inteligência artificial - umacee.uma.pt/edu/iia/acetatos/iia-sma-peb.pdf · inteligência...

Inteligência Artificial Universidade da Madeira

1

Inteligência Artificial

Sistemas Multi-Agentes

AgendaPARTE 1

IntroduçãoPorquê sistemas multi-agentes na resolução de problemas?Alguns exemplos na vida realOrigens

Sistemas Multi-AgenteCategorias dos SMAsObjectivos dos SMAsÁreas de Aplicação de SMAsPerspectivas dos SMAs

Perspectiva do AgentePerspectiva do Grupo –Aspectos fundamentais

PARTE 2Aspectos arquitecturais dos SMAs

Aspectos a ter em conta quando se pretende desenvolver SMAsDiversas estruturas nos SMAs

Hierárquica;Nivelada;Agentes compostos por agentes;SMAs compostos por SMAs.

Diversos níveis de aberturaAbertura dinâmica;Abertura estática;Abertura off-line.


2

Porquê Sistemas Multi-Agentes na resolução de problemas?

Isto tem acontecido pelo facto dos multi-agentespossuírem algumas características que viabilizam a resolução de problemas de forma diferente da tradicional, adequando-se a problemas complexos e de natureza descentralizada.

Bem como, pelo facto de os problemas reais serem muito grandes e complexos para serem resolvidos por um único agente. Agentes individuais são limitados devido ao seu limitado conhecimento, recursos computacionais e perspectivas.

Porquê Sistemas Multi-Agentes na resolução de problemas?

Devido ao grande crescimento da utilização de computadores em redes (por exemplo: Internet) onde a informação está distribuída através dos diversos nós que a compõem, situações onde uma entidade computacional possui todo o conhecimento necessário para resolver problemas sem o auxílio de outras, estão tornando-se cada vez mais raras.

As arquitecturas distribuídas vêm se mostrando muito úteis para resolução de problemas onde a própria natureza é distribuída. Pode-se pensar na aplicação de um modelo autónomo para a resolução de problemas em uma realidade distribuída, onde os eventos ocorrem concorrentemente.


3

ExemplosDo ponto de vista da inteligência artificial:

As entidades são distintas (controlo aéreo);Os problemas são distribuídos no espaço (supervisão de uma rede informática);Os problemas são funcionalmente distribuídos (pilotar um barco);Os peritos são muitos (concepção de um avião);Inexistência de um método global de resolução rápida.

Do ponto de vista da informática (garantir a concepção de sistemas):

Sistemas distribuídos;Alto nível de especificação;Garantias de funcionamento.

OrigensInicialmente foram adoptadas duas aproximações no estudo dos Sistemas Multiagentes:

Sistemas BlackboardHearsay;Planner;

O modelo ACTOR – que disparou os eventos académicos para SMAs.

Nos sistemas blackboard existe um espaço de pesquisa partilhado onde se encontram os resultados obtidos pelas fontes de conhecimento (KS - Knowledge Source).

No modelo Actor desaparece a memória comum e é centralizado no princípio da comunicação por mensagens. Os actores são reactivos respondendo a mensagens recebidas de outros sectores do mesmo modo que são capazes do envio de mensagens.


4

Sistemas Multi-Agente (1)Nos SMAs (Sistemas multi-agente), investiga-se o comportamento de um conjunto de agentes autónomos, possivelmente pré existentes, que interagem objectivando a resolução de um problema que está além das capacidades de um único indivíduo. Desta forma, o comportamento global do sistema deriva da interacção entre os agentes que fazem parte do sistema.

Ambiente

Esfera de Influência

Organização

Agentes

Interacção

Recurso

Sistemas Multi-Agente (2)

As vantagens significativas dos Sistemas Multi-agente sobre um agente “solução” de problemas autónomo são:

Maior rapidez na resolução de problemas através do aproveitamento do paralelismo;Diminuição da comunicação por transmitir somente soluções parciais em alto nível para outros agentes ao invés de dados brutos para um lugar central;Maior flexibilidade por ter agentes de diferentes habilidades que são dinamicamente agrupados para resolver problemas;Aumento da segurança, pela possibilidade de agentes poderem assumir responsabilidades de agentes que falham.


5

Sistemas Multi-Agente (3)

Devemos usar SMAs na concepção de Sistemas de Informação quando o problema possui as seguintes características:

O domínio envolve distribuição intrínseca dos dados, capacidades de resolução de problemas e responsabilidades;Necessidade de manter a autonomia de subsecções, sem a perda da estrutura organizacional;Complexidade nas interacções, incluindo negociação, partilha de informação e coordenação;Impossibilidade de descrição da solução do problema à priori, devido à possibilidade de perturbações em tempo real no ambiente (por exemplo: falhas de equipamento) e processos de negócio de natureza dinâmica.

Características dos SMAsUm SMA é um sistema que possui os seguintes elementos:

Um ambiente, EUm conjunto de objectos, OUm conjunto de Agentes, A (A⊆O)Um conjunto de relações R, que liga objectosUm conjunto de operações OpOperadores que representam os resultados das operações em Op e as reacções do ambiente a eles.

Os agentes presentes num SMA têm obrigatoriamente de possuir:Objectivo: o agente pode ter um objectivo que será levado em conta, junto com as percepções do ambiente, na hora de decidir a sua acção;Pró actividade: é a capacidade de agir activamente de acordo com este objectivo, descrito acima, e não somente reactivamente ao ambiente;Habilidade social: é a capacidade de interagir com outros agentes e, possivelmente, humanos, para conseguir recursos que o ajudem a tomar a melhor decisão de acção.


