a gentes patricia tedesco 1 o que É um a gente ? qualquer entidade (humana ou artificial) que:...
TRANSCRIPT
1
AGENTES Patricia Tedesco
3
O QUE É UM AGENTE?
Qualquer entidade (humana ou artificial) que:está imersa ou situada em um ambiente
(físico, virtual/simulado) percebe seu ambiente através de sensores (ex.
câmeras, microfone, teclado,...)age sobre ele através de atuadores (ex. vídeo,
auto-falante, impressora, braços, ftp, ...)possui objetivos próprios
explícitos ou implícitosescolhe suas ações em função das suas
percepções para atingir seus objetivos
4
O QUE É UM AGENTE RACIONAL
Agente Racional faz a melhor coisa possívelsegue o princípio da racionalidade:
dada uma seqüência perceptiva, o agente escolhe, segundo seus conhecimentos, as ações que melhor satisfazem seu objetivo
Racionalidade ¹ Onisciência Limitações de:
sensoresatuadoresraciocinador (conhecimento, tempo, etc.)
5
PROPRIEDADES ASSOCIADAS AOS AGENTES
Autonomia de raciocínio (IA):Requer máquina de inferência e base de
conhecimentoEssencial em sistemas especialistas,
controle, robótica, jogos, agentes na internet ...
Adaptabilidade (IA):Capacidade de adaptação a situações novasDuas implementações
aprendizagem e/ou programação declarativaEssencial em agentes na internet, interfaces
amigáveis ...
6
OUTRAS PROPRIEDADES FREQÜENTEMENTE ASSOCIADAS AOS AGENTES
Comunicação & Cooperação (Sociabilidade): IA + técnicas avançadas de sistemas distribuídos:
Protocolos padrões de comunicação, cooperação, negociação
Raciocínio autônomo sobre crenças e confiabilidade Arquiteturas de interação social entre agentes
Essencial em sistemas multi-agente, comércio eletrônico, ...
Personalidade: IA + modelagem de atitudes e emoções Essencial em entretenimento digital, realidade
virtual, interfaces amigáveis ...
EXEMPLO: AGENTE DE POLÍCIA
Ambiente
Agenteraciocínio
Conhecimento:- leis- comportamento dos indivíduos,...
Objetivo:- fazer com que as leis sejam respeitadas
Ações:- multar- apitar- parar, ...
execuçãopercepção
8
AGENTESAlgoritmo Básico e Arquiteturas
9
AGENTES: ALGORITMO BÁSICO
função agenteSimples (percepção) retorna açãomemória := atualizaMemória (memória,
percepção)ação := escolheMelhorAção(memória)memória := atualizaMemória (memória,
ação)retorna ação
10
AGENTES: ARQUITETURAS
Agente reativo Agente reativo com estado interno Agente cognitivo (baseado em objetivos) Agente otimizador Agente adaptativo
autonomiacomplexidade
11
AGENTES: ARQUITETURAS
De forma bem simplificada, um agente pode ser visto como um mapeamento: seqüência perceptiva => ação
sensoresAgente
atuadores
a m
b i
e n
t e
Raciocinadormodelo do ambiente
Agente sensores
atuadores
Como está o mundo agora?
Que ação devo escolher agora? Regras “condição-ação”a
m b
i e
n t
e
AGENTE REATIVO
Vantagens e desvantagens Regras condição-ação: representação inteligível, modular e
eficiente ex. Se velocidade > 60 então multar
Não pode armazenar uma seqüência perceptiva, pouca autonomia Ambientes:
Reflexo imprescindível em ambientes dinâmicos Acessível, episódico, pequeno
AGENTE REATIVO COM ESTADO INTERNO
Desvantagem: pouca autonomia não tem objetivo, não encadeia regras
Ambientes: determinista e pequeno Ex. Tamagotchi
sensores
Agente
Como está o mundo agora?
Regras “condição-ação”
estado: como o mundo era antes
como o mundo evolui
atuadores
Que devo fazer agora?a m
b i
e n
t e
impacto de minhas ações
sensoresAgente
Como está o mundo agora?
