Teorie per agenti Applicazione di agenti e MAS · Applicazioni industriali Produzione Industriale...

ContenutiTeorie per agenti

Architetture per agentiApplicazione di agenti e MAS

Agenti intelligenti: ulteriori informazioni

Viviana Mascardi

Universita degli Studi di GenovaDipartimento di Informatica e Scienze dell’Informazione

23 Novembre 2005

Viviana Mascardi



1 Teorie per agenti

2 Architetture per agenti

3 Applicazione di agenti e MAS

Viviana Mascardi



Contenuti

1 Teorie per agenti



Viviana Mascardi



Gli agenti come sistemi intenzionali

Viviana ha preso l’ombrello perche credeva che stesse per piovere.

Paolo ha studiato molto perche voleva raggiungere la laurea.

Folk psychology: il comportamento umano e predetto tramiteascrizione di attitudini, dette nozioni intenzionali (Daniel Dennet,1987).

Viviana Mascardi




Quando e legittimo ed utile attribuire nozioni intenzionali a agentiartificiali?

Legittimo: quando il comportamento osservato, descritto intermini di nozioni intenzionali, e consistente con lamodellazione fornita;

Utile: quando questa modellazione aiuta a capire la strutturadell’agente meglio di altre modellazioni.

Viviana Mascardi




L’esempio dell’interruttore... (Shoham, 1990).Le nozioni intenzionali sono un meccanismo di astrazione cheforniscono un modo familiare e conveniente di descrivere, spiegaree predire il comportamento di sistemi complessi.

Viviana Mascardi



Attitudini mentali

Attitudini informative (informazione che l’agente possiedecirca il mondo che esso occupa)

credenzedesideri

Pro-attitudini (guidano le azioni dell’agente)

desideriintenzioniobbligazioniscelte.......

Viviana Mascardi



Rappresentazione delle teorie intenzionali

Viviana crede che Cronos sia il padre di ZeusCrede(Viviana, padre(Zeus, Cronos))

Problemi sintattici: non siamo in logica del prim’ordine

Operatori modaliMeta-linguaggio

Problemi semantici: come si calcola il valore di verita di unaformula con credenze?

Semantica dei mondi possibiliStrutture simboliche interpretate

Viviana Mascardi



Contenuti

1 Teorie per agenti



Viviana Mascardi



Architetture deliberative

Una architettura deliberativa contiene un modello simbolico delmondo rappresentato esplicitamente. Le decisioni che l’agenteprende avvengono tramite ragionamento logico, basato su patternmatching e manipolazione simbolica.

Viviana Mascardi



Architetture deliberative

Problemi da affrontare:

Problema della traduzione: tradurre il mondo in unarappresentazione simbolica accurata, e produrre talerappresentazione in tempo per essere utile –> visione,comprensione linguaggio naturale, apprendimento, ....

Problema della rappresentazione/ragionamento: comerappresentare simbolicamente informazioni su entita realicomplesse, e come fare perche gli agenti ragionino su talirappresentazioni in tempo utile –> come gia detto, ciscontriamo con problemi intrinsecamente non trattabili.

Viviana Mascardi



Architetture deliberative: la BDI

Beliefs PlanLibrary

BDIEngine

Goals Intentions

ActionsEvents

Viviana Mascardi




Beliefs represent the knowledge of the agents.

Goals are beliefs, or conjunctions and disjunctions of beliefs, whichmust be achieved or tested in the current state.

Plans contain the procedural knowledge of agents. They arecharacterized by

a trigger;a context;a body;a maintenance condition;a set of “success actions”;a set of “failure actions” .

Intentions are partially instantiated plans.

Viviana Mascardi




The BDI engine:

1 observe the world and the agent’s internal state, and updatethe event queue consequently;

2 generate possible new desires (tasks) by finding plans whosetrigger event matches an event in the event queue;

3 select one from this set of matching plans for execution;

4 push the selected plan onto an existing or new intention stack,according to whether or not the event is a (sub)goal;

5 select an intention stack, take the topmost plan and executethe next step of this current plan: if the step is an action,perform it, otherwise, if it is a subgoal, post it on the eventqueue.

Viviana Mascardi



Architetture reattive

Secondo Brooks

Il comportamento intelligente puo essere generato senzarappresentazione esplicita;

Il comportamento intelligente puo essere generato senzaragionamento astratto esplicito;

L’intelligenza e una proprieta emergente del sistema.

Viviana Mascardi




Un esempio: la subsumption architecture di Brooks.Un agente con architettura “subsumption” e una collezione ditasks che realizzano comportamenti.Ogni comportamento e una macchina a stati finiti che mappacontinuamente l’input percepito tramite sensori con l’output(ovvero le azioni da eseguire).

Viviana Mascardi




Ogni comportamento fornisce suggerimenti su quali azionieseguire, ma il comportamente complessivo (emergente)dell’agente e determinato dalle interazioni tra i comportamenti. Adesempio, un comportamento puo sopprimere l’output di un altrocomportamento.I comportamenti sono solitamente organizzati gerarchicamente astrati: gli strati piu bassi si occupano di comportamenti menoastratti (evitare ostacoli); quelli piu altri si occupano di compitimeno astratti.

