![Page 1: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/1.jpg)
Sistemas InteligentesSistemas Inteligentes
Aula: Agentes Baseados em LógicaFlávia BarrosPatrícia Tedesco
1
![Page 2: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/2.jpg)
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
![Page 3: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/3.jpg)
Bem-vindos ao “Mundo do Bem-vindos ao “Mundo do Wumpus”Wumpus”
3
Wumpus
Agente caçador de tesouros
![Page 4: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/4.jpg)
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
![Page 5: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/5.jpg)
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
![Page 6: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/6.jpg)
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
![Page 7: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/7.jpg)
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)
![Page 8: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/8.jpg)
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
![Page 9: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/9.jpg)
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
![Page 10: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/10.jpg)
Mundo de WumpusMundo de WumpusTipo do ambienteTipo do ambiente
Observável ou não-observávelDeterminista ou estocástico Episódico ou Não-EpisódicoEstático ou DinâmicoDiscreto ou Contínuo
11
![Page 11: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/11.jpg)
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
![Page 12: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/12.jpg)
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
![Page 13: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/13.jpg)
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
![Page 14: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/14.jpg)
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
![Page 15: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/15.jpg)
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
![Page 16: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/16.jpg)
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
![Page 17: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/17.jpg)
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
![Page 18: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/18.jpg)
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
![Page 19: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/19.jpg)
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
![Page 20: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/20.jpg)
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
![Page 21: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/21.jpg)
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
![Page 22: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/22.jpg)
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
![Page 23: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/23.jpg)
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
![Page 24: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/24.jpg)
Formalização de Agentes Formalização de Agentes Baseados em Lógica Baseados em Lógica ProposicionalProposicional
25
![Page 25: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/25.jpg)
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
![Page 26: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/26.jpg)
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
![Page 27: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/27.jpg)
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
![Page 28: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/28.jpg)
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
![Page 29: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/29.jpg)
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
![Page 30: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/30.jpg)
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
![Page 31: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/31.jpg)
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.
![Page 32: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/32.jpg)
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
![Page 33: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/33.jpg)
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
![Page 34: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/34.jpg)
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
![Page 35: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/35.jpg)
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
![Page 36: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/36.jpg)
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
![Page 37: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/37.jpg)
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
![Page 38: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/38.jpg)
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
![Page 39: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/39.jpg)
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
![Page 40: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/40.jpg)
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
![Page 41: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/41.jpg)
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
![Page 42: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/42.jpg)
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
![Page 43: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/43.jpg)
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
![Page 44: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/44.jpg)
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
![Page 45: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/45.jpg)
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
![Page 46: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/46.jpg)
Agentes baseados em LPOAgentes baseados em LPO
47
![Page 47: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/47.jpg)
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)
![Page 48: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/48.jpg)
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
![Page 49: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/49.jpg)
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
![Page 50: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/50.jpg)
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
![Page 51: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/51.jpg)
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
![Page 52: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/52.jpg)
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
![Page 53: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/53.jpg)
Agentes LPO para o Mundo Agentes LPO para o Mundo do Wumpusdo Wumpus
54
![Page 54: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/54.jpg)
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
![Page 55: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/55.jpg)
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
![Page 56: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/56.jpg)
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
![Page 57: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/57.jpg)
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
![Page 58: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/58.jpg)
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
![Page 59: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/59.jpg)
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
![Page 60: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/60.jpg)
Tipos de regrasTipos de regrasQue definem o tipo de sistema construído...
61
![Page 61: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/61.jpg)
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
![Page 62: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/62.jpg)
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
![Page 63: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/63.jpg)
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
![Page 64: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/64.jpg)
Sistema de Ação-ValorSistema de Ação-Valor
Modularidade das RegrasAdequação das regras
65
![Page 65: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/65.jpg)
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
![Page 66: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/66.jpg)
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
![Page 67: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/67.jpg)
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
![Page 68: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/68.jpg)
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
![Page 69: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/69.jpg)
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
![Page 70: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/70.jpg)
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
![Page 71: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/71.jpg)
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
![Page 72: Sistemas Inteligentes Aula: Agentes Baseados em Lógica Flávia Barros Patrícia Tedesco 1](https://reader038.vdocuments.pub/reader038/viewer/2022102820/570638631a28abb823900e9f/html5/thumbnails/72.jpg)
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