inteligencia-artificial.pdf

Roteiro 

Inteligência Artificial

  

Parte I

  

Curso de Graduação em Ciência da Computação, UFMA 



Prof. Dra. Rosario Girardi



[email protected] http://maae.deinf.ufma.br/rgirardi.html



Introdução Histórico Abordagens da IA IA Agentes Inteligentes Inteligentes Resolução de problemas através da Busca Lógica de Primeira Ordem Programação em lógica e a linguagem Prolog Construindo bases de conhecimento Sistemas de raciocínio lógico Planejamento

2004 / 2 ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html

Livro Texto

Bibliografia Complementar • RICH, E. e KNIGHT, K. Inteligência Artificial, 2.ed, Ed. Makron Books do Brasil, Brasil, São Paulo, 1994. • WISTON, P. H Inteligência Artificial, Livros Técnicos e Científicos Editora, Rio de Janeiro, 1987. • BITTENCOURT, Guilherme. Inteligência Artificial. Ferramentas e Teorias. UNICAMP, 1996, p. 163-170. • BARR, A., COHEN, A. e FEIGENBAUM, E. The Handbook of Artificial Intelligence, M Kaufmann, 1981.

RUSSEL, S. e NORVIG, P. Artificial Intelligence: A Modern Approach., Prentice Hall, , Inc., 1995. Português – ed. Campus  Versão em Português – 

©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html

2

3


4

Inteligência Artificial (IA) 

Parte I

Ciência que estuda o fenômeno da Inteligência 

estudo da inteligência em computadores e através deles, nas pessoas



Objetivo: 

Introdução e histórico

Compreender, modelar e simular a inteligência ; 



estudar estudar se os computadores computadores podem pensar e como construir computadores que pensem

Construir sistemas inteligentes inteligentes


6

Definições 

O que´e a Inteligência ?

Conjunto de técnicas para construir máquinas “inteligentes”, capazes de resolver problemas complexos. (Nilson).

 





Tecnologia de Processamento da Informação que envolve processos de raciocínio, aprendizado e percepção. (Winston)


7

IA & Informática

Percepção



Resolução de Problemas Tomada de decisão



Compreensão



Aprendizagem



Ramo da Informática que tenta simular comportamentos humanos inteligente inteligentes s.(Luger e Stubble).

Atingir objetivos

8


IA & as Ciências Humanas Psicologia

Bases de Dados



Engenharia de Software

Linguistica

Lógica Matemática Filosofia Sociologia

Informática


9



Um programa tradiciona tradicionall só pode fornecer fornecer respostas às situações para as quais ele ele foi concebido





Um sistema de IA pode fornecer respostas para situações não previstas






10

Introdução

IA vs Informática Clássica 


11

Estudo da Inteligência é uma das disciplinas mais antigas Formalmente a área foi criada em 1956 quando o nome foi cunhado Filosofia Filosofia - por 2000 anos anos como ver, apreender, recordar e raciocinar pode ser realizado? Nos anos 50 passou-s passou-se e à prática prática com a criação do computador ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html

12

O que é Inteligência Artificial?



Abordagens da IA Desempenho Capacidade de humano raciocínio

Dimensões  

Pensamento vs. Comportamento Humano vs. Racional

Processos mentais Sistemas que e de raciocinio pensam como PENSAMENTO Comportamento AÇÃO


13

Sistemas que pensam como os humanos 


“O novo esforço excitante de fazer os computadores pensar ... maquinas com mentes, no sentido completo e literal” (Haugeland, 1985) “A automação de atividades que associamos com o pensamento humano, atividades como tomada de decisão, resolução de problemas, aprendizado...” (Bellman)



abordagem de Psicologia cognitiva 

como funciona a mente humana 



15

introspecção psicologia experimental

Psicologia cognitiva 


14

Pensam como os humanos

 

humanos Sistemas que atuam como humanos

Sistemas que pensam racionalmente Sistemas que atuam racionalmente

técnicas experimentais da psicologia, para a construção de teorias sobre o funcionamento da mente humana ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html

16

Processos cognitivos

Psicologia cognitiva Evolução humana bem sucedida devido a faculdades mentais para uso e acceso à informação

  

Mente

Processador de Informação

  




