1 / 68

Últimas aulas

Últimas aulas. Definição de IA? Teste de Turing? Agentes Inteligentes: Qualquer coisa que pode ser vista como percebendo seu Ambiente através de sensores e agindo sobre aquele ambiente através de seus atuadores para maximizar o progresso de encontro aos seus objetivos .

hubert
Télécharger la présentation

Últimas aulas

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Últimas aulas • Definição de IA? • Teste de Turing? • Agentes Inteligentes: • Qualquer coisa que pode ser vista comopercebendo seu Ambiente através de sensores e agindo sobre aquele ambiente através de seus atuadores para maximizar o progresso de encontro aos seus objetivos. • PAGE (Percepts, Actions, Goals, Environment) • Descrito como o mapeamento de (seqüência de) Percepções em Ações: • f : P*  A • Usando tabelas de ações, formas fechadas (funções), closed loop, etc. • Tipos de Agentes: Reflex, state-based, goal-based, utility-based • Ação racional: A ação que maximiza o valor esperado da medida de performance dada a seqüência atualizada de percepção

  2. Outline: Resolução de Problemas e Busca • Introdução a resolução de problemas (Problem Solving) • Complexidade • Busca sem informação (Uninformed search) • Formulação de problemas • Estratégias de busca: depth-first (profundidade), breadth-first (largura) • Busca com informação (Informed search) • Estratégias de busca: best-first, A* • Funções heurísticas

  3. 9 l 5 l 3 l Exemplo: Problema de medida! • Problema: Usando as 3 vasilhas, medir 7 litros de água.

  4. 9 l 5 l 3 l Exemplo: Problema de medida! • (uma posível) solução: a b c 0 0 0 start 3 0 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  5. 9 l 5 l 3 l Exemplo: Problema de medida! • (uma posível) solução: a b c 0 0 0 start 3 0 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  6. 9 l 5 l 3 l Exemplo: Problema de medida! • (uma posível) solução: a b c 0 0 0 start 3 0 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  7. 9 l 5 l 3 l Exemplo: Problema de medida! • (uma posível) solução: a b c 0 0 0 start 3 0 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  8. 9 l 5 l 3 l Exemplo: Problema de medida! • (uma posível) solução: a b c 0 0 0 start 3 0 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  9. 9 l 5 l 3 l Exemplo: Problema de medida! • (uma posível) solução: a b c 0 0 0 start 3 0 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  10. 9 l 5 l 3 l Exemplo: Problema de medida! • (uma posível) solução: a b c 0 0 0 start 3 0 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6뇿먺ကµ೫㲱º̐⻳삋淖 goal a b c

  11. 9 l 5 l 3 l Exemplo: Problema de medida! • (uma posível) solução: a b c 0 0 0 start 3 0 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  12. 9 l 5 l 3 l Exemplo: Problema de medida! • (uma posível) solução: a b c 0 0 0 start 3 0 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  13. 9 l 5 l 3 l Exemplo: Problema de medida! • (uma posível) solução: a b c 0 0 0 start 3 0 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  14. 9 l 5 l 3 l Exemplo: Problema de medida! • Outra solução: a b c 0 0 0 start 0 5 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  15. 9 l 5 l 3 l Exemplo: Problema de medida! • Outra solução: a b c 0 0 0 start 0 5 0 3 2 0 0 0 3 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  16. 9 l 5 l 3 l Exemplo: Problema de medida! • Outra solução: a b c 0 0 0 start 0 5 0 3 2 0 3 0 2 3 0 3 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  17. 9 l 5 l 3 l Exemplo: Problema de medida! • Outra solução: a b c 0 0 0 start 0 5 0 3 2 0 3 0 2 3 5 2 0 0 6 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  18. 9 l 5 l 3 l Exemplo: Problema de medida! • Outra solução: a b c 0 0 0 start 0 5 0 3 2 0 3 0 2 3 5 2 3 0 7goal 3 0 6 0 3 6 3 3 6 1 5 6 0 5 7 goal a b c

  19. Qual solução preferimos? • Solução 1: • a b c • 0 0 0 start • 3 0 0 • 0 0 3 • 3 0 3 • 0 0 6 • 3 0 6 • 0 3 6 • 3 3 6 • 1 5 6 • 0 5 7 goal • Solução 2: • a b c • 0 0 0 start • 0 5 0 • 3 2 0 • 3 0 2 • 3 5 2 • 3 0 7goal

  20. Agente para resolução de problemas tion Nota: Isto é resolução de problemas offline. Resolução de problemas Online envolve agir com completo conhecimento do problema e ambiente.

  21. Exemplo das vasilhas (medir 7 litros) • Medir 7 litros de água usando vasilhas de 3 l, 5 l, e 9 l. • Objetivo formulado: Ter 7 l de água na vbasilha de 9-l • Formulando o problema: • Estados: quantidade de água nas vasilhas • Operadores: Encher vasilhas na fonte, esvaziar vasilhas • Encontrando solução: sequência operadores que levam do estado corrente ao estado objetivo

  22. Tipos de ambientes Os tipos de ambiente determinam amplamente o projeto do agente.

  23. Tipos de problema • Problema com simples-estado: deterministico, acessível Agente sabe tudo sobre o mundo, então pode calcular a ação ótima para atingir o estado objetivo. • Problema com múltiplos-estados: deterministico, inacessível Agente deve raciocinar sobre as sequencias de ações e estados assumidos enquanto trabalha para atingir o estado objetivo. • Problema com contingências: não-deterministico, inacessível • Deve usar sensores durante execução/evolução • Solução é uma árvore ou política • Geralmente busca entre nós irmãos e executa • Problema com exploração: espaço de estados desconhecido Descobre e aprende sobre o ambiente enquanto toma ações.