Objetivos
como o mundo evolui
atuadores
Que devo fazer agora?
a m
b i
e n
t e
impacto de minhas açõesComo ele ficará se faço isto?
estado: como o mundo era antes
AGENTE COGNITIVO - BASEADO EM OBJETIVO
Vantagens e desvantagens: Mais complicado e ineficiente, porém mais flexível,
autônomo Não trata objetivos conflitantes
Ambientes: determinista ex.: xeque-mate no xadrez
AGENTE OTIMIZADOR (UTILITY BASED)
Ambiente: sem restrição Desvantagem: não tem adaptabilidade Ex. motorista recifense
Segurança e velocidade – conflito!
ambiente
sensores
atuadores
Agente
Como está o mundo agora?
Que ação devo escolher agora?Função de Utilidade
qual é o impacto de minhas ações
como o mundo evolui
Este novo mundo é melhor?
Como ele ficará se faço isto?
estado: como o mundo era antes
AGENTE QUE APRENDE
Ambiente: sem restrição Vantagem: tem adaptabilidade (aprende) Ex. motorista sem o mapa da cidade
sensores
atuadores
Agente
Gerador de problemas
crítico
elemento de aprendizagem
avaliação
objetivos de aprendizagem
elemento de execução (agente)
trocas
conhecimento
a m
b i
e n
t e
t
t+1
t
RELEMBRANDO...
Um agente é... Uma entidade autônoma, que percebe o
ambiente através de seus sensores e atua neste através de seus atuadores...
Assim... Como decidir que ações realizar?
AINDA OUTRAS ARQUITETURAS FAMOSAS...
AGENTES BASEADOS EM LÓGICA
Comportamento Inteligente = Representação simbólica do ambiente + do comportamento desejado
Formalismo: lógica Manipulação: dedução lógica
Teoria de agentes (): como os agentes devem se comportar
AGENTES BASEADOS EM LÓGICA
Estados internos dos agentes: fórmulas lógicas Aberta(válvula221) Interessante(aulaagentes)
Comportamento do agente: determinado por sua Base de Conhecimento (regras + fatos) Aquilo que o Agente acredita sobre seu ambiente
Três funções básicas: See – determina a percepção Next – atualiza a BC Action – escolhe a próxima ação
O ROBÔ ASPIRADOR DE PÓ
O ROBÔ ASPIRADOR
Agente recebe: Sujeira Null
Ações: para frente sugar virar
Objetivo: mover-se no ambiente buscando e removendo sujeira
Três predicados: Em(x.y) Sujeira(x,y) Direção(d)
Comportamento do agente função próximo regras de dedução
AGENTES BASEADOS EM LÓGICA
Função ´próximo´: Analisar as percepçõesAtualizar a Base de Conhecimentoremover informações velhas ou irrelevantes Inferência em várias partes:
velho() = {P(t1,...,tn}/ P {Em, Suj, Dir} & P(t1,...,tn} Novo: todas as novas posições, direções e possíveis sujeiras Próximo(,P) = ( \ velho()) Novo(,P)
ALGORITMO BÁSICO
Função ação_agente-BL (BC):açãoPara cada a A faça
se BC faça(a) entãoretorne a
para cada a A façase BC ¬faça(a) então
retorne aRetorne nullFim ação_agente-BL
AGENTES BASEADOS EM LÓGICA
Regras de dedução:predicado(termo) predicado(termo)Ex: Em(0,0) Sujeira(0,0) Faça(sugar)
Problemas com essa abordagemComo mapear percepções para fórmulas?Complexidade da prova do teoremaDifícil representar conhecimento
procedimentalAmbiente estático!!! Como seria num
dinâmico?
AGENTES BDI
BDI – Beliefs, Desires, Intentions Motivação: Raciocínio prático
Processo de Decidir, a cada momento, que ações tomar para chegar mais perto dos objetivos.
ImplicaDecidir que objetivos quer realizarComo vão ser executados esses objetivos
RequerTrês conjuntos de sentenças lógicas: B, D e
I Estes conjuntos são consistentes entre si.
OS ESTADOS MENTAIS
Crenças: o que se sabe sobre o estado do ambiente e dos agentes
“Recife é ensolarada”.
Desejos: estados do mundo que o agente quer atingir
“Eu gostaria de ganhar 45 milhões de reais
Intenções: Comprometimento com ações para alcançar objetivo
“Vou Ligar para o dentista”
UM EXEMPLO...
Daniel acabou de se formar... O que fazer?Virar acadêmico... Ir para o Mercado
Se resolve ser acadêmico... Se compromete a realizar ações neste sentido IntençõesProcurar Emprego em uma Universidade.
E o mundo, como está? Crenças Daniel se formou, Daniel pode ser professor
Que Desejo escolher?