17

Sensação e percepção da informação de entrada Atenção à informação relevante Armazenamento em memória de corta duração enquanto é processada Aquisição de habilidades complexas Produção lingüística de saída oral ou escrita Resolução de problemas para tomar ações apropriadas Planejamento de seqüência de ações


18

Abordagens da IA

Limitações dos processos cognitivos

Desempenho humano

Miller (1956) 

5 a 9 elementos recordáveis em corto tempo 

Processos mentais Sistemas que e de raciocinio pensam como

sensitivas ao contexto 

complexidade

PENSAMENTO



familiaridade



possibilidade de ser discriminados

Comportamento AÇÃO


19

Sistemas que pensam racionalmente





abordagem das leis do raciocínio Aristóteles 



leis do pensamento certo - processos de raciocínio irrefutável silogismos 





21

Pensam racionalmente 



Socrates é um homem; todos os homens são mortais; por isso, Socrates é mortal

padrões para estruturar argumentos que levam a conclusões corretas dadas as premissas corretas leis que governam as operações mentais que deram origem a Lógica


desde 65 - dada a descrição de um problema em notação lógica, encontravam, si existia uma solução ao problema

obstáculos  

Desempenho Capacidade de humano raciocínio Processos mentais Sistemas que e de raciocinio pensam como PENSAMENTO

dificuldade de formalizar conhecimento diferença entre teoria e prática (recursos computacionais) ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html

22

Abordagens da IA

Abordagem lógica 

20

Pensam racionalmente

“O estudo das faculdades mentais através de modelos computacionais” (Charniak e Mcdermott, 1985) “O estudo das operações que fazem possível perceber, raciocinar e atuar” (Wiston, 1992)





 

Capacidade de raciocínio

Comportamento AÇÃO

23




24

Sistemas que atuam como humanos 



Atuam como humanos

“A arte de criar máquinas que realizam funções que requerem inteligência quando realizadas por humanos”( Kurzweil, 1990) “O estudo de como fazer os computadores fazer coisas nas quais, no momento, as pessoas são melhores”( Rich e Knight, 1991)

Máquina Inteligente

“Um computador é inteligente se ele parece humano para o homem”

A. Turing

25



Teste de Turing

Teste de Turing

B

C Sistema Intermediário

Máquina

 

Homem

1950 Os indivíduos A, B e C estão separados fisicamente Eles se comunicam via um sistema intermediário 



Interrogador

A



Para passar o teste:

  

Computador precisa também: 

computador com as seguintes capacidades 

28

Teste de Turing total 



O objetivo do Interrogador é descobrir quem (B ou C) é a máquina.

A máquina é “inteligente” se o interrogador é incapaz de descobrir quem (B ou C) é a máquina

27

Atuam como humanos



26



Visão por computador para perceber objetos Robótica para mover esses objetos

processamento de linguagem natural representação de conhecimento raciocínio automático aprendizado de máquina


29


30

Sistemas que atuam racionalmente

Abordagens da IA

Desempenho Capacidade de humano raciocínio

Processos mentais Sistemas que e de raciocinio pensam como PENSAMENTO Comportamento AÇÃO








31

Atuam racionalmente  









processamento de linguagem natural



representação de conhecimento 


para raciocinar a partir dele e tomar decisões





visão





33

para lidar com a complexidade do mundo

raciocínio automático aprendizado de máquina



parte de ser um agente racional não é única forma de atuar racionalmente (ações reflexas)

geração de estratégias cada vez mais efetivas conseqüências de determinada ação


Abordagens da IA

Processo mentais e de raciocinio Comportamento

32

todas as destrezas cognitivas do teste de Turing são necessárias para suportar comportamento racional 

alcançar seus objetivos de acordo com as suas crenças

inferência 


Atuam racionalmente

abordagem de agentes racionais atuar racionalmente 

“Um campo de estudo que tenta explicar e emular comportamento inteligente em termos de processos computacionais” (Schalkoff, 1990) “O ramo da ciência da computação que esta preocupada com a automação do comportamento inteligente” (Luger e Stubblefield, 1993)

