Sistemas InteligentesSistemas Inteligentes

Aula: Agentes Baseados em LógicaFlávia BarrosPatrícia Tedesco

1

Ao final desta aula, a gente Ao final desta aula, a gente devedeve

Entender como funciona a Lógica Proposicional

Entender como transformar Conhecimento em Ação

2

Bem-vindos ao “Mundo do Bem-vindos ao “Mundo do Wumpus”Wumpus”

3

Wumpus

Agente caçador de tesouros

O Mundo do Wumpus: O Mundo do Wumpus: formulação do problema formulação do problema Ambiente:

◦ paredes, Wumpus, cavernas, buracos, ouroEstado inicial:

◦ agente na caverna (1,1) com apenas uma flecha◦ Wumpus e buracos em cavernas quaisquer

Objetivos:◦ pegar a barra de ouro & ◦ voltar à caverna (1,1) com vida

4

O Mundo do Wumpus: O Mundo do Wumpus: formulação do problemaformulação do problemaPercepções:

◦ fedor ao redor do Wumpus◦ vento ao redor dos buracos◦ brilho do ouro - apenas na caverna onde ele está◦ choque contra a parede da caverna◦ grito do Wumpus quando ele morre

5

O Mundo do Wumpus: O Mundo do Wumpus: formulação do problemaformulação do problemaAções do agente:

◦ avançar para próxima caverna◦ girar 90 graus à direita ou à esquerda◦ pegar o ouro na mesma caverna onde o agente

está◦ atirar na direção para onde está olhando

a flecha pára quando encontra uma parede ou mata o Wumpus

◦ sair da caverna

6

Raciocinando e Agindo no Raciocinando e Agindo no Mundo do WumpusMundo do WumpusConhecimento do agente:

(a) no início do jogo, depois de receber sua primeira percepção , e (b) depois do 1o movimento, com a seqüência de percepções

[nada,vento,nada,nada,nada]

8

1

2

3

41 2 3

4

ok

ok

okA 1

2

3

41 2 3

4

okA

ok

CV vok

B?

B?

CV - caverna visitada

(a) (b)

Raciocinando e Agindo no Raciocinando e Agindo no Mundo do WumpusMundo do WumpusEstando em (2,2), o agente move-se para (2,3) e

encontra o ouro!!!

9

1

2

3

41 2 3

4

ok

Afok

CV CVvok

B!

W!

ok

1

2

3

41 2 3

4

ok

A

fok

CV CVv ok

B!

W!

CVok

CVf v b

B?

B?CV - caverna visitada

Mundo de WumpusMundo de WumpusTipo do ambienteTipo do ambiente

Observável ou não?Determinista ou Estocástico? Episódico ou Não-Episódico? Estático ou Dinâmico ?Discreto ou Contínuo ?

10

Mundo de WumpusMundo de WumpusTipo do ambienteTipo do ambiente

Observável ou não-observávelDeterminista ou estocástico Episódico ou Não-EpisódicoEstático ou DinâmicoDiscreto ou Contínuo

11

Mundo de Wumpus Mundo de Wumpus Arquiteturas do agenteArquiteturas do agente

Agente puramente reativoAgente reativo com estado interno

(autômato) Agente cognitivo (baseado em

objetivos)Agente otimizadorAgente adaptativo

12

Mundo de Wumpus Mundo de Wumpus Agente puramente reativo Agente puramente reativo

Exemplo de regra de reação◦ IF percepçãoVisual = brilho THEN ação = pegar

Limitações do agente reativo puro ◦ um agente ótimo deveria:

recuperar o ouro ou determinar que é muito perigoso pegar o ouro e em qualquer dos casos acima, voltar para (1,1) e sair da

caverna.◦ Um agente reativo nunca sabe quando parar

estar com o ouro e estar na caverna (1,1) não fazem parte da sua percepção (se pegou, esqueceu).

esses agentes podem entrar em laços infinitos.13

Mundo de Wumpus Mundo de Wumpus Agente reativo com estado Agente reativo com estado internointerno

Regras associando indiretamente percepção com ação pela manutenção de um modelo do ambiente◦ Ação a realizar agora depende da percepção atual +

anteriores + ações anteriores... Motivação para guardar estado do ambiente

◦ O ambiente inteiro não é acessível no mesmo momento O agente só vê o interior da caverna quando esta dentro dela

◦ Percepções instantâneas iguais podem corresponder a estados diferentes ex. o agente sem estado interno não sabe quais são as

cavernas já visitadas...14

Agente reativo com estado Agente reativo com estado internointernoTipos de regras – Tipos de regras – geral...geral...