6

Objectivos dos SMAs

O objectivo de longo prazo dos SMA é consistir na dimensão computacional de uma possível ciência da interacção, fornecendo mecanismos de análise e síntese de sistemas destinados a esclarecer e a explorar a questão fundamental de quem interage com quem, quando, sobre o quê, como e porquê.

Áreas de Aplicação de SMAs (1)Entretenimento (jogos como o Quake e ainda teatro e cinema interactivos);


7

Áreas de Aplicação de SMAs (2)Ampla gama de aplicações industriais (ARCHON - controlo de processos);

Controle de tráfego aéreo (OASIS - sofisticado sistema de controle de tráfego aéreo baseado no paradigma multi-agente, utilizado no aeroporto de Sydney, Austrália, no qual os agentes assumem o lugar dos aviões em operação);

Áreas de Aplicação de SMAs (3)

Gestores de informação (Maxims, Newt);

Comércio electrónico (Kabash - sistema que cria agentes de compra e venda, sendo que as transacções são realizadas através da interacção entre esses agentes);

Aplicações médicas (GUARDIAN - sistema de monitorização de pacientes em UTI pós operatória).


8

Perspectivas dos SMAsPerspectiva do agente: foca elementos que caracterizam o agente envolvido num SMA, eles são:

Categorias do agente;Estrutura e manutenção do conhecimento;Capacidade de raciocínio;Capacidades de adaptação e aprendizagem;Arquitecturas de agente.

Perspectiva do grupo: reúne aspectos de grupo, tais como:

Organização;Coordenação; Cooperação; Negociação;Comportamento coerente;Planeamento;Comunicação;Interacção.

Perspectiva do agente (1)Estrutura e Manutenção de conhecimento

O conhecimento de um agente é constituído por representações que esse agente possui sobre o mundo real e sobre o problema a resolver. Um agente pode ser caracterizado por diferentes tipos de estruturas de conhecimento: factos ou crenças, metas ou intenções, preferências, motivações, desejos, etc.

Este conhecimento, é a combinação do conhecimento adquirido antecipadamente, durante a implementação do agente, e do conhecimento adquirido durante a fase de resolução do problema ou através de mensagens enviadas por outros agentes ou recebidos do ambiente.

Confrontando o seu conhecimento e descrição dos objectivos, o agente consegue determinar um conjunto de soluções ou planos para atingir esses objectivos: o conjunto de soluções possíveis.

Estas soluções são obtidas de acordo com a capacidade de raciocínio exibida pelo agente. Quando múltiplas soluções ou planos são potencialmente aplicáveis na resolução de determinado problema, o agente tem de efectuar uma escolha para resolver este conflito.


9

Perspectiva do agente (2)Capacidade de raciocínio

Geralmente, agentes necessitam de raciocinar sobre diferentes aspectos da realidade. Têm de lidar com obrigações, permissões e interdições. O factor tempo tem de ser tomado em consideração na maioria dos sistemas. Um agente pode também necessitar de explorar várias hipóteses antes de tomar uma decisão.

Em adição a esta capacidade de raciocínio sobre as suas crenças, desejos e intenções, os agentes necessitam de raciocinar a respeito do conhecimento e comportamento de outros agentes. Esta capacidade de raciocínio pode ajudar um agente a influenciar, ou mesmo alterar, as crenças e comportamento de outros agentes.

Perspectiva do agente (3)Adaptação e Capacidades de aprendizagem

Um agente também necessita de se adaptar ao seu ambiente e ao comportamento de outros agentes.


10

Perspectiva do agente (4)Adaptação e Capacidades de aprendizagem (Continuação)

Duas importantes restrições foram consideradas a "restrição de incompatibilidade" (acções diferentes podem ser mutuamente exclusivas) e a "restrição de informação local" (cada agente tipicamente conhece apenas uma fracção do seu ambiente). Torna-se assim importante projectar agentes evolutivos que se adaptem a um mundo dinâmico e que não o conhecem totalmente.

Vários métodos de aprendizagem podem ser aplicados como, por exemplo, métodos indutivos, aprendizagem por reforço (on-line) ou utilização do algoritmo genético.

Perspectiva do agente (5)Arquitecturas de Agentes

Os agentes são construídos e operam em diferentes ambientes. Estes ambientes impõem restrições sobre o comportamento dos agentes e providenciam serviços e facilidades que podem ser usados pelos agentes. Um número significativo de arquitecturas de agentes tem sido proposto. Estas, são tipicamente estruturadas em camadas e tendo no topo a camada de raciocínio.


11

Perspectiva do agente (6)Arquitecturas de Agentes (Continuação)

As arquitecturas são caracterizadas pelos tipos de agentes existentes, sendo eles:

Reactivos simples - usam apenas um conjunto de regras situação - acção. Memorizando o mundo - a decisão implica um conhecimento prévio do mundo.

Perspectiva do agente (7)Arquitecturas de Agentes (Continuação)

As arquitecturas são caracterizadas pelos tipos de agentes existentes, sendo eles:

Geridos por objectivos - para além da descrição do estado corrente, o agente usa informação sobre os objectivos. Implica pesquisa e planeamento. É mais flexível, pois diferentes comportamentos podem ser obtidos para o mesmo estado do mundo dependendo do destino. Baseados na utilidade – as utilidades são medidas através de satisfação, para o agente, relativamente aos diversos estados. Utilidades podem ser usadas para decidir entre objectivos em conflito ou ainda (quando há incerteza nas acções) para medir a verosimilhança de atingir o objectivo.