Desempenho humano

Capacidade de raciocinio

Sistemas que pensam como humanos Sistemas que atuam como humanos



Histórico

35

34

Principais eventos da IA

Os Começos da IA 

desenvolvimento do computador eletrônico em 1941 disponibilizou a tecnologia para criar inteligência de máquina 





termo inteligência artificial - 1956, à conferência de Dartmouth. Norbert Wiener - princípio de teoria da retroalimentação (“feedback”) comportamento inteligente era o resultado de mecanismos de retroalimentação mecanismos que poderiam ser simulados possivelmente através de máquinas 




37

Os Começos da IA 


Expansão do conhecimento

1955, Newell e Simon desenvolveram “O Teorista da Lógica” - o primeiro programa de IA. O programa, enquanto representando cada problema como um modelo de árvore, tentaria resolver isto selecionando a rama que resultaria provável na conclusão correta.







38

1956, John McCarthy, considerado o pai da AI, organizou uma conferência entre interessadas por inteligência de máquina ("The Dartmouth summer research project on artificial intelligence.") o campo seria conhecido como inteligência artificial. a conferência de Dartmouth reuniu os fundadores em AI, e serviu pôr a base para o futuro da pesquisa da AI.



Carnegie Mellon e MIT criam centros para pesquisa na AI 1957, a primeira versão do General Problem Solver (GPS) foi testado. 

extensão do princípio de feedback de Wiener - capaz de resolver uma maior extensão de problemas

 


1958 - McCarthy anunciou o desenvolvimento da linguagem LISP

39

Expansão do conhecimento 




40

A Multidão de programas

1963 o MIT recebeu 2.2 milhões de dólares, concessão do governo de Estados Unidos - Department of Defense's Advanced research projects Agency (ARPA) para pesquisa na Cognição ajudada por computador (inteligência artificial) para assegurar que o EUA ficaria à frente da União soviética em avanços tecnológicos.



SHRDLU parte do projeto de microworlds 





pesquisa e programação em mundos pequenos (como com um número limitado de formas geométricas).

MIT - Marvin Minsky, demonstraram que quando limitados a um domínio pequeno, os programas de computação poderiam resolver problemas espaciais e problemas de lógica. 


41


42

A Multidão de programas 

A Multidão de programas

durante os 60 STUDENT - resolver problemas de álgebra SIR - entender orações de inglês simples resultado destes programas







 





1986-87 a demanda em sistemas de AI desceu, e a indústria perdeu quase um a metade de um bilhão de dólares e o financiamento de projetos de pesquisa também desceu.

avanço na compreensão da linguagem natural e da lógica.

nos 70 advento dos sistemas especialistas.



90 - Agentes inteligentes





predizem a probabilidade de uma solução segundo um determinado conjunto de condições mercado de valores, diagnosticar doenças, e para instruir os mineiros a localidades minerais promissores. 

 

teoria dos marcos (“frames”) de Minsky. a linguagem PROLOG. ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html

43


44

Paradigmas de desenvolvimento 

O paradigma computacional de agentes



Metáfora (abstração) de modelagem Metodologia de desenvolvimento   

Estruturado (procedimentos e funções) Orientado a objetos Orientado a agentes


Complexidade do software

Sistema multiagente Um sistema formado por vários agentes que trabalham de forma cooperativa para atingir uma meta

Estruturado Mundo real Sistemas abertos, distribuídos

46

Decomposição Orientado a objetos Abstração Interações flexíveis

Mundo computacional

Orientado a agentes


47


48

Aplicações 

Aplicações

Aplicações Industriais        



Controle de Tráfego Aéreo (OASIS-dMARS) Controle de Manufatura (Parunak) Controle de Processos (Automação Industrial) Distribuição de Energia Elétrica (ARCHON) Controle de Espaçonaves Monitoração de Usinas Nucleares Telecomunicações Sistemas de Transporte ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html

     

Gerência de Informações Filtragem e recuperação de Informações Comércio Eletrônico Software Educativo Interface Humano-Computador Modelagem de usuários

49

Aplicações 

Aplicações Comerciais


50

Agentes Percepções

Aplicações Médicas Monitoração de Pacientes Entretenimento Jogos Cinema Interativo Simulação Social Simulação de Sociedades (inclusive humanas)

Sensores





?