Além das regras de reação◦ Sempre precisamos delas...

Precisamos de novas regras para atualização do modelo do ambiente◦ percepção modelo modelo’◦ modelo’ modelo’’

só quando o modelo se atualiza sozinho (via inferência)

◦ modelo’’ ação◦ ação modelo’’ modelo’’’

15

Mundo de Wumpus Mundo de Wumpus Agente reativo com estado Agente reativo com estado internointerno

Regras percepção modelo modelo’◦ IF percepçãoVisual no tempo T = brilho

AND localização do agente no tempo T = (X,Y)THEN localização do ouro no tempo T = (X,Y)

Regras modelo modelo’ ◦ IF agente está com o ouro no tempo T

AND localização do agente no tempo T = (X,Y)THEN localização do ouro no tempo T = (X,Y)

16

Mundo de Wumpus Mundo de Wumpus Agente reativo com estado Agente reativo com estado internointernoRegras modelo ação

◦ IF localização do agente no tempo T = (X,Y) AND localização do ouro no tempo T = (X,Y) THEN ação escolhida no tempo T = pegar

Regras ação modelo modelo’◦ IF ação escolhida no tempo T = pegar

THEN agente está com o ouro no tempo T+1

17

Mundo de Wumpus Mundo de Wumpus Agente reativo com estado Agente reativo com estado internointernoDesvantagens desta arquitetura:

◦ Oferece autonomia, mas não muita◦ Não tem objetivo explicito◦ Não pensa no futuro (além da ação imediata)

Ex. pode entrar em loop se as regras não forem bem projetadas

18

Agente cognitivo Agente cognitivo (baseado em objetivo)(baseado em objetivo)

19

Ambiente

Sensores

Atuadores

Modelo dos ambientespassados e atual

Interpretadorde percepção

Escolhedor de ação

Atualizadordo modelo

do ambiente

Preditorde ambientes

futurosModelo de ambientes

futuros hipotéticos

ObjetivosAtualizadordo objetivos

Agente CognitivoAgente Cognitivo Funcionamento geral Funcionamento geral

Associação entre percepção e ação◦ Mediada por modelo do ambiente e objetivo do

agente◦ Pode envolver encadear regras para construir

plano multi-passo necessário para atingir objetivo a partir de modelo Ex. matar o Wumpus para poder atravessar a caverna

onde ele esta e então pegar o ouro (objetivo)

20

Agente CognitivoAgente Cognitivo Funcionamento geral Funcionamento geral

Capaz de lidar com os 5 tipos de regras do agente reativo com estado interno, além de 2 novos tipos de regras:◦ Regras: objetivo modelo ação◦ Regras: objetivo modelo objetivo’

Trata o objetivo explicitamente e pode pensar no futuro!!!!

Porém... não trata objetivos conflitantes◦ ex. pegar o ouro pelo caminho mais curto, seguro,

rápido◦ Isso fica para o Agente baseado em utilidade

21

Mundo de Wumpus - Agente Mundo de Wumpus - Agente CognitivoCognitivoRegras objetivo Regras objetivo modelo modelo ação - I ação - I

O agente escolhe um caminho para o objetivo◦ IF objetivo do agente no tempo T é estar na

localidade (X,Y) AND agente está em (X-1, Y-1) no tempo T-N AND sabe que localidade (X,Y-1) é segura no tempo T-NAND sabe que localidade (X,Y) é segura no tempo T-NTHEN escolha ação Vá-para (X,Y) via (X,Y-1)

22

Mundo de Wumpus - Agente Mundo de Wumpus - Agente CognitivoCognitivoRegras objetivo Regras objetivo modelo modelo ação - II ação - II

O agente pode variar a escolha conforme o objetivo, como não matar o wumpus para pegar logo o ouro◦ IF objetivo do agente é pegar o ouro AND agente está em (X-1, Y) no tempo T

AND sabe que o ouro está na localidade (X,Y) AND sabe que localidade (X,Y) é segura no tempo T