DESEJOS
Especificam as preferências dos agentes sobre os estados do ambiente
Podem ser inconsistentesEu desejo perder 30 KgGostaria de comer quilos de chocolate
suíço Desejos causam intenções ações Objetivos: subconjunto consistente dos
desejos.
INTENÇÕES Guiam a escolha das Ações
Devem ser c onsistente com desejos e crenças Devem ser persistentes Demasiado persistentes. Fazem o agente
perder tempo! Pouco persistentes. Não alcançam
nenhum objetivo É preciso reconsiderar as intenções com
alguma frequencia Ainda é possível realizá-las? Já foram realizadas? Seria melhor se comprometer com outra intenção?
RECONSIDERANDO INTENÇÕES...
Tempo t = 0Desejo: Atingir o alienIntenção: Aproximar-se de PCrença: o Alien está em P
P
RECONSIDERANDO INTENÇÕES...
Tempo t = 10Desejo: Atingir o alienIntenção: Aproximar-se de PCrença: o Alien está em P
P
?
Q
O DILEMA BDI
O agente não para para reconsiderar suas intenções: Perde tempo tentando o impossível! (Xiita)
O agente para demais para reconsiderar: Não tem tempo de fazer nada! (Indeciso)
Como encontrar o balanço?
O QUE O AGENTE BDI TEM?
3 conjuntos de sentenças Crenças Desejos Intenções
4 Funções Revisão de Crenças BRF(Bel, BC) Geração de Intenções Options(Bel, Int) Função Filtro Filter(Bel, Des, Int) Função Selecionadora de Ações
Execute(Int)
A ARQUITETURA BDI
Agente
Como está o mundo agora?
Função Filtro
Função Revisão de Crenças
Que Intenções tenho?
A m
b i e
n t
e
Função de OpçãoQue objetivos podem ser alcançados?
Estado interno: Crenças, desejos, intenções
percepções+
ações
Sensores
Atuadores
Função de seleção de ações
ALGORITMO DO AGENTE BDI
Programa Agente BDIt := 0 //contador de tempoenquanto Agente-BDI vivo, faça
Tell(BC, Percepções-Sentença(percepção,t))
BRF(Percepcao, BC)Desejos <- Options(BC, intençao)intençao <- Filter (Bel, Des, intenção)
ação <- Executa(intenção)fim
MARCO
Mediador Artificial de Conflitos Media discussões entre agentes Humanos Raciocínio BDI/BGI
MARCO
UM EXEMPLO DE INTERAÇÃO
A. Eu acho que as vendas de natal começam no princípio de novembro
B. Por que? Acho que é mais tarde...A. Para dar tempo de fazer propaganda..B. Ah, ok.
O FUNCIONAMENTO DE MARCOMArCo
Como está o mundo agora?
Função Filtro
Função Revisão de CrençasO povo mudou de idéia?
Atualizo modelos
Que Intenções tenho?Diá
log
o
Função de Opção: faço o povo elaborar as idéias?
Que objetivos podem ser alcançados?
Estado interno: Crenças (individuais e de grupo), desejos, intenções
percepções+
ações
Sensores
Atuadores
Função de seleção de ações
Agentis (Australian Artificial Intelligence Institute)
Objetivo. Ajudar no desenvolvimento e manutenção de call centers Ou de portais na internet.
• Gera aplicações automáticas para os clientes• Reduz tempo de desenvolvimento e custos • Gera estatísticas de rendimento
Utilizado pela companhia de telecomunicações australiana para responder a 98% das chamadas ao sistema de ajuda ao usuário. Sistema comporta 4000 agentes.
UM EXEMPLO REAL...
ARQUITETURAS REATIVAS Alternativa a representação simbólica O comportamento do agente é produto de
sua interação com o ambiente Comportamento inteligente emerge da
interação entre vários comportamentos mais simples.
Abordagem comportamental, situada, reativa
THE SUBSUMPTION ARCHITECTURE
a tomada de decisão é um conjunto de comportamentos realizadores de tarefa. Cada um é uma função de ação
Neste caso máquinas de estados finitos. Cada um assume a forma situação ação
Há uma hierarquia de comportamentos Comportamentos de nível mais baixo inibem os
de nível mais alto
O ALGORITMO BÁSICO
Função ação (p:Percepção): açãovar disparado: nível; selecionada: açãodisparado <- {(cond, ação) }
para todo (cond, ação) disparadoSe ¬(cond’, ação’) disparado tal que
(cond’, ação’) < (cond, ação) return ação
return nullFim função ação
A ARQUITETURA DE BROOKS
Módulos (e organização) definidos pelo designer
Pode ser usada para descrever agentes cognitivos também.
