8/18/2010

Ementa
Agentes inteligentes (Cap. 1 e 2)
Resoluo de problemas por meio de busca (Cap.
3, 4 e 6)
Representao de conhecimento e raciocnio
atravs da lgica (Cap. 7, 8 e 9)
Planejamento (Cap. 11)
Conhecimento incerto e raciocnio probabilstico
(Cap. 13 e 14)
Aprendizagem a partir de observaes (Cap. 18 e
20)
Fundamentos filosficos da inteligncia artificial
(Cap. 26)

Inteligncia Artificial
Aula 2
Prof Bianca Zadrozny

Aula 2 - 13/08/2010

Agentes
Um agente algo capaz de perceber seu
ambiente por meio de sensores e de agir
sobre esse ambiente por meio de atuadores.

Agentes Inteligentes
Captulo 2 Russell & Norvig

Aula 2 - 13/08/2010

Exemplos

Mapeando percepes em aes

Agente humano

Sequncia de percepes: histria completa de tudo

que o agente percebeu.
O comportamento do agente dado abstratamente
pela funo do agente:
[f: P*
A]
onde a P* uma sequncia de percepes e A
uma ao.
O programa do agente roda em uma arquitetura
fsica para produzir f.
Agente = arquitetura + programa.

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

Aula 2 - 13/08/2010

8/18/2010

Exemplo:
O mundo do aspirador de p

Uma funo para o agente aspirador

de p

Percepes: local e contedo

Sequncia de Percepes

Ao

[A, Limpo]

Direita

[A, Sujo]

Aspirar

[B, Limpo]

Esquerda

[B, Sujo]

Aspirar

[A, Limpo], [A, Limpo]

Direita

[A, Limpo], [A, Sujo]

Aspirar

...

Exemplo: [A, sujo]

Aes: Esquerda, Direita, Aspirar, NoOp

[A, Limpo], [A, Limpo], [A, Limpo]

Direita

[A, Limpo], [A, Limpo], [A, Sujo]

Aspirar

...

Aula 2 - 13/08/2010

Programa: Se o quadrado atual estiver

sujo, ento aspirar, caso contrrio mover
para o outro lado.Aula 2 - 13/08/2010

Agentes Racionais

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.

Agente racional: para cada sequncia de

percepes possveis deve selecionar uma
ao que se espera venha a maximizar sua
medida de desempenho, dada a evidncia
fornecida pela seqncia de percepes e por
qualquer conhecimento interno do agente.

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.

Exerccio: para que medida de desempenho o

agente aspirador de p racional?

A medida de desempenho deve refletir o resultado

realmente desejado.

Aula 2 - 13/08/2010

Agentes Racionais

Aula 2 - 13/08/2010

10

PEAS

Racionalidade diferente de perfeio.

Ao projetar um agente, a primeira etapa deve

ser sempre especificar o ambiente de tarefa.

A racionalidade maximiza o desempenho esperado, enquanto a

perfeio maximiza o desempenho real.
A escolha racional s depende das percepes at o momento.

Mas os agentes podem (e devem!) executar aes para coleta

de informaes.
Um tipo importante de coleta de informao a explorao de um
ambiente desconhecido.

O agente tambm pode (e deve!) aprender, ou seja, modificar

seu comportamento dependendo do que ele percebe ao
longo do tempo.

Performance = Medida de Desempenho

Environment = Ambiente
Actuators = Atuadores
Sensors = Sensores

Nesse caso o agente chamado de autnomo.

Um agente que aprende pode ter sucesso em uma ampla variedade de
ambientes.

Aula 2 - 13/08/2010

11

Aula 2 - 13/08/2010

12

8/18/2010

Exemplo de PEAS:
Motorista de Txi Automatizado

Exemplo de PEAS:
Sistema de Diagnstico Mdico

Medida de desempenho: viagem segura, rpida, sem

violaes s leis de trnsito, confortvel para os
passageiros, maximizando os lucros.
Ambiente: ruas, estradas, outros veculos, pedestres,
clientes.
Atuadores: direo, acelerador, freio, embreagem,
marcha, seta, buzina.
Sensores: cmera, sonar, velocmetro, GPS,
hodmetro, acelermetro, sensores do motor,
teclado ou microfone.

Medida de desempenho: paciente saudvel,

minimizar custos, processos judiciais.
Ambiente: paciente, hospital, equipe.
Atuadores: exibir na tela perguntas, testes,
diagnsticos, tratamentos.
Sensores: entrada pelo teclado para sintomas,
descobertas, respostas do paciente.

Aula 2 - 13/08/2010

13

Exemplo de PEAS:
Rob de seleo de peas

Medida de desempenho: maximizar nota de

aluno em teste.
Ambiente: conjunto de alunos.
Atuadores: exibir exerccios, sugestes,
correes.
Sensores: entrada pelo teclado.