AND sabe que o Wumpus está na localidade (X-1,Y+1) no tempo T AND sabe que o agente tem uma flecha no tempo TTHEN escolha ação Vá-para (X,Y)

23

Mundo de Wumpus - Agente Mundo de Wumpus - Agente CognitivoCognitivo Regras objetivo Regras objetivo modelo modelo objetivo’ objetivo’ Se o agente queria estar com o ouro e

conseguiu, atualizar objetivo para “ir para (1,1)”◦ IF objetivo do agente no tempo T é estar com o

ouro no tempo T+N AND agente está com o ouro no tempo T+1 THEN atualize o objetivo do agente no tempo T+1 para objetivo = (1,1) no tempo T+M

24

Formalização de Agentes Formalização de Agentes Baseados em Lógica Baseados em Lógica ProposicionalProposicional

25

Um Agente-BC Proposicional Um Agente-BC Proposicional para o para o Mundo do WumpusMundo do WumpusA Base de Conhecimento consiste em:

◦Sentenças representando as percepções do agente

◦Sentenças válidas implicadas a partir das sentenças das percepções Sentença válida: verdadeira sob qualquer

interpretação◦Regras de inferência utilizadas para implicar

novas sentenças a partir das sentenças existentes

26

Um Agente-BC para o Um Agente-BC para o Mundo do WumpusMundo do WumpusSímbolos:

◦ Ax-y significa que “o agente está na caverna (x,y)”◦ Bx-y significa que “existe um buraco na caverna (x,y)”◦ Wx-y significa que “o Wumpus está na caverna (x,y)”◦ Ox-y significa que “o ouro está na caverna (x,y)”◦ vx-y significa que “existe vento na caverna (x,y)”◦ fx-y significa que “existe fedor na caverna (x,y)”◦ bx-y significa que “existe brilho na caverna (x,y)”

27

Base de Conhecimento para o Base de Conhecimento para o Mundo do WumpusMundo do Wumpus

Com base nas percepções do estado abaixo, o modelo do ambiente (memória de trabalho) deverá conter as seguintes sentenças:

28

CV - caverna visitada

1

2

3

41 2 3

4

ok

okAf

ok

CV CVvok

B!

W!fvfvfv

Base de Conhecimento para o Base de Conhecimento para o Mundo do WumpusMundo do WumpusO agente também tem algum conhecimento prévio

sobre o ambiente, e.g.:◦ se uma caverna não tem fedor, então o Wumpus não

está nessa caverna, nem está em nenhuma caverna adjacente a ela.

O agente terá uma regra para cada caverna no seu ambienteR1: fWWW

R2: fWWWW

R3: fWWWW

29

Base de Conhecimento para o Base de Conhecimento para o Mundo do WumpusMundo do WumpusO agente também deve saber que, se existe

fedor em (1,2), então deve haver um Wumpus em (1,2) ou em alguma caverna adjacente a ela:R4: fWWWW

30

Como Encontrar o Wumpus ?Como Encontrar o Wumpus ?O Wumpus está em (1,3). Como provar isto?

◦ O agente precisa mostrar que BC Wé uma sentença válida:

(1) construindo a Tabela-Verdade para a sentença existem 12 símbolos proposicionais na BC, então a

Tabela-Verdade terá 12 colunas...

F11, F12, F21, W11, W12, W13,v12, v21….

(2) usando regras de inferência!

31

2 409612

Lógica Proposicional: Regras Lógica Proposicional: Regras de Inferênciade InferênciaModus Ponens:E-eliminação:E-introdução:Ou-introdução:Eliminação de dupla negação:Resolução unitária:Resolução:

32

,

i

n

...21

n

n

...

,...,,

21

21

n

i

...21

,,

,

diz que a sentença pode ser derivada de por inferência.

Como Encontrar o Wumpus - Como Encontrar o Wumpus - Inferência!Inferência!Inicialmente, vamos mostrar que o Wumpus não está

em nenhuma outra caverna, e então concluir, por eliminação, que ele está em (1,3).1. Aplicando Modus Ponens a feR1obtemos

WWW

2. Aplicando E-eliminação a (1), obtemos três sentenças isoladas:WWW

3. Aplicando Modus Ponens a feR2e em seguida aplicando E-eliminaçãoobtemosWWWW

33

Como Encontrar o Wumpus - Como Encontrar o Wumpus - Inferência!Inferência!

