Plano de Aula

1
Plano de Aula

• Arquiteturas de Agentes
• Baseados Em Lógica
• BDI
• Reativas
• A arquitetura de Subsumption

2
Relembrando...

• Um agente é...
• Uma entidade autônoma, que percebe o ambiente
  através de seus sensores e atua neste através de
  seus atuadores...
• Assim...
• Como decidir que ações realizar?

3
Agentes Baseados em Lógica

• Comportamento Inteligente Representação
  simbólica do ambiente do comportamento desejado
• Formalismo lógica
• Manipulação dedução lógica
• Teoria de agentes (?) como os agentes devem se
  comportar

4
Agentes Baseados em Lógica

• Estados internos dos agentes fórmulas lógicas
• Aberta(válvula221)
• Interessante(aulaagentes)
• Comportamento do agente determinado por sua Base
  de Conhecimento (regras fatos)
• Aquilo que o Agente acredita sobre seu ambiente
• Três funções básicas
• See determina a percepção
• Next atualiza a BC
• Action escolhe a próxima ação

5
O Robô Aspirador de Pó
6
O Robô Aspirador

• Agente recebe
• Sujeira
• Null
• Ações
• para frente
• sugar
• virar
• Objetivo mover-se no ambiente buscando e
  removendo sujeira

• Três predicados
• Em(x.y)
• Sujeira(x,y)
• Direção(d)
• Comportamento do agente
• função próximo
• regras de dedução

7
Agentes Baseados em Lógica

• Função próximo
• Analisar as percepções
• Atualizar a Base de Conhecimento
• remover informações velhas ou irrelevantes
• Inferência em várias partes
• velho(?) P(t1,...,tn/ P? Em, Suj, Dir
  P(t1,...,tn??
• Novo todas as novas posições, direções e
  possíveis sujeiras
• Próximo(?,P) (? \ velho(?)) ? Novo(?,P)

8
Algoritmo Básico

• Função ação_agente-BL (BC)ação
• Para cada a ? A faça
• se BC ?? faça(a) então
• retorne a
• para cada a ? A faça
• se BC ?? faça(a) então
• retorne a
• Retorne null
• Fim ação_agente-BL

9
Agentes Baseados em lógica

• Regras de dedução
• predicado(termo) ? predicado(termo)
• Ex Em(0,0) ? Sujeira(0,0) ? Faça(sugar)
• Problemas com essa abordagem
• Como mapear percepções para fórmulas?
• Complexidade da prova do teorema
• Difícil representar conhecimento procedimental
• Ambiente estático!!! Como seria num dinâmico?

10
Agentes BDI

• BDI Beliefs, Desires, Intentions
• Motivação Raciocínio prático
• Processo de Decidir, a cada momento, que ações
  tomar para chegar mais perto dos objetivos.
• Implica
• Decidir que objetivos quer realizar
• Como vão ser executados esses objetivos
• Requer
• Três conjuntos de sentenças lógicas B, D e I ?
• Estes conjuntos são consistentes entre si.

11
Os Estados Mentais

• Crenças o que se sabe sobre o estado do ambiente
  e dos agentes
• Recife é ensolarada.
• Desejos estados do mundo que o agente quer
  atingir
• Eu gostaria de ganhar 45 milhões de reais
• Intenções Comprometimento com ações para
  alcançar objetivo
• Vou Ligar para o dentista

12
Um Exemplo...

• Daniel acabou de se formar... O que fazer?
• Virar acadêmico...
• Ir para o Mercado
• Se resolve ser acadêmico... Se compromete a
  realizar ações neste sentido
  Intenções
• Procurar Emprego em uma Universidade.
• E o mundo, como está? Crenças
• Daniel se formou, Daniel pode ser professor

Que Desejo escolher?
13
Desejos

• Especificam as preferências dos agentes sobre os
  estados do ambiente
• Podem ser inconsistentes
• Eu desejo perder 30 Kg
• Gostaria de comer quilos de chocolate suíço
• Desejos causam intenções ? ações
• Objetivos subconjunto consistente dos desejos.

14
Intenções

• Guiam a escolha das Ações
• Devem ser c onsistente com desejos e crenças
• Devem ser persistentes
• Demasiado persistentes. Fazem o agente perder
  tempo!
• Pouco persistentes. Não alcançam nenhum objetivo
• É preciso reconsiderar as intenções com alguma
  frequencia
• Ainda é possível realizá-las?
• Já foram realizadas?
• Seria melhor se comprometer com outra intenção?

15
Reconsiderando Intenções...
P
Tempo t 0 Desejo Atingir o alien Intenção
Aproximar-se de P Crença o Alien está em P
16
Reconsiderando Intenções...
Q
P
Tempo t 10 Desejo Atingir o alien Intenção
Aproximar-se de P Crença o Alien está em P
17
O Dilema BDI

• O agente não para para reconsiderar suas
  intenções
• Perde tempo tentando o impossível! (Xiita)
• O agente para demais para reconsiderar
• Não tem tempo de fazer nada! (Indeciso)
• Como encontrar o balanço?