12

Perspectiva do grupo (1)Dentro da perspectiva de grupo, podemos definir três grandes grupos de aspectos a serem considerados num SMA:

aspectos fundamentais - definem as características que devem ser viabilizadas para a garantia da compatibilidade entre as acções dos agentes que constituem o SMA.

aspectos arquitecturais - definem as características que devem ser providas pela arquitectura a ser adoptada para viabilização dos aspectos fundamentais dentro do SMA.

aspectos ambientais - definem as características do ambiente no qual os agentes do SMA estarão inseridos, para que se possa determinar os tipos de técnicas de percepção que devem ser utilizadas por estes agentes.

Perspectiva do grupo Aspectos fundamentais (2)

Estrutura

Entende-se estrutura como sendo o padrão de relações de informação e controle entre agentes, bem como a distribuição das habilidades entre eles.

Em SMAs, o comportamento autónomo e pró activo exibido pelos agentes constituintes sugerem que aplicações podem ser projectadas tomando-se como exemplo o comportamento e a estrutura das sociedades humanas.


13

Perspectiva do grupoAspectos fundamentais (3)

Estrutura (Continuação)

A estrutura fornece uma visualização de como os problemas são resolvidos pelo grupo e o papel que cada agente desempenha dentro desta estrutura, ou seja, define os papéis e os relacionamentos para atender as seguintes condições:

Cobertura - qualquer habilidade necessária para a resolução do problema deve estar inserida no rol de habilidades de pelo menos um agente.

Conectividade - agentes devem interagir de maneira a permitir que as suas habilidades sejam integradas e desempenhadas no sentido de contribuírem para uma solução global.

Potencialidade - cobertura e conectividade devem ser atingíveis dentro de limitações computacionais e de comunicação, assim como as especificações de confiabilidade do grupo.


Organização

O conceito de organização refere-se ao conjunto de compromissos globais, crenças mútuas, e intenções comuns aos agentes quando agem em conjunto para atingir um dado objectivo.

Os tipos de organização existentes são:Organização hierárquica e centralizada Organização com uma estrutura de autoridade Organizações MarketlikeOrganizações como uma comunidade com regras de comportamento


14


Organização hierárquica e centralizada

Nesta organização, temos uma hierarquia forte onde os agentes obedecem aos seus superiores e o poder de decisão e controlo concentra-se em um dos agentes. Os outros agentes, após aceitarem tal poder e concordarem em ser os seus subordinados, realizam as tarefas que lhes foram atribuídas. Um único agente detém toda a autoridade e a comunicação ocorre verticalmente.


Organização com uma estrutura de autoridade

São uma maneira de reduzir o trabalho de coordenação. Quando um agente possui autoridade sobre os outros, estes últimos devem aceitar a tarefa de atingir o objectivo do primeiro. Neste caso, não existe a possibilidade do agente não aceitar a legitimidade do poder dos seus superiores, o que é possível no caso anterior.


15


Organizações Marketlike

Sistemas organizados de acordo com a teoria do mercado económico. Os agentes competem por recursos através de leilões e contratos.

manager

contractorcontractor








contractor




contractor

managermanager


Organizações como uma comunidade com regras de comportamento

É uma organização que pode ser desenvolvida como um conjunto de interpretações locais de regras de comportamento, ou melhor, deve ter uma estrutura externa bem definida. As regras derivam da estrutura comum dos agentes. As coligações baseadas em dependências encontram-se neste tipo de organização já que decisões locais são realizadas para tentar encontrar um parceiro.


16


Comunicação

A capacidade de comunicação de um agente habilita-o a intercambiar informações com outros agentes, sendo esta parte:

Percepção (recepção de mensagens);Acção (envio de mensagens).


Comunicação (Continuação)

A comunicação pode ser feita através de um protocolo binário, que envolve um único remetente e um único destinatário;

Ou de um protocolo n-ário, que envolve um único remetente e vários destinatários (por exemplo: multicast e broadcast).


17


Comunicação (Continuação)

A comunicação falada humana, formalizada pela teoria dos actos de fala, tem sido utilizada como modelo para a comunicação entre agentes computacionais. A teoria dos actos de fala visualiza a linguagem natural humana como acções, tais como requisições, sugestões, compromissos e respostas, que possui três aspectos:

Locução - expressão física pelo locutor;Elocução - significado pretendido da expressão pelo locutor;Prelecção - a acção que resulta da locução.


Interacção

A interacção favorece a combinação de esforços a um conjunto de agentes na busca de soluções para problemas globais, pressupondo acções de coordenação de pelo menos dois agentes.

Uma situação de Interacção então é um conjunto de comportamentos que resulta do agrupamento de agentes que devem actuar no ambiente para atingir seus objectivos, e que dependem de recursos limitados.

As interacções envolvem:Negociação;Partilha de informações;Coordenação.


18


Interacção (Continuação)

Os aspectos a serem considerados no processo de interacção de agentes são:

Entre quem a interacção deve ocorrer;Quando a interacção deve ocorrer;Qual deve ser o conteúdo da interacção ou comunicação;Como a interacção deve ser realizada, definindo os processos e recursos a serem utilizados;Porque a interacção é necessária; eCom base em que mecanismo será estabelecida a compreensão mútua (linguagem comum, interpretação baseada no contexto, etc.).