4. Aplicando Modus Ponens a feR4obtemosWWW2-W

5. Aplicando Resolução Unidade, onde é WWWe é Wobtemos (do passo 2, temos WWWW

6. Aplicando Resolução Unidade, onde é WWe é WobtemosWW

7. Aplicando Resolução Unidade, onde é We é WobtemosW

34

Transformando Conhecimento Transformando Conhecimento em Açõesem Ações

Objetivo◦ Definir regras que relacionem o estado atual do

mundo às ações que o agente pode realizarAções do agente (relembrando):

◦ avançar para próxima caverna◦ girar 90 graus à direita ou à esquerda◦ pegar um objeto na mesma caverna onde o agente está◦ atirar na direção para onde está olhando

a flecha pára quando encontra uma parede ou mata o Wumpus

◦ sair da caverna

35

Transformando Conhecimento Transformando Conhecimento em Açõesem AçõesExemplo de Regra:

◦ o agente está na caverna (1,1) virado para a direita, e

◦ o Wumpus está na caverna (2,1), então:A1-1 Dir W2-1 avançar

Com essas regras, o agente pode então perguntar à BC que ação ele deve realizar:◦ devo avançar?◦ devo girar para a esquerda?◦ devo atirar?, etc...

36

Problemas com o Problemas com o Agente ProposicionalAgente Proposicional

Problema: existem proposições demais a considerar◦ ex.: a regra: “não avance se o Wumpus estiver em

frente a você“ só pode ser representada com um conjunto de 64 regras. Se o agente executar 100 passos, a BC terá 6400

regras apenas para dizer que ele não deve avançar quando o Wumpus estiver em frente a ele.

◦ Assim, serão necessárias milhares de regras para definir um agente eficiente, e o processo de inferência ficará muito lento.

37

Problemas com o Problemas com o Agente ProposicionalAgente Proposicional

Outro problema: domínios dinâmicos!◦Quando o agente faz seu primeiro movimento,

a proposição A1-1 torna-se falsa e A2-1 torna-se verdadeira.

◦Soluções??? não podemos apenas “apagar” A(1,1) porque o

agente precisa saber onde esteve antes. usar símbolos diferentes para a localização do

agente a cada tempo T => a BC teria que ser “reescrita” a cada tempo T.

38

Problemas com o Problemas com o Agente ProposicionalAgente Proposicional

Conclusão◦a expressividade da Lógica Proposicional é

fraca demais para nos interessar◦com a Lógica de Primeira Ordem, 64 regras

proposicionais do agente Wumpus seriam reduzidas a 1

39

Lógica de Primeira Ordem - Lógica de Primeira Ordem - LPOLPOÉ um formalismo de referência para

representação de conhecimento ◦o mais estudado e o melhor formalizado

Satisfaz em grande parte os seguintes critérios:◦adequação representacional

permite representar o mundo (expressividade)◦adequação inferencial

permite inferência◦eficiência aquisicional

facilidade de adicionar conhecimento◦modularidade

40

Engajamento OntológicoEngajamento Ontológico Natureza da realidade, descrição do mundoNa Lógica Proposicional, o mundo consiste em fatos.Na Lógica de Primeira Ordem, o mundo consiste em:

◦ objetos: “coisas” com identidade própria ex. pessoas, casas, Wumpus, caverna, etc.

◦ relações entre esses objetos ex. irmão-de, tem-cor, parte-de, adjacente, etc.

◦ propriedades (que distinguem esses objetos) ex. vermelho, redondo, fundo, fedorento, etc.

◦ funções: um ou mais objetos se relacionam com um único objeto ex. dobro, distância, pai_de, etc.

41

Engajamento OntológicoEngajamento OntológicoAlém disso, a LPO exprime:

◦ fatos sobre todos objetos do universo ()◦ fatos sobre objetos particulares ()

Exemplos:◦ 1 + 1 = 2

objetos: 1, 2; relação: =; função: +.◦ Todas as Cavernas adjacentes ao Wumpus são

fedorentas. objetos: cavernas, Wumpus; propriedade: fedorento;

relação: adjacente.A LPO não faz engajamentos ontológicos para tempo,

categorias e eventos...◦ neutralidade favorece flexibilidade 42

Engajamento EpistemológicoEngajamento Epistemológico Estados do conhecimento (crenças)A LPO tem o mesmo engajamento

epistemológico que a lógica proposicional◦tudo é verdadeiro ou falso

Para tratar incerteza, usamos◦Outras lógicas (n-valoradas, fuzzy, para-

consistente, etc.) ◦Probabilidade

43

ResumoResumo

44

Linguagem Engajamento Ontológico

Engajamento Epistemológico

L. Proposicional Fatos V, F, ?

LPO Fatos, objetos, relações

V, F, ?