Ambiente



Agente





Ações Executores







Ciências Sociais: da sociologia à economia, da psicologia social à teoria das organizações e ciências políticas

Simulação de Organizações (interesse comercial também). Objetivos 



Compreender determinada situação (em uma sociedade) e sua origem Prever comportamentos futuros ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html

51

Propriedades desejadas dos agentes 

Autonomia 

 

function Skeleton-Agent( percept ) returns action static: memory , the agent’s memory of the world memory  Update-memory(memory, percept ) action  Choose-Best_action(memory ) memory  Update-memory( memory, action ) return action

A ção que fun Afunç função queimplementa implementaoo mapeamento mapeamentodo doagente agentedas das percepç ç ões à s aç ç ões percep a percepções às ações


52

Do nível global ao detalhado Arquiteturas (tipos) de agentes  Arquiteturas de sistemas multiagentes 

O que os distingue dos objetos

Sociabilidade Capacidade de aprendizado


53


54

Agente Racional

ARQUITETURA DE UM AGENTE 

Demonstra o projeto detalhado de cada agente, sua estrutura e como os módulos que o compõem podem interagir



Realiza a coisa certa (bem sucedido)  

Sucesso: grau e quando Medida de desempenho –



Racionalidade depende de:    








 





simples com estado

Deliberativos ou racionais  

57

baseados em metas baseados na utilidade


58

CLASSIFICAÇÃO - Russel e Norvig

Russel e Norvig Weiss GESEC

   


56

Reativos ou reflexivos 

Classificação das arquiteturas detalhadas 


TIPOS DE AGENTES

Para cada seqü seqüência de percepç percepções possí possível, um agente racional ideal deve tomar qualquer ação esperada para maximizar sua medida de desempenho tendo como base a evidência fornecida pela seqü seqüência de percepç percepção (historico) e qualquer conhecimento que o agente tenha Um agente racional é autonomo


Medida de Desempenho Seqü Seqüência de percepç percepções (histó (histórico) Conhecimento sobre ambiente Aç Ações que podem ser realizadas

55

Agente Racional Ideal

Ex. aspirador de p ó

59

Agentes Reflexivos Agentes Reflexivos com estado Agentes baseados em metas Agentes baseados na utilidade


60

Agentes Reflexivos

Agentes reflexivos com estado function Reflex-Agente-With-State( percept ) returns action static: state, a description of the current world state rules , a set of condition-action rules

function Simple-Reflex-Agent( percept ) returns action static: rules , a set of condition-action rules state  Interpret-Input( percept ) rule  Rule-Match(state, rules ) action  Rule-Action(rule ) return action

state  Update-State(state, percept ) rule  Rule-Match( state, rules ) action  Rule-Action(rule ) state  Update-State(state, action )

return action

61


Agente baseado em metas


62

Agente baseado na utilidade

Function Goal-Based-Agent ( percept ) returns action static: state, a description of the current world state

Function Utility-Based-Agent ( percept,utility ) returns action static: state, a description of the current world state

state  Update_State(state, percept ) goal  Define_Goal(state ) action  Get_Action_From_Plan ( goal ) state  Update_State(state, action )

state  Update_State(state, percept ) goal  Define_Goal( state ) action  Get_Action_From_Plan ( goal,utility ) state  Update_State(state, action )

return action return action 63


Aspirador Universal – um exemplo de agente deliberativo


CLASSIFICAÇÃO 

sujeira

(0,2)

sujeira

Por Weiss 

(1,2)

(2,2)  

(0,1)

(1,1)

(2,1)

(0,0)

(1,0)

(2,0)


64



65

Arquitetura baseada em Lógica Arquiteturas reativas Arquiteturas em camadas Arquiteturas de crença, desejo e intenção (BDI)


66

Arquiteturas Reativas

Arquitetura baseada em Lógica

Módulo Competente

• Contém um modelo simbólico do mundo • Decisões feitas via Raciocínio lógico. Sensores

Saída

Executor

Módulo Competente

Planejar

Programar

Atuadores

Entrada

(ações)

Saída

(percepções)

Interações

Intenções Metas Aspirações

“Raciocinador”

Administrador

Entrada (percepções)

• Não Possui modelo simbólico central, nem utiliza raciocínio lógico • Módulos responsáveis por uma tarefa definida. • Maior Tolerância a erros.