Tipos de interacção:Independência

Ex.: Duas pessoas pagando as suas contas de electricidade.Colaboração Simples

Ex.: Agentes compartilhando conhecimento.Competição Individual

Ex.: Maratona.


19



Tipos de interacção:Obstrução

Ex.: Agentes que atrapalham os outros.Colaboração Coordenada

Ex.: Controle de Redes.Competição Colectiva

Ex.: Jogo de Futebol.


Cooperação

A cooperação acontece quando vários agentes planeiam e executam as suas acções de uma forma coordenada.

A cooperação está fortemente ligada à aplicação específica, pois a sua base de trabalho implica a procura colectiva de um objectivo comum (a resolução de um problema naquele domínio). A forma como a cooperação se desenrola depende, obviamente, de como o problema a resolver édecomposto e distribuído.


20


Cooperação (Continuação)

Um agente pode assumir um de dois papéis distintos no processo de cooperação:

Organizador – é o agente que inicia a cooperação, ou precisa de ajuda na execução de determinada tarefa, ou porque possui informação que sabe ser útil para os outros agentes. Respondente – é o agente que responde à situação de cooperação criada por outros agentes. Não entra no processo de cooperação por iniciativa própria, mas sim porque uma força externa o motiva a isso.



Os objectivos genéricos para a cooperação entre agentes são:Diminuição do tempo de execução de uma tarefa através do paralelismo;Aumento do escopo de tarefas executáveis através da partilha de recursos;Maior probabilidade de finalização de uma tarefa em função de sua dupla incumbência, a ser realizada possivelmente através de distintos métodos de execução; Diminuição da interferência entre tarefas evitando interacções prejudiciais.


21



De acordo com as relações de interdependência existentes, a cooperação pode ser classificada em quatro tipos:

Cooperação horizontal - para a resolução dos seus problemas, os agentes não são dependentes de qualquer outro agente do sistema. No entanto, o uso de informação proveniente de um outro agente, pode aumentar o grau de confiança que estes agentes receptores atribuem as suas soluções (é como escutar uma segunda opinião).Cooperação em árvore - para resolver os seus próprios problemas, os agentes dependem de outros agentes do sistema.Cooperação recursiva - vários agentes dependem uns dos outros para resolver os seus problemas.Cooperação híbrida - verifica-se quando ocorre cooperação horizontal inserida em cooperação recursiva ou em árvore.


Planeamento/Distribuição de tarefas

O processo de planeamentoconstitui uma forma especializada do processo de cooperação que tem como produto um conjunto de actividades organizadas com um curso de acção definido, em que estas actividades são distribuídas entre agentes capacitados a executá-las.


22


Planeamento/Distribuição de tarefas (Continuação)

Alinhar o comportamento de agentes em direcção a objectivos comuns, com a divisão explícita de tarefas, pode viabilizar a realização de grandes objectivos.

Um modelo de planeamento distribuído deve considerar:A concorrência existente entre os agentes num ambiente compartilhado;As alterações ocorridas no ambiente entre o planeamento e a execução dos planos resultantes deste.


Planeamento/Distribuição de tarefas (Continuação)

Este planeamento pode ocorrer de duas formas:

Centralizada: um único agente constrói o plano, decompondo o problema em sub problemas e repartindo as tarefas entre os outros agentes. Permite uma maior coerência, mas tem problemas de fiabilidade e expansibilidade.Distribuída: pressupõe que o plano é construído por mais de uma agente, pois cada agente écapaz de decompor o seu problema em sub problemas e de repartir as tarefas associadas. Permite melhor fiabilidade e expansibilidade, mas tem problemas de coerência.


23


Negociação

A negociação representa um papel fundamental em actividades cooperativas dentro de sociedades humanas, permitindo que pessoas resolvam conflitos que possam interferir com comportamento cooperativo.

Os principais elementos utilizados pelos agentes envolvidos no processo de negociação são:

linguagem;protocolo - define a maneira através do qual eles negociam;processo de decisão - determina as suas posições, concessões e critérios utilizados para acordos.

Existem dois tipos de abordagens de negociação:centradas no ambiente ;centradas no agente.


Negociação (Continuação)

Centrado no Ambiente:Foca o problema de “como podem as regras do ambiente serem desenvolvidas para que os agentes nele envolvidos, independentemente das suas origens, capacidades, ou intenções, interajam produtivamente e razoavelmente?”;

O mecanismo de negociação resultante deve possuir as seguintes propriedades:

Eficiência - os agentes não devem desperdiçar recursos para chegar a um acordo;Estabilidade - nenhum agente deve ter um incentivo para desviar das estratégias acordadas;Simplicidade - deve impor baixas procuras computacionais e de largura de banda sobre os agentes;Distribuição - não deve requerer um tomador de decisões centralizado;Simetria - não deve haver diferenciação no tratamento dos agentes por razões arbitrárias ou inapropriadas.


24



Centrado no Agente:Assume que os agentes são economicamente racionais, o conjunto de agentes deve ser pequeno, e necessitam de ter uma linguagem e abstracção do problema comuns, têm que alcançar uma solução comum;

Podem surgir três situações distintas neste tipo de negociação:Conflito - o conjunto de negociações está vazio;Compromisso - agentes preferem trabalhar de maneira isolada, mas

se isto não for possível, chegarão um acordo negociado;Cooperativo - todos os acordos no conjunto de negociações são

preferidos por ambos agentes prioritariamente à realização dos seus objectivos de forma isolada.


Negociação – Contract Net

Uma das abordagens mais usada actualmente é as redes de contrato (Contract Net) que consiste na coordenação das acções dos agentes através de contratos.

