1) O documento discute agentes inteligentes e como eles interagem com seu ambiente através de sensores e atuadores. 2) Um agente é racional se escolher ações que maximizam sua medida de desempenho dado seu conhecimento e percepções. 3) Agentes autônomos podem aprender com a experiência para melhorar seu desempenho ao invés de depender apenas de conhecimento inicial.

1. Inteligência Artificial Aula 03 – Agentes, parte 1 Prof. Andrei de A. Formiga

2. O que são Agentes Inteligentes? Um agente inteligente é uma entidade que age de forma a atingir o melhor resultado ou, na presença de incertezas, o melhor resultado esperado.

3. Mas... Existe alguma estrutura comum aos agentes? O que significa o melhor resultado ? O melhor resultado depende de onde o agente está? Como podemos caracterizar a racionalidade ?

4. Plano Agentes e Ambientes Racionalidade Ambientes e Problemas Estrutura dos Agentes

5. O Agente e seu Ambiente Um agente é uma entidade que percebe seu ambiente através de sensores , e atua nele através de atuadores .

6. Percepção Percepto : conjunto de todas as entradas dos sensores Seqüência perceptiva : seqüência de perceptos

7. Descrevendo Agentes Ação pode depender de toda seqüência perceptiva até o momento Para cada seqüência, temos uma ação Essa correspondência descreve completamente um agente Relação entrada x saída: função do agente seq. perceptiva ações

8. Função do Agente Podemos criar uma tabela Para cada seq. perceptiva, lista a ação Caracterização externa Não diz muito sobre implementação Função x Implementação Implementação: programa do agente Vários programas podem implementar a mesma função

9. Exemplo Mundo do aspirador de pó

10. Mundo do aspirador Agente: aspirador de pó Cada bloco pode estar limpo ou ter poeira Percepção Qual o bloco atual Se o bloco atual está limpo

11. Mundo do aspirador Ações do aspirador: Aspirar Ir para a esquerda Ir para a direita Nenhuma

12. Mundo do aspirador Estratégia simples: Se bloco atual tem poeira: Aspirar Caso contrário: Ir para outro bloco

13. Tabela do agente aspirador

14. O que são Agentes Inteligentes? Um agente inteligente é uma entidade que age de forma a atingir o melhor resultado ou, na presença de incertezas, o melhor resultado esperado.

15. Projeto de Agentes Como preencher a tabela para atingir o melhor resultado ? E o que significa isso?

16. Desempenho Podemos perguntar ao agente? NÃO Alguns poderiam não saber responder Alguns poderiam se iludir

17. Medidas de Desempenho Objetivas Definidas externamente Criador do agente

18. Desempenho do Aspirador Ex.: Quantidade de poeira limpa por turno Problema: possibilidade de ”jogar com as regras” Outra medida: número de blocos limpos Custos energéticos Medidas devem refletir exatamente o resultado esperado

19. Medidas de Desempenho Responsabilidade do criador do agente Nem sempre simples de selecionar Efeitos de média Ex.: limpeza média dos blocos (aspirador)

20. Racionalidade Se sabemos: Que ações um agente pode tomar O que ele percebe do ambiente O que ele conhece Que medidas ditam seu desempenho Podemos definir um parâmetro de racionalidade

21. Racionalidade O que é racional depende de 4 fatores: As medidas de desempenho definidas O conhecimento prévio do agente As ações que o agente pode realizar A seqüência perceptiva até o momento

22. Agente Racional Para cada seqüência perceptiva possível, um agente racional deve selecionar uma ação cujo resultado esperado é maximizar sua medida de desempenho , dada a evidência fornecida pela seqüência perceptiva e pelo conhecimento prévio do agente.

23. Aspirador, novamente Agente mostrado na tabela anterior é racional? Depende Quais são os parâmetros de racionalidade para este agente?

24. Aspirador, novamente Medida de desempenho : 1 ponto para cada bloco limpo em cada turno, durante 1000 turnos Conhecimento : agente conhece geografia do ambiente e o resultado de suas ações Ações : Direita, Esquerda, Aspirar, Nenhuma Percepção : local e se tem poeira

25. Aspirador, novamente O agente é racional Segundo os parâmetros definidos Em circunstâncias diferentes, talvez não Com os blocos limpos, agente move-se o tempo todo Custo de energia Medida de desempenho pode subtrair 1 ponto para cada movimento

26. Onisciência Racionalidade X Onisciência Onisciência: Todas as informações atuais Prever o resultado de qualquer ação futura Impossível saber o resultado das ações a priori Ações imperfeitas podem ocorrer

27. Desempenho Esperado Onisciência permite perfeição Maximizar o desempenho em qualquer circunstância Racionalidade deve maximizar o resultado esperado

28. Desempenho e Percepção A racionalidade fica limitada à seqüência perceptiva escolhida pelo agente? Não , é preciso obter as informações relevantes Atividades do agente Levantamento de informações Exploração do ambiente Aprendizado

29. Autonomia O quanto o agente depende do seu criador? Conhecimento inicial Ambientes previsíveis Todos os resultados conhecidos a priori Não requer autonomia Não muito interessantes

30. Autonomia Ambientes interessantes Não é possível prever todos os resultados Não é possível ter todas as informações na seqüência perceptiva Agentes procuram melhor resultado esperado É preciso aprender com a experiência e ajustar as expectativas

31. Autonomia Agentes autônomos podem aprender com a experiência, ajustar as suas expectativas, e assim obter melhores resultados com o tempo, sem depender crucialmente do conhecimento inicial embutido nele por seu criador.