L. Temporal Fatos, objetos, relações, tempo

V, F, ?

Probabilidade Fatos Grau de crença: 0-1

L. Difusa Grau de verdade sobre fatos,

objetos, relações

Grau de crença: 0-1

Sistema Formal em Sistema Formal em LPOLPO

Cálculo = Cálculo de Predicados

Teoria

Linguagem= LPO

Regras de derivação= regras de inferência

sintaxe + semântica

Teoremas = fatos derivados(axiomas + regras de derivação)

Axiomas= fatos + regras

diacrônicassíncronas

causais de diagnóstico

Base de Conhecimento = fatos e regras básicos (só axiomas!)Memória de Trabalho = fatos particulares à instância do problema e fatos derivadosMáquina de Inferência = regras de inferência

Propriedades da Inferência LógicaPropriedades da Inferência Lógica

Corretude◦ gera apenas sentenças válidas

Composicionalidade◦ o significado de uma sentença é função do de suas partes

Monotonicidade◦ Tudo que era verdade continua sendo depois de uma

inferênciaLocalidade

◦ inferência apenas com comparações locais (porção da BC).

Localidade e composicionalidade ---> modularidade ---> reusabilidade e extensibilidade

46

Agentes baseados em LPOAgentes baseados em LPO

47

Agentes baseados em LPOAgentes baseados em LPO

48

Representando sentenças no mundo:Pedro possui um cachorro.Todo dono de cachorro é um protetor dos animais.Nenhum protetor dos animais mata um animal.

Representando sentenças na Lógica:x cachorro(x) possui(Pedro,x)x y (cachorro(y) possui(x,y)) protetorAnimais(x)x protetorAnimais(x) y animal(y) mata(x,y)

Agentes baseados em LPOAgentes baseados em LPOBase de Conhecimento

◦ fatos e regras básicos, gerais, permanentes (só axiomas!) (x,z) Avó(x,z) (y) Mãe(x,y) (Mãe(y,z) Pai(y,z))

Memória de Trabalho ◦ fatos particulares à instância do problema (axiomas)

Pai(Caetano,Zeca), Mãe(Canô, Caetano)◦ e fatos derivados (teoremas)

Avó(Canô, Zeca)Máquina de Inferência

◦regras de inferência49

Relembrando...Relembrando...Raciocínio regressivo ou Raciocínio regressivo ou progressivoprogressivo

Primeiros passos1. Armazenar as regras da BC na máquina de

inferência (MI) e os fatos na memória de trabalho (MT)

2. Adicionar os dados iniciais à memória de trabalho

50

Agentes baseados em LPOAgentes baseados em LPO função Agente-BC(percepção) retorna uma ação

TellTell(MT, Percepções-SentençaPercepções-Sentença(percepção,t))ação AskAsk(MT, Pergunta-AçãoPergunta-Ação(t))TellTell(MT, Ação-SentençaAção-Sentença(ação,t))t t + 1retorna ação

Onde...◦ MT – memória de trabalho◦ função Pergunta-Ação Pergunta-Ação cria uma query como: a Ação(a,6)◦ função ASKASK devolve uma lista de instanciações:

{a / Pegar} - Pegar é atribuída à variável ação.◦ função TELLTELL grava a ação escolhida na memória de trabalho.

51

Agentes baseados em LPOAgentes baseados em LPO Como a função ASK responde as queries

◦Quantificador : a resposta é booleana ASK(BC, Irmã(Betânia,Caetano)) -> true ASK(BC, x (Irmã(x,Caetano) Cantora(x))) -> false

◦Quantificador : a resposta é uma lista de instanciações/substituições de variáveis - binding ASK (BC, x Irmã(x,Caetano)) -> {x/Betânia,x/Irene} ASK (BC, x (Irmã(x,Caetano) Cantora(x))) -> {x/Betânia}

52

Hipótese do Mundo FechadoHipótese do Mundo FechadoTudo que não estiver presente na

base é considerado falsoIsto simplifica (reduz) a BC

◦Ex. Para dizer que a população dos países Nova Zelândia, África do Sul, Irlanda e França gostam do jogo Rugby, não precisa explicitamente dizer que os outros não gostam...