Neste processo, agentes coordenam as suas acções através de contratos para cumprir os seus objectivos específicos, onde existe um agente que actua como gerente, em que este decompõe os seus contratos em subcontratos a serem realizados por outros potenciais agentes empreiteiros.


25


Negociação – Contract Net (Continuação)

Da perspectiva do gerente, o processo consiste em:Anunciar uma tarefa que precisa ser executada;Receber e avaliar ofertas de empreiteiros em potencial;Concessão de um contrato para um empreiteiro apropriado;Receber e sintetizar resultados.

A partir da perspectiva do empreiteiro, o processo é:Receber anúncios de tarefas;Avaliar a própria capacidade de resposta;Responder (recusar ou aceitar a oferta);Executar a tarefa se a oferta enviada foi aceite;Enviar resultados ao gerente.



Estrutura de uma negociação entre dois agentes A & B na resolução de conflitos

1. A faz uma proposição.2. B avalia a proposição e

determina o grau de satisfação resultante.

3. Se B for satisfeito parámos aqui. Senão, B elabora uma contra proposição em função dos seus próprios objectivos e restrições.

4. Voltámos ao ponto 2 trocando os papéis de A & B.


26

Fim Parte 1

AgendaPARTE 1

IntroduçãoPorquê sistemas multi-agentes na resolução de problemas?Alguns exemplos na vida realOrigens

Sistemas Multi-AgenteCategorias dos SMAsObjectivos dos SMAsÁreas de Aplicação de SMAsPerspectivas dos SMAs

Perspectiva do AgentePerspectiva do Grupo –Aspectos fundamentais

PARTE 2Aspectos arquitecturais dos SMAs

Aspectos a ter em conta quando se pretende desenvolver SMAsDiversas estruturas nos SMAs

Hierárquica;Nivelada;Agentes compostos por agentes;SMAs compostos por SMAs.

Diversos níveis de aberturaAbertura dinâmica;Abertura estática;Abertura off-line.


27

Agentes dispostos numa estrutura hierárquica.

A comunicação ocorre também de uma forma hierárquica.

Cada agente pode apenas comunicar:Com os agentes por ele supervisionados;Com o seu supervisor.

Estrutura Hierárquica

Estrutura Hierárquica –Características

Vantagens:

Dispensa de mecanismos para localização de agentes.Reduz a quantidade de comunicação existente no sistema.

Inconvenientes:

Não permite uma reorganização dinâmica para melhor atender às necessidades de uma tarefa específica.


28

Estrutura Nivelada

Extensão da estrutura hierárquica.

Cada agente pode também comunicar com outros agentes do mesmo nível.

Aumento da quantidade de comunicação existente no sistema.

Mais possibilidade de reorganização dinâmica para melhor atender as necessidades de tarefas específicas.

Estruturas Compostas

Agentes compostos por agentesExistem agentes que são componentes de outros agentes.

SMAs compostos por SMAsConsidera um SMA composto por vários módulos que, por sua vez, são vistos isoladamente como SMAs.


29

Abertura Dinâmica

Os agentes podem entrar e sair do sistema a qualquer momento.

Não é necessário notificar os outros agentes.

Permite uma maior facilidade de adaptação do sistema em relação às mudanças do ambiente.

Necessita de serviços adicionais para localizar os agentes.O serviço de localização deve ser robusto.Mas para isso exige um elevado nível de processamento.

Exemplo de um SMA com abertura dinâmica: um café.

Abertura Estática

Continua aberto, mas menos dinâmico.

Antes de entrar ou sair agentes, os outros devem ser notificados.

Utilizado geralmente quando se sabe à priori a quantidade de agentes e que tipo de agentes podem entrar no sistema.

Exemplo: um jogo de futebol.


30

Abertura Off-line

Tipo mais restrito em termos de abertura.

O sistema deve ser desactivado para se poder adicionar ou remover novos agentes, reiniciando-se depois o sistema.

Serviços de Infra-estrutura

Alguns SMAs necessitam de serviços para que possam funcionar correctamente:

Serviço de nomes de agentes;Serviço de localização de agentes;Serviço de segurança;Serviços de mobilidade.


31


Serviço de nomesGera os nomes dos agentes.Evita que dois agentes possuam o mesmo nome.

Serviço de localizaçãoÉ necessário quando a existência ou disponibilidade dos agentes não é do conhecimento geral.Implementado geralmente de forma centralizada.

Facilita a implementação.Cria um único ponto de falha maior vulnerabilidade.

Implementação distribuída é mais robusta mas também mais complexa.


Serviço de segurançaAdequado aos sistemas com abertura dinâmica.

Pois não se tem a certeza sobre a identidade dos agentes.E podem entrar no sistema em qualquer momento.

Permitem reduzir os riscos resultantes dessas incertezas.Podem introduzir o conceito de entidades de certificação que emitem certificados assumidos como confiáveis.

Overhead na comunicação e aumento da computação.


32


Serviço de mobilidadeNecessário em sistemas com agentes móveis, nomeadamente nos SMAs compostos por SMAs em que os agentes podem saltar de um para outro.Serviço fornecido através de servidores de mobilidade que permanecem em execução nas máquinas onde é permitido a chegada de novos agentes.

Curiosidade…Muitas das propriedades vistas enquadram-se perfeitamente no contexto dos jogos online

Sistemas com abertura dinâmicaServiços de nome, segurança, etc.

Exemplos?


