Agentes

Inteligentes

Captulo 2 Russell & Norvig

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

Aula 2 - 13/08/2010
 Exemplos
Agente humano
Sensores: Olhos, ouvidos e outros rgos.
Atuadores: Mos, pernas, boca e outras partes do corpo.
Agente robPco
Sensores: cmeras e detectores de infravermelho.
Atuadores: vrios motores.
Agente de soTware
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
 Mapeando percepes em aes
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
]sica para produzir f.
Agente = arquitetura + programa.

Aula 2 - 13/08/2010
 Exemplo:
O mundo do aspirador de p

Percepes: local e contedo

Exemplo: [A, sujo]
Aes: Esquerda, Direita, Aspirar, NoOp

Aula 2 - 13/08/2010
Uma funo para o agente aspirador
de p
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
...
[A, Limpo], [A, Limpo], [A, Limpo] Direita
[A, Limpo], [A, Limpo], [A, Sujo] Aspirar
...

Programa: Se o quadrado atual estiver

sujo, ento aspirar, caso contrrio mover
para o outro lado.
Aula 2 - 13/08/2010
 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 objePva.
Exemplos: quanPdade de sujeira aspirada, gasto de energia, gasto
de tempo, quanPdade de barulho gerado, etc.
A medida de desempenho deve reePr o resultado
realmente desejado.

Aula 2 - 13/08/2010
 Agentes Racionais
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.
Exerccio: para que medida de desempenho o
agente aspirador de p racional?

Aula 2 - 13/08/2010
 Agentes Racionais
Racionalidade diferente de perfeio.
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 Ppo importante de coleta de informao a explorao de um
ambiente desconhecido.
O agente tambm pode (e deve!) aprender, ou seja, modicar
seu comportamento dependendo do que ele percebe ao
longo do tempo.
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
 PEAS
Ao projetar um agente, a primeira etapa deve
ser sempre especicar o ambiente de tarefa.
Performance = Medida de Desempenho
Environment = Ambiente
Actuators = Atuadores
Sensors = Sensores

Aula 2 - 13/08/2010
 Exemplo de PEAS:
Motorista de Txi AutomaPzado
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.

Aula 2 - 13/08/2010
 Exemplo de PEAS:
Sistema de DiagnsPco Mdico
Medida de desempenho: paciente saudvel,
minimizar custos, processos judiciais.
Ambiente: paciente, hospital, equipe.
Atuadores: exibir na tela perguntas, testes,
diagnsPcos, tratamentos.
Sensores: entrada pelo teclado para sintomas,
descobertas, respostas do paciente.

Aula 2 - 13/08/2010
 Exemplo de PEAS:
Rob de seleo de peas
Medida de desempenho: porcentagem de
peas em bandejas corretas.
Ambiente: correia transportadora com peas;
bandejas.
Atuadores: brao e mo arPculados.
Sensores: cmera, sensores angulares
arPculados.

Aula 2 - 13/08/2010
 Exemplo de PEAS:
Instrutor de Ingls InteraPvo
Medida de desempenho: maximizar nota de
aluno em teste.
Ambiente: conjunto de alunos.
Atuadores: exibir exerccios, sugestes,
correes.
Sensores: entrada pelo teclado.

Aula 2 - 13/08/2010
 Propriedades de
ambientes de tarefa
Completamente observvel (versus parcialmente
observvel)
Os sensores do agente do acesso ao estado completo do
ambiente em cada instante.
Todos os aspectos relevantes do ambiente so acessveis.
DeterminsPco (versus estocsPco)
O prximo estado do ambiente completamente
determinado pelo estado atual e pela ao executada pelo
agente.
Se o ambiente determinsPco exceto pelas aes de
outros agentes, dizemos que o ambiente estratgico.

Aula 2 - 13/08/2010
 Propriedades de
ambientes de tarefa
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.
EstPco (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
 Propriedades de
ambientes de tarefa
Discreto (versus conqnuo)
Um nmero limitado e claramente denido de
percepes e aes.
Agente nico (versus mulP-agente)
Um nico agente operando sozinho no ambiente.
No caso mulP-agente podemos ter
MulP-agente cooperaPvo
MulP-agente compePPvo

Aula 2 - 13/08/2010
 Exemplo
Xadrez com Xadrez sem Direo de
relgio relgio Txi
Completamente observvel Sim Sim No
DeterminsPco Sim Sim No
Episdico No No No
EstPco Semi Sim No
Discreto Sim Sim No
Agente nico No No No

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

agente.
O mundo real parcialmente observvel, estocsPco, seqncial,
dinmico, conqnuo, mulP-agente.

Aula 2 - 13/08/2010
 Programas e funes de agentes
Um agente completamente especicado
pela funo de agente que mapeia sequncias
de percepes em aces.
Uma nica funo de agente (ou uma nica
classe de funes equivalentes) racional.
ObjePvo: encontrar uma maneira de
representar a funo racional do agente
concisamente.

Aula 2 - 13/08/2010
 Agente Dirigido por Tabela
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
 Tipos bsicos de agentes
Quatro Ppos bsicos, do mais simples ao mais
geral
Agentes reaPvos simples
Agentes reaPvos baseados em modelos
Agentes baseados em objePvos
Agentes baseados na uPlidade

Aula 2 - 13/08/2010
Agente ReaPvo Simples

Aula 2 - 13/08/2010
 Exemplo: Agente ReaPvo 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
 Agentes reaPvos
baseados em modelos

Aula 2 - 13/08/2010
 Agentes reaPvos
baseados em modelo
Funo AGENTE-REATIVO-COM-ESTADOS(percepo) retorna
uma ao
Variveis est<cas:
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
 Agentes reaPvos
baseados em objePvos

Aula 2 - 13/08/2010
 Agentes reaPvos
baseados na uPlidade

Aula 2 - 13/08/2010
Agentes com aprendizagem

Aula 2 - 13/08/2010