53

Agentes LPO para o Mundo Agentes LPO para o Mundo do Wumpusdo Wumpus

54

Um Agente LPO para o Um Agente LPO para o Mundo do WumpusMundo do WumpusInterface entre o agente e o ambiente:

◦sentença de percepções, que inclui as percepções e o tempo (passo) em que elas ocorreram e.g.: Percepção ([Fedor, Vento, Brilho, nada(~choque),

nada(~grito)], 6)

Ações do agente:◦Girar(Direita), Girar(Esquerda), Avançar,

Atirar, Pegar, Soltar e Sair das cavernas55

Um Agente LPO para o Um Agente LPO para o Mundo do WumpusMundo do Wumpus

Três arquiteturas de Agentes baseados em LPO:◦Agente reativo◦Agente com Modelo do Mundo ◦Agente baseado em Objetivo

56

Agente reativo baseado em Agente reativo baseado em LPOLPOPossui regras ligando as seqüências de percepções a

ações◦ Essas regras assemelham-se a reações f,v,c,g,t Percepção([f,v, Brilho,c,g], t) Ação(Pegar, t)

Essas regras dividem-se entre ◦ Regras de (interpretação) da percepçãov,b,c,g,t Percepção([Fedor,v,b,c,g], t) Fedor (t)f,b,c,g,t Percepção([f,Vento,b,c,g], t) Vento (t)f,v,c,g,t Percepção([f,v,Brilho,c,g], t) Junto-do-Ouro (t)

. . .◦ Regras de açãot Junto-do-Ouro (t) Ação(Pegar, t)

57

Limitações do agente reativo Limitações do agente reativo puropuro

Como já vimos, um agente reativo puro nunca sabe quando parar◦estar com o ouro e estar na caverna (1,1) não

fazem parte da sua percepção se pegou, esqueceu

◦esses agentes podem entrar em laços infinitos.

Para ter essas informações, o agente precisa guardar uma representação do mundo.

58

Agentes LPO com Estado Agentes LPO com Estado InternoInternoGuardando modelo interno do mundo (MT)

◦sentenças sobre o estado atual do mundo “agente está com o ouro”

◦O modelo será atualizado quando O agente receber novas percepções e realizar ações ex. o agente pegou o ouro,..

Questão◦Como manter, com simplicidade, o modelo do

mundo corretamente atualizado?

59

Representando Mudanças no Representando Mudanças no MundoMundo Como representar as mudanças?

◦ Ex., “O agente foi de [1,1] para [1,2]”1. Apagar da MT sentenças que já não são verdade

ruim: perdemos o conhecimento sobre o passado, o que impossibilita previsões de diferentes futuros.

2. Cada estado é representado por uma BC/MT diferente: ruim: pode explorar situações hipotéticas, porém não

pode raciocinar sobre mais de uma situação ao mesmo tempo. ex. “existiam buracos em (1,2) e (3,2)?”

60

Tipos de regrasTipos de regrasQue definem o tipo de sistema construído...

61

Regras síncronas causaisRegras síncronas causaisRegras Causais assumem causalidade

◦algumas propriedades no mundo causam certas percepções.

◦Exemplos as cavernas adjacentes ao Wumpus são fedorentas : loc1, loc2,s Em (Wumpus,loc1,s) Adjacente(loc1,loc2)

Fedorento (loc2) Se choveu, a grama está molhada

◦Sistemas que raciocinam com regras causais são conhecidos como Sistemas Baseados em Modelos.

62

Regras síncronas de Regras síncronas de diagnósticodiagnósticoRegras de Diagnóstico:

◦ Raciocínio abdutivo: supõe a presença de propriedades escondidas a partir das percepções do agente

◦ Ex., a ausência de fedor ou Vento implica que esse local e os adjacentes estão OK loc1,loc2,b,g,c,s Percepção ([nada, nada, b,g,c],s)

Em (Agente,loc1,s) Adjacente(loc1,loc2) OK(loc2) se a grama está molhada, então é porque o aguador ficou

ligado◦Sistemas que raciocinam com regras de

diagnóstico são conhecidos como Sistemas de Diagnóstico

63

Tipos de regrasTipos de regrasAtenção:

◦Não se deve misturar numa mesma BC regras causais e de diagnóstico!!!

