Agentes Racionais
Este capítulo introduz o conceito de agentes como entidades que percebem o ambiente e agem sobre ele. O foco está na construção de agentes racionais, aqueles que tomam decisões buscando maximizar o desempenho.
2.1 Agentes e Ambientes
🤖 O que é um Agente?
Um agente é qualquer coisa que pode perceber seu ambiente por meio de sensores e agir sobre ele por meio de atuadores.
“Um agente recebe percepções do ambiente por meio de sensores e atua no ambiente por meio de atuadores.”
Exemplos:
- Humano: olhos (sensores), mãos/boca/pés (atuadores)
- Robô: câmeras/sensores de temperatura (sensores), motores/braços (atuadores)
- Software: leitura de arquivos (sensor), alteração em banco de dados (atuador)
🔁 Interação com o Ambiente
O agente se comporta com base na sequência de percepções que recebe.
Função do Agente:
agente: Perceptos* → Ações
Ou seja, uma função que mapeia o histórico de percepções para uma ação.
2.2 Racionalidade
✅ O que é um Agente Racional?
Um agente racional é aquele que faz a melhor ação possível com base no conhecimento disponível, percepções recebidas e os objetivos definidos.
“Um agente racional é aquele que faz a coisa certa — ou seja, que realiza a ação que causará o melhor resultado esperado com base nas percepções e no conhecimento disponível.”
❌ Racionalidade ≠ Perfeição
- Perfeição: exige onisciência e infalibilidade (irrealista).
- Racionalidade: depende do que o agente sabe, percebe, e pode fazer no momento.
“A racionalidade não é onisciência — não exige que o agente acerte sempre, apenas que faça o melhor dado o que sabe.”
⚠️ Fatores que afetam a racionalidade
- Medida de desempenho
- Conhecimento prévio do ambiente
- Ações possíveis
- Sequência de percepções recebidas
2.3 Medidas de Desempenho
- Avaliam o sucesso do agente.
- Devem ser definidas com cuidado.
- Devem refletir o objetivo do sistema, e não o comportamento interno do agente.
Exemplo ruim: avaliar um aspirador por quão sujo estava antes vs. depois (pode trapacear).
Exemplo ideal: avaliar o nível de limpeza médio ao longo do tempo.
2.4 Ambientes de Tarefa (PEAS)
🔹 PEAS = Performance, Environment, Actuators, Sensors
Modelo usado para especificar completamente o ambiente de tarefa.
| Elemento | Descrição |
|---|---|
| P | Performance measure – medida de sucesso |
| E | Environment – ambiente em que opera |
| A | Actuators – como age sobre o ambiente |
| S | Sensors – como percebe o ambiente |
Exemplo: Robô aspirador
| PEAS | Exemplo |
|---|---|
| Performance | Quantidade de sujeira removida, ruído, tempo |
| Environment | Piso, paredes, sujeira, obstáculos |
| Actuators | Motores, escovas, aspirador |
| Sensors | Sensores de sujeira, visão, proximidade |
2.5 Tipos de Ambientes
Ambientes podem ser classificados segundo várias dimensões:
| Característica | Explicação |
|---|---|
| Totalmente observável vs. Parcialmente observável | Se os sensores captam o estado completo do ambiente. |
| Determinístico vs. Estocástico | Se a próxima situação é completamente determinada pela atual e pelas ações. |
| Episódico vs. Sequencial | Se a experiência do agente se divide em episódios independentes ou não. |
| Estático vs. Dinâmico | Se o ambiente muda enquanto o agente pensa. |
| Discreto vs. Contínuo | Quantidade de percepções e ações possíveis. |
| Ambiente de um agente vs. Multiagente | Se há mais de um agente operando no mesmo ambiente. |
Exemplos:
- Jogo de xadrez: totalmente observável, determinístico, sequencial, estático, discreto, multiagente.
- Robô de entrega: parcialmente observável, estocástico, sequencial, dinâmico, contínuo, multiagente.
2.6 Estrutura dos Agentes
Agentes são compostos por dois elementos principais:
- Função do agente: mapeamento de perceptos para ações.
- Programa do agente: implementação dessa função.
“O programa do agente executa no hardware do agente — sua arquitetura.”
Tipos de Agentes
1. Agentes baseados em regras simples
- Se uma percepção → então uma ação.
- Fácil de entender, mas limitado para ambientes complexos.
2. Agentes com estado interno
- Mantêm um modelo interno do mundo com base no histórico.
- Útil em ambientes parcialmente observáveis.
3. Agentes com metas
- Usam objetivos para decidir quais ações tomar.
- Raciocinam sobre consequências.
4. Agentes baseados em utilidade
- Vão além das metas: avaliam a utilidade de diferentes estados.
- Permitem decisões melhores quando há múltiplas soluções.
Aprendizado em Agentes
Agentes inteligentes podem aprender com a experiência:
- Otimizar decisões
- Corrigir erros
- Adaptar-se a novos ambientes
“Agentes aprendizes podem melhorar sua performance ao longo do tempo.”
✅ Conclusão
- Um agente é qualquer sistema que percebe e age.
- A racionalidade é definida pelo melhor resultado esperado, e não por perfeição.
- A especificação PEAS ajuda a definir claramente o ambiente de tarefa.
- Ambientes variam em muitos aspectos que afetam o design do agente.
- Diferentes arquiteturas de agentes (regras, estado, metas, utilidade) se aplicam a diferentes cenários.
- Aprendizado é fundamental para agentes adaptativos e eficazes.