes de rede, ...
Exemplos de Agentes
Exemplos de Agentes
Fonte: Russel e Norvig, Inteligência Artificial.
10
Exemplo: Um Táxi Automático
Ambiente: Ruas, estradas, tráfego, pedestres, tempo...
Medida de Desempenho: Segurança, destino, conforto, rendimento...
Atuadores: Direção, acelerador, freios...
Sensores: Velocímetro, sensores do motor, GPS...
11
Agente de policia
Ambiente
Agenteraciocínio
Conhecimento:- leis- comportamento dos indivíduos,...
Objetivo:- fazer com que as leis sejam respeitadas
Ações:- multar- apitar- parar, ...
execuçãopercepção
12
Um Agente de Compras na Internet
Como seriam:
O Ambiente?
A Medida de Desempenho?
Os Atuadores?
Os Sensores?
13
Agentes: metodologia de desenvolvimento
Decompõe problema em: percepções, ações, objetivos e ambiente (e outros agentes)
Decompõe tipo de conhecimento em: Quais são as propriedades relevantes do mundo? Como o mundo evolui? Como identificar os estados desejáveis do mundo? Como interpretar suas percepções? Quais as conseqüências de suas ações no mundo? Como medir o sucesso de suas ações? Como avaliar seus próprios conhecimentos?
Indica arquitetura e método de resolução de problema
14
Exemplos de Agentes
Fonte: Teresa Ludermir & Jacques Robin, Fundamentos de Inteligência Artificial, Cin-UFPE
Agente Dadosperceptivos
Ações 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 deemails
mensagens Aceitar ou rejeitarmensagens
Aliviar a carga deleitura do usuário
Mensagens,usuários
Motorista detáxi
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
Músicos,publico, grades
de acordes
15
A Metáfora de agente decompõe1) Problema em:
percepções, ações, objetivos, e ambiente (e outros agentes)
2) Tipo de conhecimento em: Quais são as propriedades relevantes do mundo Como o mundo evolui Como identificar os estados desejáveis do mundo Como interpretar suas percepções Quais as conseqüências de suas ações no mundo Como medir o sucesso de suas ações Como avaliar seus próprios conhecimentos
3) Arquitetura e método de resolução de problema
16
Ambientes: propriedades Acessível: quando os sensores do agente
conseguem perceber o estado completo do ambiente. Determinista: o próximo estado do ambiente pode ser
completamente determinado pelo estado atual e as ações selecionadas pelo agente.
Episódico: a experiência do agente é dividida em episódios. Cada episódio consiste em o agente perceber e então agir. Cada episódio não depende das ações que ocorreram em episódios prévios.
17
Ambientes: propriedades 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. Discreto: quando existe um número distinto e
claramente definido de percepções e ações em cada turno.
Contínuo: percepções e ações mudam em um espectro contínuo de valores.
O Tamanho do ambiente é dado por:número de percepções, ações e objetivos possíveis
18
Algoritmo básico função agenteSimples (percept) retorna ação
memória := atualizaMemória (memória, percept)ação := escolheMelhorAção(memória)memória := atualizaMemória (memória, ação)retorna ação
Arquiteturas Agente tabela Agente reativo Agente reativo com estado interno (autômato) Agente cognitivo (baseado em objetivos) Agente otimizador Agente adaptativo
autonomiacomplexidade
19
Agentes - AmbienteCompletamente observável versus parcialmente
observávelDeterminístico versus estocásticoEpisódico versus seqüencialEstático versus dinâmicoDiscreto versus contínuoAgente único versus multiagente
20
Agentes - AmbienteFonte: Russel e Norvig, Inteligência Artificial.
21
Agentes - Estrutura
Agentes reativos simples Agentes reativos baseados em modelo Agentes baseados em objetivos Agentes baseados na utilidade Agentes com aprendizagem
O processo de tomada de decisão através do raciocínio e com conhecimento é central em IA e no projeto de um agente de
sucesso meios para representar conhecimento são importantes.