Base de Conhecimento (modelo simbólico do ambiente)

Informação

(ação) Módulo Competente

67



68

Arquiteturas BDI

Arquiteturas em Camadas Ação Saída

Percepção Entrada

Camada n

Camada n

Camada n

...

...

...

Camada 2

Camada 2

Camada 1

Camada 1

Camada 2

Ação Saída

Camada 1

Percepção Entrada (b) Vertical

(a) Horizontal

(um controle de passagem)

Percepção Entrada

Baseadas em três estados mentais fundamentais: 

Ação Saída



(c) Vertical (dois controles de passagem)

Fluxo 

de Controle Horizontal Fluxo de Controle Vertical • Arquitetura de uma passagem • Arquitetura de duas passagem ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html



69

Crenças - visões que o agente possui sobre o

ambiente em que ele se encontra. Desejos - representam o estado motivacional do sistema Um estado mental é motivador se é um mecanismo ou representação que tende a produzir, modificar ou selecionar ações à luz das crenças. Intenções - representam os componentes deliberativos do sistema, que servem para decidir o curso de ação que deve ser tomado pelo sistema. ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html

70

Sensor Entrada Função revisão de crença

Processo

Processo de Raciocínio Prático Crença

 







Tentar entender as opções que se tem disponíveis Optar e comprometer-se com uma delas, esta escolha vem a ser sua intenção. Busca-se então tentar alcança-lá, persistindo nesta busca. Ocorre um processo de restrição do raciocínio prático futuro Estas intenções estão relacionadas com as crenças sobre o futuro.

• Gera uma lista de opções • Seleciona um subconjunto dessas opções para adoção • Se existe uma ação atômica que pode ser executada dentro da estrutura de intenção, ela é, então, executada • Então, se um agente satisfaz uma intenção ou decidiu que uma intenção não pode ser satisfeita mais adiante, tal intenção é abandonada. • Atualiza as crenças dos agentes e repete a partir do ponto 1

Função geração de opções

Desejo

Função filtro

Intenção

Ação


71

Ação ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html Saída

72

Arquitetura de Agentes Deliberativas

- baseadas Lógica - BDI - Intencionais

Reativas

- Reflexivas

Exemplo BDI


Outros Nomes e Variações

Possui um modelo simbólico do mundo Decisões são tomadas via raciocínio lógico. Possui um conjunto de metas e intenções, onde é elaborado um plano baseando-se nessas metas. Possui certas restrições sobre a construção do modelo simbólico. Agentes complexos. Sem modelo simbólico central Decisões tomadas são implementadas em alguma forma de mapeamento direto da situação para a ação, são usadas regras de condição/ação.

Híbridas

Mistura de componentes das arquiteturas Deliberativas e Reativa.

Em camadas

Decisões tomadas via várias camadas de software.

73

KENDALL/GESEC – Agente deliberativo

em

Descrição


74

KENDALL/GESEC – Agente deliberativo

Mobilidade

Podem não estar presentes

Tradução



camada Sensitiva



camada de Crenças



camada de Raciocínio



camada de Ação



camada de Colaboração



Colaboração





Ações



Raciocínio



Crenças 



75

GESEC – Agente reativo

agente determina sua abordagem para cooperar ou trabalhar com outros agentes e formula mensagens para outros agentes agente formula mensagens para agentes de outra sociedade multiagente, traduzindo-as para outras semânticas permite a migração real e virtual dos agentes. ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html



camada Sensitiva



camada de regras



camada de Ação



camada de Colaboração



Tradução



Colaboração



Ação



Regras



76

Sensitiva



Seleciona uma regra a partir da percepção Executa a ação selecionada na camada de regras agente determina sua abordagem para cooperar ou trabalhar com outros agentes e formula mensagens para outros agentes agente formula mensagens para agentes de outra sociedade multiagente, traduzindo-as para outras semânticas

camada de Mobilidade 

77

agente percebe o seu ambiente através de sensores

camada de Tradução 


cumpre um plano selecionado pela camada de Raciocínio

GESEC – Agente reativo

Mobilidade

Podem não estar presentes

agente determina o que fazer

camada de Mobilidade 


agente mantém modelos de seu ambiente e de si mesmo

camada de Tradução 

Sensitiva

agente capta o seu ambiente através de sensores

permite a migração real e virtual dos agentes. ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html

78

Classificação das arquiteturas dos sistemas multiagente

Do nível global ao detalhado

Arquiteturas (tipos) de agentes  Arquiteturas de sistemas multiagentes






  

79

Classificação das arquiteturas dos sistemas multiagentes quanto ao funcionamento 




Cooperação entre agentes 

partilha de tarefas e/ou partilha de resultados quadro-negro troca de mensagens federativa



  





Coordenação de agentes 

maneira com que os agentes estão organizados a fim de cooperar para alcançar um objetivo comum ao sistema  



81

mensagens podem ser de dois tipos: 






consulta 

um agente envia uma pergunta para um outro agente.