33

Robustez do sistema

Pretende-se que a falha de um agente não implique a falha de todo o SMA.

Viabilizada através da capacidade de réplicas.Múltiplos agentes com capacidades iguais ou similares.Maior redundância…

Sistemas emergentesEra da descentralização

Até agora:Estudaram-se e desenvolveram-se sistemas organizados por uma entidade centralizada.

Hoje em dia:Estamos entrando na era da descentralização.Estudam-se sistemas organizados sem organizadores.Sistemas coordenados sem coordenadores.


34

Sistemas emergentes (2)Era da descentralização

Esta auto-organização resulta de múltiplas interacções (simples) locais que, como um todo, dão origem a um comportamento global, muitas vezes complexo, que parece ser centralizado.

Os sistemas emergentes surgiram da observação dos insectos sociais (formigas térmitas, etc.).

Sistemas emergentes (3)Inspiração na natureza

As formigas constituem um exemplo de animais muito simples que têm no entanto um comportamento muito complexo.

Pois os formigueiros são muito bem organizados e de construção elaborada.

Por exemplo, no trajecto entre o formigueiro e um local com comida, as formigas utilizam sempre o caminho mais curto.

Como fazem isso?


35

Sistemas emergentes (4)Formigas – O caminho mais curto

Sempre o caminho mais curto. Como ?Elas avançam aleatoriamente até encontrar um rasto deixado por outra formiga do seu formigueiro.Então a formiga irá seguir esse rasto e fará idas e voltas do local de comida até o formigueiro.

E se o rasto for interrompido por um objecto que caiu?A formiga irá novamente caminhar aleatoriamente atéencontrar o rasto.

Sistemas emergentes (5)Formigas – O caminho mais

curto (Continuação)

Elas podem ir pelo lado esquerdo ou pelo lado directo.

As que forem pelo lado esquerda farão mais idas e voltas que aquelas que passam pelo lado direito.

Com o tempo, o rasto do lado esquerdo tornar-se-á mais intenso e o do lado direito tenderá a desaparecer.


36

Sistemas emergentes (6)Formigas – O caminho mais

curto (Continuação)

As formigas irão então todas pelo lado esquerdo indo pelo rasto de maior intensidade.

Desta forma elas utilizam sempre o caminho mais curto.

Sistemas emergentes (7)Formigas – O caminho mais curto (Conclusão)

Só uma formiga é incapaz de encontrar esse caminho mais curto.Estamos perante, a emergência de um novo fenómeno graças a interacção de diferentes formigas entre si.Obtém-se a nível colectivo capacidades superiores àsoma das capacidades individuais.Estes tipos de fenómenos que emergem, deram origem àquilo que se chama de Sistemas Emergentes.


37

Sistemas emergentes (8)Então o que é ?

Nos sistemas emergentes pretende-se:Reproduzir estes tipos de fenómenos;Termos muitos agentes e muito simples (por vezes iguais entre si);Obter a nível colectivo capacidades superiores àsoma das capacidades individuais.

Sistemas emergentes (9)Resolução de problemas – Um exemplo

Consideremos o seguinte problema:Ambiente de muitas folhas espalhadas no chão.Pretende-se juntar todas a folhas num único monte.Esta tarefa seria realizada por vários agentes.

Como resolver este problema ?De forma centralizada com um coordenador ?De forma descentralizada ?Com um sistema multi-agentes homogéneo ?Heterogéneo ?

Este problema aparentemente simples, pode levar a soluções complexas se pensarmos numa solução centralizada.


38

Sistemas emergentes (10)Resolução de problemas – Um exemplo (Continuação)

Uma solução simples para resolver este problema baseia-se naquilo que se observa com as térmitas quando recolhem pedaços de madeira.

Todos os agentes seriam idênticos e extremamente simples;

E não haveria lugar a qualquer centralização;

Pretende-se que o sistema seja auto-organizado, isto é, pretende-se que emerge um comportamento complexo (juntar as folhas num único monte) a partir de muitos agentes simples.

Sistemas emergentes (11)Resolução de problemas – Um exemplo (Continuação)

Como desenvolver os agentes ?Devem ser muito simples e programados da seguinte forma:

1. Inicialmente, cada agente desloca-se no ambiente de forma aleatória atéencontrar uma folha.

2. Quando encontrar uma folha, recolhe a mesma, e continua a deslocar-se aleatoriamente, numa direcção oposta, até encontrar outra folha.

3. Quando encontrar uma outra folha, procura um espaço livre próximo dessa folha e coloca a folha que ele estava carregando nesse local.

4. O agente move-se aleatoriamente numa direcção oposta recomeçando o processo no ponto 1.

Vamos usar o Starlogo para simular o nosso SMAÉ um ambiente de programação muito simples que permite modelar sistemas descentralizados com milhares de agentes.Foi desenvolvido pelo MIT e é utilizado para estudar os sistemas emergentes.


39

Sistemas emergentes (12)Resolução de problemas – Um

exemplo (Continuação)

Inicialmente, as folhas estão dispersas no ambiente.



Passado algum tempo, um monte começa a se formar…


40



… até ficarmos com um único monte.Temos claramente uma estratégia descentralizada.Não existe nenhum agente encarregado.Não há nenhum sítio predeterminado onde deverá ser criado o monte.Cada agente segue um conjunto de regras muito simples.Mas o conjunto de agentes (isto é, o SMA) realiza uma tarefa algo complicada.Emerge portanto uma nova capacidade a nível colectivo.Desenvolveu-se assim um sistema emergente.