22
Agentes - Estrutura
Agentes reativos simples
23
Agentes - Estrutura
Agentes reativos baseados em modelo
24
Agentes - Estrutura
Agentes baseados em objetivos
25
Agentes - Estrutura
Agentes baseados na utilidade
26
Agentes - Estrutura
Agentes com aprendizagem
27
IA Clássica
Metáfora basicamente psicológica Uma pessoa ou entidade resolve o
problema. Inteligência atomizada, restrita aos
micro aspectos de sua própria racionalidade.
28
Inteligência : Centralizada ou Distribuída?
Cada um fa(e)z um pouco, e... somos UM! Não aproveitamos muito o trabalho alheio. A Internet nos faz trabalhar de forma mais
inteligente (nenhum componente é crítico). Resolução de problemas: Há alguns cuja solução
é inerentemente distribuída ou fica mais fácil distribuindo!
Somos centralizados ou distribuídos ??
29
Porque pensar a inteligência/racionalidade como propriedade de um único indivíduo?
Não existe inteligência ... Em um time de futebol? Em um formigueiro? Em uma empresa (ex. correios)? Na sociedade?
Solução: IA Distribuída Agentes simples que juntos resolvem problemas complexos
tendo ou não consciência do objetivo global Proposta por Marvin Minsky e em franca expansão... O próprio ambiente pode ser modelado como um agente
Inteligência : Centralizada ou Distribuída?
30
IA Distribuída (IAD)
População de agentes
Autônomos que podem interagir metáfora da organização social realça a ação e a interação entre os agentes
Relacionada aos macro aspectos dos agentes: agentes enquanto sociedade.
Inspirada também em lingüística, sociologia, economia,filosofia, biologia e ... Redes Neurais!
Metáfora basicamente sociológica
31
IAD - Quando usar? Problema complexo
Dividir e conquistar ex. jogo dos 8 números, ordenação, etc.
Problema intrinsecamente distribuído ex. jogos com personagens, administração de sistemas, controle de
tráfego, etc.
Problemas exigindo rápido tempo de resposta processamento paralelo ex. busca na internet.
Problema com domínios de conhecimento ou tarefas um agente para cada tipo de conhecimento/tarefa ex. usina nuclear
32
Experimento do Robô Multi-Humano Robô simulado por 4 humanos:
1 Cérebro (1 pessoa), raciocinador 2 Braços (1 por pessoa = 2 pessoas), atuadores 1 sistema de visão (1 pessoa), sensor
Raciocínio
Agente
Ambiente
Sensores
Atuadores
Objetivos
Interpretaçãodas percepções:
I = f(P)
Escolhadas ações:A = g(I,O)
A
P 1. Percepções ambientais2. Própriocepções3. Percepções
comunicativas
1. Ações de alterações ambientais
2. Ações perceptivas3. Ações
comunicativas
33
Robô Multi-Humano: regras do jogo Braços
não podem ver não devem ouvir o que diz o
sistema de visão tem tato pouco refinado podem responder apenas sim
ou não ao cérebro 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
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
Voluntários? Braços e olhos saem da sala... Cérebro recebe a tarefa
34
Exemplos Agentes
35
Problema: Auxílio á Compras na Web
Como localizar a informação relevante? Como modelar o interesse de um usuário particular?
36
Automatização de sistemas de potência
objetos: rios, barragens, turbinas, transformadores, linhas, ... Como modelar os componentes do sistema e dar-lhes autonomia? Como assegurar uma boa comunicação e coordenação entre estes
componentes?
37
Produção de histórias interativas
. Criar ilusão da vida (ex. Walt Disney)
. Permitir interação com usuário
. Modelar comportamento e personalidade
(ex. tamagotchi)
38
Produção de jogos e histórias interativas
Como modelar o comportamento e personalidade para criar ilusão da vida?
Como permitir uma boa interação com usuário e um comportamento adequado?