15

Propriedades de
ambientes de tarefa

Aula 2 - 13/08/2010

16

Propriedades de
ambientes de tarefa

Completamente observvel (versus parcialmente

observvel)

Episdico (versus sequencial)

A experincia do agente pode ser dividida em episdios
(percepo e execuo de uma nica ao).
A escolha da ao em cada episdio s depende do
prprio episdio.

Os sensores do agente do acesso ao estado completo do

ambiente em cada instante.
Todos os aspectos relevantes do ambiente so acessveis.

Determinstico (versus estocstico)

O prximo estado do ambiente completamente
determinado pelo estado atual e pela ao executada pelo
agente.
Se o ambiente determinstico exceto pelas aes de
outros agentes, dizemos que o ambiente estratgico.

Aula 2 - 13/08/2010

14

Exemplo de PEAS:
Instrutor de Ingls Interativo

Medida de desempenho: porcentagem de

peas em bandejas corretas.
Ambiente: correia transportadora com peas;
bandejas.
Atuadores: brao e mo articulados.
Sensores: cmera, sensores angulares
articulados.

Aula 2 - 13/08/2010

Aula 2 - 13/08/2010

17

Esttico (versus dinmico)

O ambiente no muda enquanto o agente pensa.
O ambiente semidinmico se ele no muda com a
passagem do tempo, mas o nvel de desempenho do
agente se altera.

Aula 2 - 13/08/2010

18

8/18/2010

Propriedades de
ambientes de tarefa

Exemplo
Xadrez com
relgio

Discreto (versus contnuo)

Um nmero limitado e claramente definido de
percepes e aes.

Agente nico (versus multi-agente)

Um nico agente operando sozinho no ambiente.
No caso multi-agente podemos ter
Multi-agente cooperativo
Multi-agente competitivo

Aula 2 - 13/08/2010

Direo de
Txi

Completamente observvel

Sim

Sim

No

Determinstico

Sim

Sim

No

Episdico

No

No

No

Esttico

Semi

Sim

No

Discreto

Sim

Sim

No

Agente nico

No

No

No

O tipo de ambiente de tarefa determina em grande parte o projeto do

agente.
O mundo real parcialmente observvel, estocstico, seqncial,
dinmico, contnuo, multi-agente.

19

Aula 2 - 13/08/2010

20

Agente Dirigido por Tabela

Programas e funes de agentes

Um agente completamente especificado
pela funo de agente que mapeia sequncias
de percepes em aces.
Uma nica funo de agente (ou uma nica
classe de funes equivalentes) racional.
Objetivo: encontrar uma maneira de
representar a funo racional do agente
concisamente.

Aula 2 - 13/08/2010

Xadrez sem
relgio

21

Tipos bsicos de agentes

Funo AGENTE-DIRIGIDO-POR-TABELA(percepo) retorna

uma ao
Variveis estticas:
percepes, uma seqncia, inicialmente vazia
tabela, uma tabela de aes, indexada por seqncias
de percepes, de incio completamente especificada

anexar percepo ao fim de percepes

ao ACESSAR(percepes, tabela)
retornar ao

Desvantagens:

Tabela gigante (xadrez = 10150 entradas)

Tempo longo para construir a tabela
No tem autonomia
Mesmo com aprendizado demoraria muito para aprender a tabela.
Aula 2 - 13/08/2010

22

Agente Reativo Simples

Quatro tipos bsicos, do mais simples ao mais

geral
Agentes reativos simples
Agentes reativos baseados em modelos
Agentes baseados em objetivos
Agentes baseados na utilidade

Aula 2 - 13/08/2010

23

Aula 2 - 13/08/2010

24

8/18/2010

Agentes reativos
baseados em modelos

Exemplo: Agente Reativo Simples

Funo AGENTE-ASPIRADOR-DE-P-REATIVO([posio,estado])
retorna uma ao
se estado = Sujo ento retorna Aspirar
seno se posio = A ento retorna Direita
seno se posio = B ento retorna Esquerda

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.
Aula 2 - 13/08/2010

25

Agentes reativos
baseados em modelo

Aula 2 - 13/08/2010

26

Agentes reativos
baseados em objetivos

Funo AGENTE-REATIVO-COM-ESTADOS(percepo) retorna

uma ao
Variveis estticas:
estado, uma descrio do estado atual do mundo
regras, um conjunto de regras condio-ao
ao, a ao mais recente, incialmente nenhuma
estado ATUALIZA-ESTADO(estado, ao, percepo)
regra REGRA-CORRESPONDENTE(estado, regras)
ao AO-DA-REGRA[regra]
retornar ao

Aula 2 - 13/08/2010

27

Agentes reativos
baseados na utilidade

Aula 2 - 13/08/2010

Aula 2 - 13/08/2010

28

Agentes com aprendizagem

29

Aula 2 - 13/08/2010

30