Conclusão

Segundo o que foi visto neste documento podemos verificar que o futuro da inteligência artificial passa pelos SMAs devido às suas diversas características e aplicações.

Embora, estes sistemas ainda estejam em desenvolvimento, jáfornecem uma boa solução para os diferentes problemas existentes entre os vários agentes que habitam e evoluem em múltiplos ambientes, nomeadamente, problemas no âmbito da robótica (robocup rescue), cinema (realização de filmes), diversão (robocup), aplicações (algoritmos), entre outros.

Como a sua área envolvente é muito vasta, é difícil sintetizar toda a informação adquirida sobre este assunto num só documento.


41

Exemplos:

RoboCopSoccer Simulator

Massive Sotware

Sistemas Multi-Agentes


42

RoboCup é um projecto internacional de Robótica para promover a Inteligência Artificial, a robótica e campos relacionados.

Este projecto decidiu usar como tópico central de pesquisa o futebol apontando a inovações que possam ser aplicadas a problemas sociais e industriais significativos.

O objectivo final deste projecto é por volta do ano 2050, ter sido desenvolvido uma equipa de Robôs completamente autónomos que consigam ganhar a equipa humana campeã mundial de futebol.

De modo a que uma equipa de robôs possa efectuar um jogo de futebol, énecessário integrar várias tecnologias tais como:

Os princípios de desenho de agentes autónomos;A Colaboração multi-agentes;A percepção de estratégia;Resolução em tempo real;Fusão entre sensores e a robótica.

RoboCup (1) - Introdução

O futebol constitui um grande desafio para a Inteligência Artificial pois:É um jogo colectivo para o qual é preciso mais do que um agente/robô para jogar;Jogam, quer individualmente (cada agente / robô tem de identificar os objectos relevantes, localizar-se e fintar), quer colectivamente (passes, papéis complementares, etc.);O ambiente é dinâmico e adverso com objectos em movimento, sendo alguns deles racionais que jogam contra a tua equipa.

RoboCup (2) - Motivações

Xadrez RoboCupEnvironment Estático DinâmicoState Change Jogam à vez Tempo realInfo. accessibilityCompleto IncompletoControl Central Distribuído

Diferenças no ambiente do jogo de xadrez para o RoboCup


43

Problema padrão para SMA:Desempenho.Cooperação.Aprendizado.Habilidades do agente.

Problema Padrão do RoboCup:Lida com a complexidade do mundo real:

Comportamento reactivo e cognitivo, aquisição de estratégias, planeamento em tempo real, sistemas multi-agentes, visão, decisões estratégicas, controle motor, controle de robôs inteligentes, e muitas outras.

Alto nível de competência para a realização de tarefas, como chutar, interceptar.Colaboração em um problema dinâmico.Característica: promover pesquisas com a oportunidade de demonstrar resultados, na forma de competição num ambiente dinâmico.

RoboCup (3) – Problemas inerentes

Exemplo do Soccer Simulator

Esta prática encontra-se aberta a todos os interessados através de um simples simulador de um jogo de futebol, cujo nome é Soccer Simulator. De notar que esta prática é mais fácil de usar e claro muito mais barata.

Existem os seguintes objectos:Objectos móveis (a bola e os jogadores);Objectos visíveis (balizas, bandeiras e linhas).

O campo de futebol:Objectos bidimensionais. Apresenta um campo virtual (soccer monitor).O tamanho do campo: regras de futebol humano.

comprimento é de 105m;Largura é de 68m;Largura da baliza é dupla, sendo 14.64m;Jogadores e bola são representados como círculos.

RoboCup (4) – Exemplo


44

Exemplo do Soccer Simulator (Continuação)

Algumas Características do Servidor:Sistema cliente-servidor, proporciona um campo virtual;Um cliente é o cérebro do jogador em campo, e controla as acções do jogador;Sistema aberto: Clientes podem ser escritos por algum sistema deprogramação que tem interface UDP/IP;As informações sobre os jogadores visualizados são perdidas, quando as distâncias entre os objectos são longas;Cada jogador possui uma certa energia (stamina);Não sabe a posição exacta de muitos objectos distantes (ruído);A incorrecta sincronização e Incerteza (nem sempre os comandos enviados ao servidor são executados; não garantido que o efeito do comando seja percebido) Inconsistência na informação enviada pelo simulador.

RoboCup (5) – Exemplo

O jogo consiste nos seguintes aspectos:A partida é basicamente controlada pelo módulo juiz.Faltas como obstrução, possibilita que um juiz humano possa marcar.O módulo árbitro controla o jogo da seguinte forma:

Golo;Bola fora de campo;Desobstrução;Controle do modo de jogo;Final do primeiro tempo e final de jogo;

Cada partida pode assumir os vários estados como por exemplo:before_kick_off : jogo parado, aguardando início. time_over: fim de jogo.play_on: quando a bola está em jogo.kick_off_l ou kick_off_r: saída de bola.goal_l ou goal_r: ocorrência de um golo.

Soccer Simulator (1) – O jogo


45

Soccer Simulator (2) –Comunicação Cliente -Servidor

UDP

socket

socket

socket

percepção

acção

Informações Sensoriais:seehearsense_body

Cliente

Cliente

Cliente

...