UM EXEMPLO – ROBÔ EXPLORANDO AMBIENTE
Evitar obstáculos
Recarregar
Otimizar caminhos
Mapear território
Explorar
Pegar/largar objetosAvançar random.
Sensores
Atuadores
Ambiente
UM EXEMPLO...
O objetivo é explorar um planeta distante, para coletar amostras de rocha. Não se sabe onde
estão, mas há áreas de maior concentração delas. Vários veículos autônomos estão disponíveis para coletar amostras e depois voltar para a nave-mãe. Há um mapa do planeta disponível, mas o planeta tem vários obstáculos que impedem os veículos
de se comunicar.
PARA RESOLVER O PROBLEMA...
Utilização de dois mecanismos... Campo Gradiente/Potencial
Os objetos do ambiente emitem sinais, cuja intensidade é inversamente proporcional ao objetivo.
U(p) = Uatr(p) + U rep(p) Uatr(p) = k * dist(p, objetivo)2
U rep(p) = k’ * 1/dist(p, objetivo)2 se dist(p,
objetivo)<distinfl
0 caso contrárioComunicação Indireta
Fragmentos radioativos são deixados no caminho
UM PARÊNTESE...
Outra forma de construir os campos potenciais é alterar o potencial de atração...Campo dividido em células
Procedure valor(x, v)Se x.potencial não está definido ou v<x.potencialEntão
x.potencial = v; para todo y vizinho de x valor(y, v+1)Senão faça nadaFim da procedure
COMPORTAMENTOS UTILIZADOS...
1. se detectar obstáculo, mude de direção2. Se carregar amostras e na base, largue3. Se carregar amostras e fora da base, vá na
direção do gradiente4. Se achar amostra, pegue5. Se true, se mova randomicamente
PARA ASSEGURAR COOPERAÇÃO
1. se detectar obstáculo, mude de direção
2. Se carregar amostras e na base, largue
3. Se carregar amostras e fora da base, largue dois fragmentos e vá na direção do gradiente
4. Se achar amostra, pegue5. Se detectar fragmento, pegue e vá
no sentido contrário ao gradiente6. Se true, se mova randomicamente
NEM TUDO SÃO FLORES...
O ambiente deve fornecer informação suficiente para os agentes...
mais complicado tomar decisões de longo prazo.
Difícil projetar comportamento emergente. Difícil construir agentes com muitos
comportamentos.
EM RESUMO...
IA E AGENTES
IA cresceu muito nos anos 70 modelando a inteligência individual.
Advento das redes de computadores modificou as necessidades!
Inteligência como a integração dos processos de raciocinar, decidir, aprender e planejar.
O Modelo de Agente aparece então como catalisador...
DE FATO...
Mundo onde informações e conhecimentos crescem (e mudam) rápido demais!
O crescimento da Internet trás desafios constantes que incluem:Acesso a informações relevantes Identificação de oportunidadesAção no momento precisoManipulação de grandes volumes de informação
Ubiqüidade, Gerenciamento e Inteligência
NO ENTANTO...
Vários problemas não podem ser tratados centralizadamente... Por exemplo...Controle de linha de metrôMonitoramento de Redes de ComputadorDiagnóstico MédicoCompra e Venda
Como Resolvê-los?
57
INTELIGÊNCIA COLETIVAIA Distribuída
UM CENÁRIO...
60
INTELIGÊNCIA COLETIVA
Porque pensar a inteligência/racionalidade como propriedade de um único indivíduo?
Não existe inteligência ... Em um time de futebol? Em um formigueiro? Em uma empresa (ex. correios)? Na sociedade?
Solução: IA Distribuída Agentes simples que juntos resolvem problemas
complexos tendo ou não consciência do objetivo global Proposta por Marvin Minsky e em franca expansão... o próprio ambiente pode ser modelado como um
agente
A IA DISTRIBUÍDA
Grupo de Entidades que podem InteragirOrganizaçãoAção e Interação
Metáfora de inteligência é o Comportamento Social.
62
IA DISTRIBUÍDA: DOIS TIPOS DE SISTEMAS Resolução distribuída de problemas
consciência do objetivo global e divisão clara de tarefas
Exemplos: Robótica clássica, Busca na Web, Gerência de sistemas distribuídos, ...