WogglesDeep Blue
39
Exemplos
CyberLife: CreaturesOZ: Woggles
El Fish PFMagic:Petz
40
Entretenimento Diversos tipos de aplicações
histórias interativas animações em ambientes virtuais jogos
Requisitos p/ sucesso em jogos bons níveis de interação bons níveis de realismo gráfico ótimo gameplaying
Para gerar ilusão de vida é preciso expressar e controlar personalidade, emoções, atitudes
=> atores sintéticos
41
Exemplos
Maxis: SimLife
Fujitsu: Fin Fin
42
Robótica
Robôs Médios
Robôs Pequenos
43
Controlar robôs
Como obter navegação segura e eficiente, estabilidade, manipulação fina e versátil?
E no caso de ambientes dinâmicos não deterministas?
HAZBOT: ambientes com atmosfera inflamável
44
Comércio Eletrônico
Hoje informação marketing processamento do pedido Problemas
O que comprar? Onde comprar? Quanto pagar?
Amanhã shoppings eletrônicos, com agentes representando
vendedores e compradores leilões, com agentes fazendo lançes
45
Modelo de compra
identificação da necessidade recomendação de produtos pesquisa de mercado negociação compra e envio serviço e avaliação de produtos
MEDIADOSPOR AGENTES
Agent-Mediated Electronic Commerce
46
Identificação da necessidade Agentes de notificação
exemplos: amazon.com (novos livros disponíveis) fastparts.com (novos lançes afetam os seus) classifieds 2000 (produto específico disponível por um
preço específico) produtos:
Firefly Microsoft Oracle, ...
47
Recomendação de produtos Agentes de recomendação
exemplos: amazon.com, barnesandnoble.com, ZDNet.com,
mylaunch.com, personalogic - AOL,...
48
Pesquisa de mercado Agentes de comparação.
exemplos: bargainfinder, jango (excite), fido. miner (uol), priceline …
produtos: agentsoft, Israel junglee
49
Negociação Agentes de negociação
pesquisa: Kasbah - MarketMaker (MIT Media Lab) Tete-a-Tete (MIT Media Lab) AuctionBot (Univ. of Michigan) ShopBot (DI-UFPE)...
produtos comerciais: Moai Technologies, Inc BusinessBots, Inc
agentede compra
consumidor agentesde venda
lojas
50
Negociação: leilão AuctionWeb
Auction Auction Fever!Fever!
51
Agentes em Intranets
Gerência de redes e sistemas distribuídos Monitoramento e diagnóstico de falhas Balanceamento de carga Detecção de intrusão Etc…
52
Gerenciamento de redes e sistemas distribuídos heterogêneos
Problemas da política centralizada Gargalo no administrador; Requer muito processamento na plataforma de administração; Excesso de tráfego na rede
Tarefas de Gerenciamento Monitorar estado e tráfego em conexões; Manter operacionais os nós da conexão; Automatizar distribuição de arquivos; Manter inventário de HW; Gerenciar recursos compartilhados; Gerenciar SW instalado; Atualizar versões de SO’s e SW’s; Implantar e manter políticas de segurança; Atender as necessidades dos usuários; ...
53
Manutenção remota de elementos diversos
54
Detecção de Intrusão
Motivação: Firewalls só conseguem conter ataques conhecidos. Firewalls não conseguem conter ataques oriundos da
rede interna. Ataques (internos ou externos) deixam sintomas. Possibilidade de previsão de ataques.
55
Detecção de Intrusão – Onde os agentes entram ?
Detectando sintomas: Periodicamente verificando permissões etc...
Detectando cenários: Periodicamente analisando o tráfego etc...
Possibilidade de oferecer serviços adicionais: Otimizando a coleta de informações relevantes; Disparando “triggers”;
Possibilidade de oferecer “capacidade reativa” automática da rede atacada. Desconectando o intruso; Bloqueando o tráfego para a Internet etc… Enviando mensagem para o operador do backbone
56
Exemplos – Sistemas Multiagentes
SMarket: Um Sistema Multiagentes para Compras on-line
Fonte: http://wwwhome.cs.utwente.nl/~alme/cvitae/smarket-techreport.pdf
Aplicações de Interfaces Comuns para Gateways (CGI, Common Gateway Interface) http://www.fundao.wiki.br/articles.asp?cod=88