83

os agentes se conhecem e, por isso, trocam informações diretamente entre si

Comunicação indireta 

resultado da consulta, ou seja, o agente que recebeu uma consulta envia uma resposta ao agente que solicitou a consulta


82

Comunicação direta 

afirmação 

linguagem de comunicação entre agentes (ACL) suporte aos mecanismos de coordenação e cooperação

Tipos de comunicação

Troca de mensagens entre agentes 

80

importante característica que os agentes devem possuir para que possam cooperar e interagir é necessária uma linguagem de comunicação que seja comum a todos os agentes que vivem em sociedade. KQML (Knowledge Query and Manipulation Language) 

Mestre – escravo Mecanismo de mercado


Arquitetura simples Arquitetura moderada Arquitetura complexa

Comunicação entre agentes

Quanto ao funcionamento 

Quanto a complexidade:

os agentes não se conhecem e, desta maneira, a comunicação ocorre através de uma estrutura de dados compartilhada


84

Arquitetura quadro-negro



Arquitetura de troca de mensagens



quadro-negro 

meio de interação entre os agentes, onde estes escrevem e lêem mensagens que serão usadas para atingir o objetivo do sistema






86

duas classes de agentes  

os gerentes (mestres) e os trabalhadores (escravos)


88

Ferramentas

os agentes estão em um mesmo nível e sabem as tarefas que cada agente é capaz de desempenhar os agentes podem ser classificados como produtores e consumidores e são utilizados para maximizar lucros através de um processo de negociação




87

Arquitetura Mecanismo de mercado 


Arquitetura Mestre – escravo

Os agentes da sociedade são divididos em grupos ou federações segundo um critério de agrupamento escolhido, e junto a cada grupo existem os agentes facilitadores


Cada agente sabe os nomes e endereços de todos os agentes

85

Arquitetura Federativa 

Os agentes se comunicam diretamente através de mensagens

89

ZEUS  AGENTBUILDER  JADE 


90

Resolução de Problemas Através de Busca 

Agentes para Resolução de Problemas 

Resolução de Problemas Através de Busca



Decidem o que fazer pela busca de ações que levem a estados desejáveis Um tipo de agente baseado em metas 

Resolução de Problemas Através de Busca 

Resolução de Problemas Através de Busca

1eiro passo: Formulação da Meta 

Conjunto de estados do mundo nos quais os objetivos são alcançados

2do. passo: Formulação do Problema

 





As ações dos agentes reflexivos estão limitadas só a percepção atual. Estes agentes não tem conhecimento de suas ações nem dos objetivos que querem atingir

Que aç ações e estados devem ser considerados e com que ní nível de detalhamento? Problema=estados+aç Problema=estados+ações

As ações causam transições entre os estados do mundo. O agente tem que achar que ações levam ao estado objetivo

Agente para Resolução de Problemas Através de Busca



Busca – Examinar a seqü seqüência de aç ações que levam a estados objetivos e depois escolher o melhor – Ex. achar caminho de São Luis a Imperatriz – Estados: estância em uma cidade em particular – A – Açções: associadas à conduç condução entre uma cidade e outra

Algoritmo de busca

function SIMPLE-PROBLEM-SOLVING-AGENT(p) returns action inputs: p, a percept static: s, an action sequence, initially empty state, some description of the current world state g, a goal, initially null problem, a problem formulation

Problema

Solução Algoritmo de busca

state <= UPDATEUPDATE-STATE(state, p) if s is empty then g <= FORMULATEFORMULATE-GOAL(state) problem <= FORMULATEFORMULATE-PROBLEM(state, PROBLEM(state, g) s <= SEARCH( problem) action <= RECOMMENDATION(s, state) s <= REMAINDER(s, state) return action