Sistemas Multi-agentes não consciência do objetivo global e nem divisão clara
de tarefas Exemplos: n-puzzle, futebol de robôs, balanceamento
de carga, robótica, ...
1
53
4
8
6
7
2
1
5
3
4
8
6
7
2F 1
53
4
8
6
7
2
63
AGENTES EM IAMetodologia (metáfora) para projeto de sistemas
64
AGENTES:METODOLOGIA DE DESENVOLVIMENTO
Decompõe problema em: percepções, ações, objetivos e ambiente (e outros
agentes) Decompõe tipo de conhecimento em:
Quais são as propriedades relevantes do mundo? Como o mundo evolui? Como identificar os estados desejáveis do mundo? Como interpretar suas percepções? Quais as conseqüências de suas ações no mundo? Como medir o sucesso de suas ações? Como avaliar seus próprios conhecimentos?
O resultado dessa decomposição indica a arquitetura e o método de resolução de problema (raciocínio)
65
SIMULAÇÃO DE AMBIENTES
Às vezes, é mais conveniente simular o ambiente mais simples permite testes prévios evita riscos, etc...
O ambiente (programa) recebe os agentes como entrada fornece repetidamente a cada um deles as percepções
corretas e recebe as ações atualiza os dados do ambiente em função dessas ações
e de outros processos (ex. dia-noite) é definido por um estado inicial e uma função de
atualização deve refletir a realidade
66
SIMULAÇÃO DE AMBIENTES
função simulaAmbiente (estado, funçãoAtualização,agentes,final)repita
para cada agente em agentes faça
Percept[agente] := pegaPercepção(agente,estado)
para cada agente em agentes faça
Action[agente] := Programa[agente] (Percept[agente])
estado := funçãoAtualização(ações, agentes, estado)
scores := avaliaDesempenho(scores,agente,estado) //opcional
até final Cuidado para não cair em tentação e “roubar” do ambiente a
descrição do que aconteceu. Usar a memória do agente!
67
COMO DESENVOLVER UMSOFTWARE INTELIGENTE
Projeto:Modelar tarefa em termos de ambiente,
percepções, ações, objetivos e utilidade Identificar o tipo de ambiente Identificar a arquitetura de agente adequada
ao ambiente e tarefa Implementação:
O simulador de ambientesComponentes do agente Testar o desempenho com diferentes
instâncias do ambiente
68
PORQUE USAR A METÁFORA DE AGENTES?
1. Fornece metodologias de desenvolvimento de sistemas inteligentes estendendo as de engenharia de software
2. Fornece visão unificadora das várias sub-áreas da IA
3. Ajuda a embutir a IA em sistemas computacionais tradicionais
4. Permite tratar melhor a interação com ambiente
5. Permite tratamento natural da IA distribuída
DUAS NOÇÕES FUNDAMENTAIS...
Resolução Distribuída de Problemas (RDP) envolve: Um grupo de especialistas Habilidades Complementares Organização Fixa
Sistemas Multiagentes (SMA)... Agentes podem preexistir Organização varia em tempo de execução
UM SISTEMA MULTIAGENTE
Ambiente
Esfera de Influência
Organização
Agentes
Interação
Recurso
DEFININDO SMA
Um SMA é um sistema que possui os seguintes elementos:Um ambiente, EUm conjunto de objetos OUm conjunto de Agentes, A (AO)Um conjunto de relações R, que liga objetosUm conjunto de operações OpOperadores que representam os resultados das
operações em Op e as reações do ambiente a eles.
TROCANDO EM MIÚDOS...
Um Sistema Multiagentes ... Consiste de uma coleção de componentes autônomos,
com objetivos particulares Que se interrelacionam
De acordo com uma Organização Interagindo, negociando e coordenando esforços para
resolver tarefas
MAS... POR QUE MESMO DISTRIBUIR?
Porque o problema é fisicamente distribuído. Porque o problema é heterogêneo. Porque o problema só pode ser resolvido pela
integração de pontos de vista locais. Porque precisamos de adaptação a mudanças
estruturais...
EM RESUMO...É BOA IDÉIA QUANDO...
Precisamos manter a autonomia das sub-partes;
As interações são complexas Não é possível descrever o Problema a priori.
AS VANTAGENS...