  24. Exemplo: mundo do aspirador de pó (Vacuum world) Ambiente simplificado: 2 locais, cada um pode ou não conter sujeira, cada um pode ou não conter o agente asp. de pó. Objetivo do agente: limpar a sujeira.

  25. Exemplo: Romênia • Em Romênia, em férias. Correntemente em Arad. • Voo sai amanhã de Bucharest. • Formula objetivo: • Estar em Bucharest • Formula problema: • estados: várias cidades • operadores: dirige entre cidades • Encontra solução: • Sequência de cidades, tais que a distância total dirigida é minima.

  26. Exemplo: viajando de Arad para Bucharest

  27. Formulação do problema

  28. Selecionando um espaço de estados • Mundo real é absurdamente complexo; alguma abstração é necessária para permitir raciocinarmos sobre ele … • Seleção de uma abstração corrente e de um espaço de estados resultante é um problema difícil! • Estados abstratos  estados no mundo-real • Operadores abstratos sequência de ações no mundo-real (ex: ir de cidade i p/ cidade j custa Lij  dirige de cidade I para cidade j) • Solução abstrata  conjunto de ações reais a tomar no mundo real que resolvam o problema

  29. Exemplo: 8-puzzle • State: • Operators: • Goal test: • Path cost: start state goal state

  30. Example: 8-puzzle • State: integer location of tiles • Operators: moving blank left, right, up, down • Goal test: does state match goal state? • Path cost: 1 per move start state goal state

  31. Example: 8-puzzle • Why search algorithms? • 8-puzzle has 362,800 states • 15-puzzle has 10^12 states • 24-puzzle has 10^25 states Então, precisamos de algum princípio para ver uma solução para estes espaços enormes de busca… start state goal state

  32. De volta ao mundo do aspirador

  33. De volta ao mundo do aspirador

  34. Example: Robotic Assembly

  35. Vida real: Layout de um VLSI • Dado um diagrama esquemático contendo componentes (chips, resistores, capacitores, etc) e interconexões (fios), encontrar uma maneira ótima para colocar os componentes numa placa impressa, sobs restrição que apenas um pequeno número de camadas estão disponíveis e fios não podem cruzar numa mesma camada • “Maneira ótima”?? • Minimizar área • minimizar número de camadas • minimizar número de vias (conexões de uma camada a outra) • minimizar compromento de algumas ligações (ex: clock) • distribuir calor uniformemente • etc.

  36. Entre esquema; Não se preocupe com posicão & cruzamentos

  37. Use ferramentas automatizadas para posicionar componentes e rotear.

  38. Problem-Solving • Resolução do problema: • Formulação de objetivo • Formulação do problema (estados, operadores) • Buscar por uma solução • Formulação do problema: • Estado inicial • Operadores • Testar o objetivo • Custo do caminho • Tipos de problemas: • Simples-estado: ambiente acessível e determinístico • Multiplo-estado: ambiente inacessível e determinístico • Contingencia: ambiente inacessível e não determinístico • Exploração: espaço de estados desconhecido

  39. Algoritmos de busca (achar uma solução) Solução : é ??? Idéia básica:Exploração offline e sistematica de um espaço de estados simulados pela geração de sucessores de estados já explorados (expandindo) Function General-Search(problem, strategy) returns a solution, or failure initialize the search tree using the initial state problem loop do if there are no candidates for expansion then return failure choose a leaf node for expansion according to strategy if the node contains a goal state then return the corresponding solution else expand the node and add resulting nodes to the search tree end

  40. Algoritmos de busca (achar uma solução) Solução: é sequencia de operadores levam do estado corrente ao objetivo. Idéia básica:Exploração offline e sistematica de um espaço de estados simulados pela geração de sucessores de estados já explorados (expandindo) Function General-Search(problem, strategy) returns a solution, or failure initialize the search tree using the initial state problem loop do if there are no candidates for expansion then return failure choose a leaf node for expansion according to strategy if the node contains a goal state then return the corresponding solution else expand the node and add resulting nodes to the search tree end Estratégia: a estratégia de busca é determinada pela ???

  41. Algoritmos de busca (achar uma solução) Solução: é sequencia de opreradores levam do estado corrente ao objetivo. Idéia básica:Exploração offline e sistematica de um espaço de estados simulados pela geração de sucessores de estados já explorados (expandindo) Function General-Search(problem, strategy) returns a solution, or failure initialize the search tree using the initial state problem loop do if there are no candidates for expansion then return failure choose a leaf node for expansion according to strategy if the node contains a goal state then return the corresponding solution else expand the node and add resulting nodes to the search tree end Estratégia: a estratégia de busca é determinada pela ordem que os nós são expandidos

  42. Algoritmos de busca (achar uma solução) Solução: é uma sequência de operadores que leva do estado corrente ao estado objetivo Estratégia: A estratégia de busca é determinada pela ordem a qual os nós são expandidos.

  43. 4 4 3 A B C S 5 5 G S 4 3 4 D E F 3 2 A D 4 4 2 5 5 B D A E 4 5 5 2 4 4 C E E B B F 2 4 5 4 4 5 4 4 3 D F B F C E A C G 3 4 3 4 G C G F 3 G Do espaço do problema para árvore de busca Espaço do problema Árvore de busca associada (sem ciclos)

  44. Denota: SA S A Denota:SDA D B D A E C E E B B F D F B F C E A C G Denota: SDEBA G C G F G Caminhos em árvores de busca

  45. Exemplo: Viajando de Arad para Bucarest

  46. General search example

  47. General search example

  48. General search example

More Related