Professional Documents
Culture Documents
Na primeira aula identificamos o conceito de agentes racionais como uma questo central para nossa abordagem da inteligncia artificial. Nesta aula, tornaremos essa noo mais concreta. Nosso plano neste curso usar esse conceito para desenvolver um pequeno conjunto de princpios de projeto com a finalidade de construir sistemas de agentes bem-sucedidossistemas que possam ser adequadamente chamados Inteligentes.
Exemplos
Agente humano
Sensores: Olhos, ouvidos e outros rgos. Atuadores: Mos, pernas, boca e outras partes do corpo.
Agente robtico
Sensores: cmeras e detectores de infravermelho. Atuadores: vrios motores.
Agente de software
Sensores: entrada do teclado, contedo de arquivos e pacotes vindos da rede. Atuadores: tela, disco, envio de pacotes pela rede.
Aula 2 - 13/08/2010
Usamos o termo percepo para fazer referncia s entradas perceptivas do agente em qualquer momento dado. A seqncia de percepes do agente a histria completa de tudo que o agente j percebeu.
Podemos imaginar a tabulao da funo de agente que descreve qualquer agente dado; para a maioria dos agentes, o resultado seria uma tabela muito grande- na verdade infinita, a menos que seja definido um limite sobre o comprimento das sequncias de percepes que queremos considerar.
claro que a tabela uma caracterizao externa do agente. Internamente, a funo de agente para um agente artificial ser implementada por um programa de agente. importante manter essas duas idias distintas.
A funo de agente uma descrio matemtica abstrata. O programa de agente uma implementao concreta, relacionada arquitetura do agente.
Aula 2 - 13/08/2010
Qual a maneira correta de preencher a tabela? Em outras palavras, o que torna um agente bom ou ruim, inteligente ou estpido?
Agentes Racionais
Como preencher corretamente a tabela de aes do agente para cada situao? O agente deve tomar a ao correta baseado no que ele percebe para ter sucesso.
O conceito de sucesso do agente depende uma medida de desempenho objetiva.
Exemplos: quantidade de sujeira aspirada, gasto de energia, gasto de tempo, quantidade de barulho gerado, etc.
Aula 2 - 13/08/2010
Medida de desempenho
Uma medida de desempenho encarna o critrio para se medir o sucesso do comportamento do agente.
Quando um agente inserido em um ambiente, ele gera uma seqncia de aes, de acordo com as percepes que recebe. Essa seqncia de aes faz o ambiente passar por uma seqncia de estados. Se a seqncia desejvel, isso quer dizer que o agente funcionou bem. Evidentemente, no existe uma medida fixa apropriada para todos os agentes.
racionalidade e oniscincia
Um agente onisciente sabe or resultado real de suas aes e pode agir de acordo com ele, porm a oniscincia impossvel na real!idade. Conto chino Esse exemplo mostra que racionalidade no o mesmo que perfeio. A racionalidade maximiza o desempenho esperado. Perfeio maximiza o desempenho real.
Portanto, nossa definio de racionalidade no exige ortiscincia, porque a escolha racional s de pende da seqncia de percepes at o momento. Um agente racional deve escolher a ao "olhar" antes de iniciar a travessia, porque olhar ajuda a maximizar o desempenho esperado. A realizao de aes com a finalidade de modificar percepes futuras- s vezes chamada coleta de informaes- uma parte importante da racionalidade.
Nossa definio exige um agente racional no apenas para coletar informaes, mas tambm para aprender tanto quanto possvel do que ele percebe. A configurao inicial do agente poderia refletir algum conhecimento anterior do ambiente mas, medida que o agente ganha experincia, isso pode ser modificado e ampliado. Existem casos extremos em que o ambiente completamente conhecido a priori. Em tais casos, o agente no precisa perceber ou aprender; ele simplesmente age de forma correta.