Maior rapidez na solução dos problemas Diminuição do overhead de comunicação Maior flexibilidade Aumento da Segurança
DUAS FORMAS DE PROJETO
Organização
Agentes
InteraçãoRestrições e Objetivos
Emergência dePropriedades
CONSIDERAÇÕES NO PROJETO DE SMA
Três Grandes Grupos... Aspectos Fundamentais
Como podemos garantir compatibilidade de ações? Aspectos Arquiteturais
Características a serem providas pela arquitetura Aspectos Ambientais
Como é o ambiente onde funciona o SMA?
ESTRUTURA
Padrão de Relações entre os agentes e sua distribuição de habilidades Cobertura: as habilidades necessárias para resolver
problemas devem ser possuídas por pelo menos um agente;
Conectividade: Agentes devem interagir de forma que suas habilidades possam ser integradas
COMUNICAÇÃO
Habilita os agentes a intercambiar informações. Percepção Ação
Modelada sobre a comunicação humana Atos de Fala Blackboard
Tem esforços de padronização!
ORGANIZAÇÃO
Conjunto de Compromisso Globais, Crenças e intenções comuns aos agentes que querem atingir um objetivo comum.
Definem...Um conjunto de diretrizes...Uma política de interação.
Muitos exemplos!O CInSua Família
NEGOCIAÇÃO
Esforço para solução de conflitos e cooperação Grupo de agentes “self-interested” que consegue
chegar a uma decisão conjunta. Envolve..
Linguagem Protocolo – ex. Contract Net Processo de Decisão
COORDENAÇÃO
Fundamental para o trabalho conjunto. Um SMA pressupõe coordenação entre seus
agentes! Porque...Há dependências entre as açõesNenhum indivíduo pode resolver o problema
sozinhoDeve-se respeitar as restrições globaisDeve-se garantir a harmonia na execução
conjunta de tarefas!
COORDENAÇÃO... II
Então coordenação é...O processo pelo qual um agente raciocina sobre
suas ações locais e as de outros agentes para garantir que a comunidade funcione coerentemente.
Visa garantir que...Todas as partes necessárias existam na sociedade. Interação que possibilite a execução das
atividades.Que todos atuem consistentementeQue tudo seja feito com dos recursos disponíveis
COORDENAÇÃO... III
Para coordenar com sucesso é preciso... Uma estrutura... Flexibilidade nas interações
Comunicação! Negociação!
Conhecimento e raciocínio Para reconhecer interações potenciais entre planos de ação!
ENTÃO... O FUNDAMENTAL É...
Interagir!!! Com quem? Quando? Qual o conteúdo? Como? Que processos e recursos? Por que? Como estabelecer a compreensão mútua?
ASSIM... Quando Encarar os SMA?
DESIGN DE SMA
Quando partir para SMA? Quando o ambiente é aberto; Quando os agentes são a metáfora natural. Quando há distribuição de dados, controle ou expertise. Quando estamos lidando com sistemas legados.
CONSIDERAÇÕES EM SMA
Ação Como coordenar ações?
O indivíduo e sua relação com o mundo Estados mentais
Interação Comunicação Negociação/Argumentação
Implementação
PROBLEMAS NO DESENVOLVIMENTO DE AGENTES
Superestimativas do potencial dos agentes. Dogmatismo a respeito dos agentes. Não está claro porque usar agentes. Construção de soluções genéricas para problemas
específicos. Desenvolver SMA é desenvolver Software... SMA é software “multithreaded”.
E MAIS PROBLEMAS...
Seu projeto não explora concorrência. Você resolve adotar sua arquitetura. Seus agentes usam IA demais. Os agentes estão em todos os lugares. Não tem agentes suficientes. A Interação é caótica...
OBJEÇÕES A SMA
Não é a mesma coisa que SD? Sincronização e Coordenação Dinâmicas Agentes têm interesses próprios!!!
Não é IA? SMA têm características de CC e de ES! Em SMA, o aspecto social é fundamental!
OBJEÇÕES A SMA... II
Não é só teoria dos Jogos? TJ muitas vezes desconsiderou a computação... Hipóteses da TJ são questionadas em SMA
O que eu vou fazer com Ciência Social? Ambas servem como ferramentas uma para outra. Mas são bem diferentes!!!!
100
CONCLUSÕES
101
AGENTES NO MAPA DA COMPUTAÇÃONEM TODO AGENTE É INTELIGENTE!
InteligênciaArtificial
Engenhariade Software
SistemasDistribuídos
Agentes