18
O que o agente BDI tem?

• 3 conjuntos de sentenças
• Crenças
• Desejos
• Intenções
• 4 Funções
• Revisão de Crenças BRF(Bel, BC)
• Geração de Intenções Options(Bel, Int)
• Função Filtro Filter(Bel, Des, Int)
• Função Selecionadora de Ações Execute(Int)

19
A Arquitetura BDI
20
Algoritmo do Agente BDI

• Programa Agente BDI
• t 0 //contador de tempo
• enquanto Agente-BDI vivo, faça
• Tell(BC, Percepções-Sentença(percepção,t))
• BRF(Percepcao, BC)
• Desejos lt- Options(BC, intençao)
• intençao lt- Filter (Bel, Des, intenção)
• ação lt- Executa(intenção)
• fim

21
MArCo

• Mediador Artificial de Conflitos
• Media discussões entre agentes Humanos
• Raciocínio BDI/BGI

22
MArCo
23
Um exemplo de interação

• A. Eu acho que as vendas de natal começam no
  princípio de novembro
• B. Por que? Acho que é mais tarde...
• A. Para dar tempo de fazer propaganda..
• B. Ah, ok.

24
O funcionamento de MArCo
MArCo
Sensores
Estado interno Crenças (individuais e de
grupo), desejos, intenções

percepções
Função Revisão de Crenças O povo mudou de
idéia? Atualizo modelos
Como está o mundo agora?
Que objetivos podem ser alcançados?
Diálogo
Função de Opção faço o povo elaborar as idéias?
Que Intenções tenho?
Função Filtro
Função de seleção de ações
ações
Atuadores
25
Um Exemplo Real...

• Agentis (Australian Artificial Intelligence
  Institute)
• Objetivo. Ajudar no desenvolvimento e manutenção
  de call centers
• Ou de portais na internet.
• Gera aplicações automáticas para os clientes
• Reduz tempo de desenvolvimento e custos
• Gera estatísticas de rendimento

Utilizado pela companhia de telecomunicações
australiana para responder a 98 das chamadas ao
sistema de ajuda ao usuário. Sistema comporta
4000 agentes.
26
Arquiteturas Reativas

• Alternativa a representação simbólica
• O comportamento do agente é produto de sua
  interação com o ambiente
• Comportamento inteligente emerge da interação
  entre vários comportamentos mais simples.
• Abordagem comportamental, situada, reativa

27
The Subsumption Architecture

• a tomada de decisão é um conjunto de
  comportamentos realizadores de tarefa.
• Cada um é uma função de ação
• Neste caso máquinas de estados finitos.
• Cada um assume a forma situação ? ação
• Há uma hierarquia de comportamentos
• Comportamentos de nível mais baixo inibem os de
  nível mais alto

28
O algoritmo Básico

• Função ação (pPercepção) ação
• var disparado nível selecionada ação
• disparado lt- (cond, ação)
• para todo (cond, ação) ?disparado
• Se ?(cond, ação) ?disparado tal que
• (cond, ação) lt (cond, ação)
• return ação
• return null
• Fim função ação

29
A arquitetura de Brooks

• Módulos (e organização) definidos pelo designer
• Pode ser usada para descrever agentes cognitivos
  também.

30
Um Exemplo Robô explorando ambiente
Evitar obstáculos
Recarregar
Otimizar caminhos
Mapear território
Explorar
Sensores
Pegar/largar objetos
Atuadores
Avançar random.
Ambiente
31
Um exemplo...

• O objetivo é explorar um planeta distante, para
  coletar amostras de rocha. Não se sabe onde
  estão, mas há áreas de maior concentração delas.
  Vários veículos autônomos estão disponíveis para
  coletar amostras e depois voltar para a nave-mãe.
  Há um mapa do planeta disponível, mas o planeta
  tem vários obstáculos que impedem os veículos de
  se comunicar.

32
Para resolver o problema...

• Utilização de dois mecanismos...
• Campo Gradiente/Potencial
• Os objetos do ambiente emitem sinais, cuja
  intensidade é inversamente proporcional ao
  objetivo.
• U(p) Uatr(p) U rep(p)
• Uatr(p) k dist(p, objetivo)2
• U rep(p)
• k 1/dist(p, objetivo)2 se dist(p,
  objetivo)ltdistinfl
• 0 caso contrário
• Comunicação Indireta
• Fragmentos radioativos são deixados no caminho

33
Um parêntese...

• Outra forma de construir os campos potenciais é
  alterar o potencial de atração...
• Campo dividido em células
• Procedure valor(x, v)
• Se x.potencial não está definido ou vltx.potencial
• Então
• x.potencial v
• para todo y vizinho de x
• valor(y, v1)
• Senão faça nada
• Fim da procedure

34
Comportamentos Utilizados...

1. se detectar obstáculo, mude de direção
2. Se carregar amostras e na base, largue
3. Se carregar amostras e fora da base, vá na
   direção do gradiente
4. Se achar amostra, pegue
5. Se true, se mova randomicamente

35
Para assegurar cooperação

1. se detectar obstáculo, mude de direção
2. Se carregar amostras e na base, largue
3. Se carregar amostras e fora da base, largue dois
   fragmentos e vá na direção do gradiente
4. Se achar amostra, pegue
5. Se detectar fragmento, pegue e vá no sentido
   contrário ao gradiente
6. Se true, se mova randomicamente

36
Nem tudo são flores...

• O ambiente deve fornecer informação suficiente
  para os agentes...
• mais complicado tomar decisões de longo prazo.
• Difícil projetar comportamento emergente.
• Difícil construir agentes com muitos
  comportamentos.