Comandos de Acção:kickdashturnturn_neckmovecatch

SS (3) – Sistema Multi-Agente

Agentes

Comportamento(GK)

SMA


46

Sistemas Multi-AgentesSS (4) – Arquitectura Proposta

Agente

Socket UDP

Acção

variáveis de controle

Informação Sensorial

simulador

Escolhada Acção

Percepçãodo Mundo

Interfacede Entrada Interface

de Saída

SS (5) – Arquitectura Proposta (1)

Interface de entrada: Recebe a percepção.

Interface de Saída: Controlo das acções de saída; Envia a acção e Previsão.

Percepção do Mundo:•Parser;•Modelo do Mundo;•Memória;•Variáveis de Controlo.

Escolha de acção: Regras de decisão; Conjunto de Condição/Acção.


47

SS (6) – Exemplo da escolha de Acção

SS (7) – Mostra de um jogo


48

Inconsistência nas informações sensoriais;

Incerteza;

Comandos enviados X comandos executados;

Informação de percepção;

Sincronização:controlo dos ciclos;

Documentaçãoboa com relação a RoboCup e aos clientes;difícil com relação ao Soccer Server (manual).

RoboCup (6) – Dificuldades

Robôs para desenvolver tarefas perigosas.Robôs de pesquisa e Resgate. Futuros sistemas de transporte.Robôs de brinquedo.Robôs para socorrer idosos e deficientes.Robôs para trabalhar na indústria.Baterias de alta eficiência e uso de energia.Novos materiais e aparelhos.Evolução de Software.Vida Artificial.

RoboCup (7) – Possibilidades Futuras


49

http://www.geocities.com/igoryepes/agentes.htm#SMA

http://www.geocities.com/igoryepes/agentes.htm#Aplic

http://www.cin.ufpe.br/~compint/aulas-IAS/ias/ias-031/tr014.pdf

http://www.c5.cl/tise97/trabajos/trabajo3/

http://paginas.fe.up.pt/~eol/MARSiMA/RELATORIO/Teoria.html

http://66.102.9.104/search?q=cache:tZQSEaxg-W4J:www.seama.edu.br/mmodolo/SistInt/Areas_da_Inteligencia_Artificial_2.doc+multiagentes+origens&hl=pt-PT

Referências Bibliográficas (1)

http://www.lti.pcs.usp.br/moise/doc/orgSMA-slides-jaia-2003-Jaime.pdf

http://www.lti.pcs.usp.br/moise/doc/orgSMA-jaia-2003.pdf

http://www.inf.ufrgs.br/~pjaques/papers/dissertacao/cap3.htm

http://www.teses.usp.br/teses/disponiveis/3/3141/tde-19022002-105352/publico/marciaItoDissertacao.pdf

Referências Bibliográficas (2)


50

Exemplo – Massive software

O software Massive

Multiple agent simulation system in virtual environmentCriado imaginando-o com uma vida artificial e não apenas como um sistema de animação de multidõesCada personagem representa um agente que escolhe as suas próprias acções em função

Das suas percepções do ambienteDo seu conhecimentoDa sua especialização

Não há lugar a decisão centralizada, cada agente é autónomoCada um deles tomam cerca de 24 decisões por segundo


51

Exemplo – Massive software

O Software Massive:

Multiple agent simulation system in virtual environment.Criado imaginando-o como uma vida artificial e não apenas como um sistema de animação de multidões.Cada personagem representa um agente que escolhe as suas próprias acções em função:

Das suas percepções do ambiente;Do seu conhecimento;Da sua especialização;

Não há lugar a decisão centralizada, cada agente é autónomo.Cada um deles tomam cerca de 24 decisões por segundo.

E na prática, para que serve ?Caso de estudo – Massive software (2)

Dezenas de milhares de combatentes.Realismo surpreendente:

Os estaladiços metálicos provocados pelas armaduras e equipamentos ouvem-se perfeitamente e foram reproduzidos com exactidão;Igualmente para a ressonância dos passos da armada.

Como realizaram estas cenas?Infografia.Cenários mágicos com muita decoração.

Isso não chega para animar estas gigantescas batalhas com dezenas de milhares de humanos, orcs, eflos, etc


52


Os agentes têm:Uma representação do seu ambiente;Sentidos: visão, audição, tacto, até mesmo olfacto;Um carácter (agressividade, medo, força);Características pessoais (raça, tamanho, morfologia).

Cada agente pode:Andar, correr, saltar, lutar;Encontrar, identificar e iniciar o combate com o inimigo;Ganhar e viver ou então perder e morrer;

Com isto tudo consegue-se:O comportamento de um combatente não é previsível:

Durante um combate, um humano responde a um ataque pegando na sua espada:

Depois de quando tempo ? Em que preciso momento ?Ele vai avançar ? Recuar ? Ou ainda ir para o lado ?

Quando os soldado da terra média ataquem, eles emitem gritos e um ruído que têm uma incidência directa sobre a moral dos seus adversários.


Todos esses detalhes foram tomados em consideração e implementados neste software.

No Massive, o cérebro de cada combatente é constituído por 6000 à8000 nós lógicos.

A lógica difusa é utilizada para tomar decisões a partir dessas informações.

Embora o desfecho da batalha é predeterminado, cada combatente é autónomo nas suas acções.


53


Os SMAs revolucionaram o mundo do cinema.Deixa de ser necessário uma logística gigantesca.

Figurantes, costumes.Acabam-se os problemas com imprevisões do estado do tempo durante as filmagens.

Porquê desenvolver SMAs?Para quem não ficou convencido…

Uma licença do software Massive custa cerca de 40000$...

inteligência artificial - umacee.uma.pt/edu/iia/acetatos/iia-sma-peb.pdf · inteligência...

Documents