Considere o humilde besouro de esterco. Depois de cavar seu ninho e depositar os ovos, ele busca uma bola de esterco em um monte prximo para fechar a entrada. Se, durante o percurso, a bola de esterco for removida de suas garras, o besouro seguir emfrente e imitar o fechamento do ninho com a bola de esterco inexistente, sem notar que ela foi retirada. A evoluo construiu uma suposio sobre o comportamento do besouro e, quando essa hiptese violada, resulta um comportamento malsucedido. A vespa sphex um pouco mais inteligente. A fmea da sphex cava uma cova, sai, pica urna lagarta e a arrasta at a borda da cova, entra novamente na cova para verificar se tudo est bem, arrasta a lagarta para dentro e deposita seus ovos. A lagarta servir como alimento quando os ovos eclodirem mas se um entomologista afastar a lagarta algumas polegadas enquanto a fmea estiver fazendo a verificao, ela voltar etapa de "arrastar" de seu plano e continuar o plano sem modificao, mesmo depois de dezenas de intervenes de afastamento de lagartas. A sphex incapaz de aprender que seu plano inato est falhando, e portanto no o modificar.
Quando um agente se baseia no conhecimento anterior de seu projetista e no em suas prprias percepes, dizemos que o agente no tem autonomia. Um agente racional deve ser autnomo ele deve aprender o que puder para compensar um conhecimento prvio parcial ou incorreto.
PEAS
Ao projetar um agente, a primeira etapa deve ser sempre especificar o ambiente de tarefa.
Performance = Medida de Desempenho Environment = Ambiente Actuators = Atuadores Sensors = Sensores
Aula 2 - 13/08/2010
Aula 2 - 13/08/2010
Aula 2 - 13/08/2010
Aula 2 - 13/08/2010
Aula 2 - 13/08/2010
Aula 2 - 13/08/2010
Exemplo
Xadrez com relgio Completamente observvel Sim Xadrez sem relgio Sim Direo de Txi No
Desvantagens:
Tabela gigante (xadrez = 10150 entradas) Tempo longo para construir a tabela No tem autonomia Mesmo com aprendizado demoraria muito para aprender a tabela.
Esquema de funcionamento
Agente
sensor
Como o mundo est agora?
Regras condioao
atuador
Ambiente
Regras condio-ao (regras se-ento) fazem uma ligao direta entre a percepo atual e a ao. O agente funciona apenas se o ambiente for completamente observvel e a deciso correta puder ser tomada com base apenas na percepo atual.
Funcionamento
function AGENTE-REFLEXO-SIMPLES(percepo): ao static: regras (um conjunto regra condioao) estado INTERPRETA-ENTRADA(percepo) regra CASAMENTO-REGRA(estado, regras) ao AO-REGRA[regra] return ao
INTERPRETA-ENTRADA Gera uma descrio abstrata do estado a partir do que foi percebido CASAMENTO-REGRA Retorna a primeira regra que "casou" com a descrio do estado
sensor
Como o mundo est agora?
atuador
Ambiente
sensor
Como o mundo est agora? Como o mundo ficar se eu fizer a ao x Que ao eu devo realizar agora?
Objetivos
atuador
Ambiente
Consideraes e limitaes
O agente que funciona orientado a objetivos mais flexvel
Agente reflexo aes pr-compiladas (condio-ao) Agente p/ objetivo pode alterar somente o objetivo sem necessidade de se reescrever as regras de comportamento
Ex: Se comear a chover todos as informaes relevantes podem ser alteradas para se operar de forma eficiente
O objetivo no garante o melhor comportamento para o agente, apenas a distino entre estados objetivos e no objetivos
Ex: Algumas alternativas de planejamento de aes futuras podem ser mais rpidas, seguras ou baratas que outras
sensor
Como o mundo esta agora Como o mundo ficar se fizer a ao Quo feliz serei se ir para tal estado Que ao eu devo fazer agora
Utilidade
Agente
atuador
Ambiente
Gerador de problemas:
Responsvel por sugerir aes que levaro a experincias novas e informativas Aes no timas a curto prazo para descobrir aes timas a longo prazo
aprende
sensores t+1
Agente
crtico
avaliao
t ambiente
elemento de execuo (agente)
trocas conhecimento
t
efetuadores
Ambiente: sem restrio Vantagem: tem adaptabilidade (aprende) Ex. motorista sem o mapa da cidade