ia - aula 03 - agentes parte 1
TRANSCRIPT
![Page 1: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/1.jpg)
Inteligência ArtificialAula 03 – Agentes, parte 1
Prof. Andrei de A. Formiga
![Page 2: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/2.jpg)
O que são Agentes Inteligentes?
Um agente inteligente é uma entidade que age de forma a atingir o melhor resultadoou, na presença de incertezas, o melhor resultado esperado.
![Page 3: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/3.jpg)
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?
![Page 4: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/4.jpg)
Plano
Agentes e Ambientes
Racionalidade
Ambientes e Problemas
Estrutura dos Agentes
![Page 5: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/5.jpg)
O Agente e seu Ambiente
Um agente é uma entidade que percebe seu ambiente através de sensores, e atua nele através de atuadores. Creator:idraw
![Page 6: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/6.jpg)
Percepção
Percepto: conjunto de todas as entradas dos sensores
Seqüência perceptiva: seqüência de perceptos
![Page 7: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/7.jpg)
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
agenteseq. perceptiva ações
![Page 8: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/8.jpg)
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
![Page 9: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/9.jpg)
Exemplo
Mundo do aspirador de pó
Creator:idraw
![Page 10: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/10.jpg)
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
![Page 11: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/11.jpg)
Mundo do aspirador
Ações do aspirador: Aspirar Ir para a esquerda Ir para a direita Nenhuma
![Page 12: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/12.jpg)
Mundo do aspirador
Estratégia simples:
Se bloco atual tem poeira: Aspirar
Caso contrário: Ir para outro bloco
![Page 13: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/13.jpg)
Tabela do agente aspirador
Seqüência perceptiva Ação
[A, Limpo] Direita
[A, Poeira] Aspirar
[B, Limpo] Esquerda
[B, Poeira] Aspirar
[A, Limpo], [A, Limpo] Direita
[A, Limpo], [A, Poeira] Aspirar
... ...
[A, Limpo], [A, Limpo], [A, Limpo] Direita
[A, Limpo], [A, Limpo], [A, Poeira] Aspirar
... ...
![Page 14: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/14.jpg)
O que são Agentes Inteligentes?
Um agente inteligente é uma entidade que age de forma a atingir o melhor resultadoou, na presença de incertezas, o melhor resultado esperado.
![Page 15: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/15.jpg)
Projeto de Agentes
Como preencher a tabela para atingir o melhor resultado? E o que significa isso?
![Page 16: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/16.jpg)
Desempenho
Podemos perguntar ao agente?
NÃO
Alguns poderiam não saber responder
Alguns poderiam se iludir
![Page 17: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/17.jpg)
Medidas de Desempenho
Objetivas
Definidas externamente Criador do agente
![Page 18: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/18.jpg)
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
![Page 19: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/19.jpg)
Medidas de Desempenho
Responsabilidade do criador do agente
Nem sempre simples de selecionar
Efeitos de média Ex.: limpeza média dos blocos (aspirador)
![Page 20: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/20.jpg)
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
![Page 21: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/21.jpg)
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
![Page 22: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/22.jpg)
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.
![Page 23: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/23.jpg)
Aspirador, novamente
Agente mostrado na tabela anterior é racional?
Depende
Quais são os parâmetros de racionalidade para este agente?
![Page 24: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/24.jpg)
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
![Page 25: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/25.jpg)
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
![Page 26: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/26.jpg)
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
![Page 27: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/27.jpg)
Desempenho Esperado
Onisciência permite perfeição Maximizar o desempenho em qualquer
circunstância
Racionalidade deve maximizar o resultado esperado
![Page 28: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/28.jpg)
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
![Page 29: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/29.jpg)
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
![Page 30: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/30.jpg)
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
![Page 31: IA - Aula 03 - Agentes parte 1](https://reader033.vdocuments.net/reader033/viewer/2022052209/559fa1171a28abcb028b466a/html5/thumbnails/31.jpg)
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 inicialembutido nele por seu criador.