◦se choveu é porque o aguador estava ligado...

64

Sistema de Ação-ValorSistema de Ação-Valor

Modularidade das RegrasAdequação das regras

65

Modularidade das RegrasModularidade das RegrasAs regras que definimos até agora não são

totalmente modulares◦mudanças nas crenças do agente sobre algum

aspecto do mundo requerem mudanças nas regras que lidam com outros aspectos que não mudaram

Para tornar essas regras mais modulares, separamos fatos e regras sobre ações de fatos e regras sobre objetivos◦assim, o agente pode ser “reprogramado”

mudando-se o seu objetivo quando necessário66

Modularidade das RegrasModularidade das Regras Ações descrevem como alcançar

resultados. Objetivos descrevem a adequação

(desirability) de estados resultado◦não importando como foram alcançados.

Assim, descrevemos a adequação das regras e deixamos que a máquina de inferência escolha a ação mais adequada

67

Adequação das RegrasAdequação das RegrasAções podem ser

◦ ótimas, boas, médias, arriscadas ou mortais.◦ Escala, em ordem decrescente de adequação

Assim, pode-se escolher a ação mais adequada para a situação atual ◦ meta regras que determinam a prioridade de execução das regras –

desempate◦ a,s Ótima(a,s) Ação(a,s)◦ a,s Boa(a,s) ( b Ótima(b,s)) Ação(a,s)◦ a,s Média(a,s) ( b (Ótima(b,s) Boa(b,s) )) Ação(a,s)◦ a,s Arriscada(a,s) ( b (Ótima(b,s) Boa(b,s)

Média(a,s))) Ação(a,s)68

Adequação das RegrasAdequação das RegrasEssas regras são gerais, e podem ser

usadas em situações diferentes:◦ uma ação arriscada na situação S0

onde o Wumpus está vivo◦ pode ser ótima na situação S2

quando o Wumpus já está morto

Sistema de Ação-Valor ◦ Sistema baseado em regras de adequação◦ Não se refere ao que a ação faz, mas a quão

desejável ela é.69

Sistema de Ação-ValorSistema de Ação-ValorPrioridades do agente até encontrar o ouro:

◦ ações ótimas: pegar o ouro quando ele é encontrado, e sair das cavernas.

◦ ações boas: mover-se para uma caverna que está OK e ainda não foi visitada.

◦ ações médias: mover-se para uma caverna que está OK e já foi visitada.

◦ ações arriscadas:mover-se para uma caverna que não se sabe com certeza que não é mortal, mas também não é OK

◦ ações mortais: mover-se para cavernas que sabidamente contêm buracos ou o Wumpus vivo.

70

Agentes Baseados em Agentes Baseados em ObjetivosObjetivosO conjunto de regras de adequação (ações-valores) é

suficiente para prescrever uma boa estratégia de exploração inteligente das cavernas◦ quando houver uma seqüência segura de ações , ele

acha o ouro Depois de encontrar o ouro, a estratégia deve

mudar...◦ novo objetivo: estar na caverna (1,1) e sair.

s Segurando(ouro,s) LocalObjetivo ([1,1],s)A presença de um objetivo explícito permite que o

agente encontre uma seqüência de ações que alcançam esse objetivo

71

Como encontrar seqüências de Como encontrar seqüências de açõesações(1) Inferência:

◦Idéia: escrever axiomas que perguntam à BC/MT uma seqüência de ações que com certeza alcança o objetivo.

◦Porém, para um mundo mais complexo, isto se torna muito caro como distinguir entre boas soluções e soluções mais

dispendiosas (onde o agente anda “à toa” pelas cavernas)?

72

Como encontrar seqüências de Como encontrar seqüências de açõesações

(2) Planejamento◦ utiliza um sistema de raciocínio dedicado, projetado para

raciocinar sobre ações e conseqüências para objetivos diferentes.

73

ficar rico e feliz

pegar o ouro

ações e conseqüênciasações e conseqüências ações e conseqüênciasações e conseqüências

sair das cavernas