(seq. de ações) Formulate Search Execute

Formulação de Problemas 

Problemas de um único estado

Tipos de problemas    



Único estado Múltiple estado Problemas de contingência Problemas de exploração

 

Problemas de estados múltiplos As informações sobre o mundo não estão disponíveis  O agente conhece o efeito de suas ações  O agente raciocina sobre conjuntos de ações que atigem o estado objetivo independentemente do estado inicial  Lei de Murphy (as vezes ao aspirar se deposita poeira – sí esta limpo) 

Problemas de exploração 



O agente não tem conhecimento dos efeitos de suas ações (ex. recém nascidos) O agente deve explorar, experimentar 

Descobrir os efeitos de suas ações e os possíveis estados existentes

O agente sabe em que estado esta O agente sabe o resultado de cada ação O agente pode calcular uma seqüência que o leva a meta

Problemas de contingência 



Estes problemas requerem percepção durante a execução O agente deve calcular uma arvore de ações 



Cada rama da árvore se corresponde com uma contingência)

Ex. Dirigir um carro 

Problemas clássicos da vida real

Problemas e soluções bem definidos 

  

Problema informações que o agente usa para decidir o que fazer problema = estado + ações Estado inicial Operadores Espaço de estados Conj. de todos os estados atingíveis a partir do estado inicial através de qqer seq. de ações Caminho - seq. de ações que levam de um estado a outro Teste de objetivo Solução - Caminho do estado inicial até a meta 

  

Problemas e soluções bem definidos

Formulação de Problemas

datatype PROBLEM components: INITIAL_STATE {conj. de estados iniciais} OPERATORS, {possíveis ações do agente} GOAL_TEST, {teste de objetivo} PATH_COST_FUNCTION {função que atribui um custo a um caminho}

Definição do problema de aspirar datatype PROBLEM components: INITIAL_STATE {1,...,7,8} OPERATORS, {esq,dir,asp} GOAL_TEST, estado = {7,8} PATH_COST_FUNCTION {nro movs do aspirador}

Problemas e soluções bem definidos 



Podem existir várias soluções, mas podem preferir-se caminhos com ações menos custosas As instancias do tipo de dados PROBLEM são as entradas dos algoritmos de busca


Medindo o desempenho da busca 3 aspetos: 1 - Encontra uma solução? 2 - É uma boa solução? 

Custo do caminho (caminho mais barato)

3 - Qual o custo da busca? 

tempo e memória

106

Exemplo – Puzzle de 8 nros ESTADO INICIAL: ARAD; ESTADO OBJETIVO: BUCHAREST Operadores: ações de conduzir através das rotas (ESCOLHER ROTA, CONDUZIR ATÉ PROXIMA CIDADE) VARIAS SOLUÇÕES COMO SE MEDE O CUSTO DO CAMNIHO (KMS OU TEMPO DE VIAGEM) Em ex. custo do caminho = nro de tramos MELHOR SOLUÇÃO {Arad, Sibiu, Fagaras, Bucarest} Custo de caminho = 3 A FORMULAÇAO ADEQUADA DO PROBLEMA PERMETE REDUZIR O ESPAÇO DE BUSCA ©2004 Rosario Girardi – http://maae.deinf.ufma.br/rgirardi.html

109

Exemplo – O problema das 8 rainhas INITIAL_STATE (localização de cada nro e do branco) OPERATORS (branco a ezq, dir, acima ou abaixo) GOAL_TEST (estado coincide com o mostrado na figura) PATH_COST (nro. De movs, cada mov custa 1)




Colocar as 8 rainhas no tabuleiro de forma que nenhuma rainha ataque a outra 



Uma rainha ataca uma outra na mesma fila, coluna ou diagonal

Dois tipos de formulações  

Incremental (colocar as rainhas uma a uma) Colocar as 8 rainhas no tabuleiro e move-as)

111

Buscando uma solução INITIAL_STATE (qqer arranjo de 8 rainhas no tabuleiro) OPERATORS (colocar uma rainha em qqer localização) GOAL_TEST (8 rainhas no tabuleiro, não atacáveis) PATH_COST (zero)

Ex. Mapa rodoviário - achar caminho  Árvore de busca 





Ex. Do aspirador


Gerar novos estados 

INITIAL_STATE (um dos 8 mostrados na fig.) OPERATORS {esq, dir, aspirar} GOAL_TEST (sem poeira a esq, sem poeira a dir) PATH_COST: cada ação custa 1



Expandir um nó

Estratégia de busca 

113

Nó raiz = estado inicial

Seleção de que nós expandir primeiro

Algoritmo de busca

function GENERALGENERAL-SEARCH( problem, strategy) returns a solution, or failure initialize the search tree using the ini tial state of problem initial loop do if there are no candidates for expansion then return failure choose a leaf node for expansion according to strategy if the node contains a goal state then return the corresponding solution else expand the node and add the resulting nodes to the search tree end

Estrutura de Dados para Árvores de Busca Um nó tem: – O estado ao qual corresponde – O nó pai – O operador aplicado – A – A profundidade da árvore – O custo do caminho da raiz at é o nodo

Datatype node Components: STATE, PARENT_NODE, OPERATOR, DEPTH, PATH-COST


Estrutura de Dados para Árvores de Busca Fronteira - nós esperando para serem expandidos  Estratégia - função que seleciona o próximo nó a ser expandido da fronteira  Fronteira implementada como uma fila  Conj. de nós 

Estratégia de Busca Critérios de avaliaçao – Completitude – Se existe uma soluç solu ção, ela ser á achada – Complexidade de Tempo – quanto leva achar a solu ção (fazer a busca) – Complexidade de Espa ço – quanta memó memória – Otimalidade – encontra a melhor solu ção

118

Busca sem informação (“cega”) 



Não existe informação do custo do caminho do estado inicial ao estado objetivo Estratégias  segundo a ordem em que os nós são expandidos  em amplitude 



simples, pelo custo uniforme

em profundidade 

Busca em Amplitude O nó raiz é expandido primeiro  Todos os nós gerados são expandidos  Todos os sucessores dos antecessores são expandidos e assim sucessivamente  Resumindo:  os nós de profundidade d são expandidos antes dos de profundidade d +1 

simples, limitada, iterativa

Busca em Amplitude

Exemplo: Requisitos de memória e tempo (b=10)

Fator de Ramificação quantidade de tempo e memória  fator de ramificação (b)  máximo nro. de nós a serem expandidos para uma solução de profundidade d 1 + b + b 2 + b3 + b4 + … bd 

Busca em amplitude pelo custo uniforme 

Depth 0 2 4 6 8 10 12 14

Nodes 1 111 11,111 106 108 1010 1012 1014

Time 1 millisecond .1 seconds 11 seconds 18 minutes 31 hours 128 days 35 years 3500 years

Memory 100 bytes 11 kilobytes 1 megabyte 111 megabytes 11 gigabytes 1 terabyte 111 terabytes 11,111 terabyte



Expande primeiro o nó de menor custo g(n)  g(n) - suma dos custos de cada tramo no caminho Solução mais barata se g(sucessor(n))>g(n)  não existem custos de tramos negativos

Busca em Profundidade Exemplo de Rota –Ir de S para G



Sempre expande o nó de maior profundidade  Quando a busca chega num nó sem sucessores o algoritmo expande um nó com menor profundidade  Requer pouca memória  m => profundidade máxima b => fator ramificação bm => necessidade de armazenamento 

Busca em Profundidade Limitada Limitar a profundidade da busca  Complexidade – Tempo o(bL) – Espaço o(bL) 

Busca Iterativa 

Teste de todos os possí possíveis limites

Busca Bidirecional   

Para frente do nó inicial Para trás do nó meta Solução encontrada em O (b d/2)

Busca Bidirecional  

 

Requer geração de predecessores Se operadores reversíveis a estratégia é fácil Existem casos difíceis Deve existir forma eficiente de checar cada nó novo na outra metade

Comparação Criterion Time Space Optimal? Complete?

Breadth- Uniform- DepthFirst Cost First bd bd b m bd b d bxm Yes Yes No Yes Yes No

DepthLimited b l bxl No Yes, if b>d

Deepening Iterative bd bxd Yes Yes

Bidirectional (if applicable) bd/2 bd/2 Yes Yes

inteligencia-artificial.pdf

Recommend Documents