Viviana Mascardi



Architetture ibride

Approccio piu semplice: costruire agenti composti da duesottosistemi, uno deliberativo ed uno reattivo.

il sottosistema deliberativo contiene una rappresentazionesimbolica del mondo, sviluppa piani e prende decisioni;

il sottosistema reattivo reagisce rapidamente agli eventi cheavvengono, senza dover fare ragionamento complesso.

Solitamente la componente reattiva ha la precedenza su quelladeliberativa.

Viviana Mascardi



Architetture ibride

Un esempio: le TOURINGMACHINES di Ferguson.L’architettura consiste di due sottosistemi, percezione ed azione,che si interfacciano direttamente con l’ambiente dell’agente, e ditre livelli di controllo, ognuno dei quali esegue autonomamente econcorrentemente.

1 livello reattivo, genera potenziali corsi di azioni in risposta aglieventi che hanno luogo;

2 livello di pianificazione, costruisce piani e seleziona azioni daeseguire per realizzare i goals dell’agente;

3 livello di modellazione, contiene una rappresentazionesimbolica dello stato cognitivo degli altri agenti nell’ambiente.

Viviana Mascardi



Contenuti

1 Teorie per agenti



Viviana Mascardi



Applicazioni industriali

Produzione Industriale –> YAMS di Parunak

Controllo di Processi –> ARCHON di N. R. Jennings ed altri(gestione del trasporto della elettricita, in uso presso unacentrale nella Spagna del nord).

Telecomunicazioni

Controllo del traffico aereo –> OASIS di M. Ljunberg e A.Lucas (attualmente sperimentato presso l’aeroporto diSydney)

Sistemi di trasporto

Viviana Mascardi



Applicazioni commerciali di personal assistants

Gestione dell’informazione

filtraggio dell’informazione –> Maxims di P. Maes (filtraggioelettronico della mail)raccolta dell’informazione –> LETIZIA di H. Liebermann (unagente che assiste il web browsing)

Commercio Elettronico

Viviana Mascardi



Intrattenimento

Giochi: Creatures (S. Grand e D. Cliff, 1998)

Teatro e cinema interattivo

Viviana Mascardi



Applicazioni mediche

Monitoraggio dei pazienti –> Il sistema GUARDIAN di B.Hayes-Roth supporta la cura dei pazienti nella unita chirurgicadi cura intensiva.

Health-care management –> prototipo di Huang, Jennings,Fox, 1995

Viviana Mascardi



Personal Digital Assistants

L’articolo in cui si introduce il concetto di Personal DigitalAssistant (PDA) risale al 1994: “Agents that reduce work andInformation Overload”, di Pattie Maes.La metafora di interazione corrente e la “manipolazione diretta”.I Personal Digital Assistant adottano invece la “gestione indiretta”della interazione:

l’agente collabora con l’utente nello stesso ambiente di lavoro;

l’agente diventa sempre piu utile man mano che impara qualisono le abitudini, gli interessi e le preferenze dell’utente.

Viviana Mascardi




Gli agenti possono assistere l’utente in diversi modi:

eseguendo compiti al posto dell’utente;

insegnando all’utente;

aiutando differenti utenti a collaborare;

monitorando eventi e procedure.

Viviana Mascardi




Due problemi vanno considerati nel costruire PDAs:

competenza;

fiducia.

I due approcci classici nella costruzione di agenti intefaccia nonrisolvono completamente questi problemi:

L’utente finale si programma il proprio agente interfaccia;

Approccio basato sulla conoscenza.

Viviana Mascardi




L’approccio nuovo proposto da P. Maes si basa invece su tecnichedi Machine Learning. L’ipotesi suggerita e che sotto determinatecondizioni un agente interfaccia possa programmarsi acquisendo dasolo la conoscenza necessaria per aiutare l’utente. Le condizioni daverificare sono:

l’utilizzo della applicazione coinvolge azioni ripetitive;

questo comportamento ripetitivo e potenzialmente differenteper utenti differenti.

Viviana Mascardi




Un PDA acquisisce competenza da quattro fonti:

1 guardando “al di sopra della spalla” dell’utente mentre egliesegue delle azioni;

2 da feedback diretto ed indiretto da parte dell’utente;

3 da esempi forniti esplicitamente dall’utente;

4 chiedendo suggerimenti ad altri PDA che svolgono compitisimili.

Viviana Mascardi



Maxims

Maxims (P. Maes, 1994) e un agente che assiste l’utente con lae-mail. Esso impara a dare priorita alle mail; cancellarle; ordinarle;archiviarle.Maxims e implementato in Macintosh Common Lisp; comunica conEudora usando Apple Events.

Mentre l’utente esegue azioni, l’agente memorizzainformazioni sulla coppia situazione-azione.

Quando si verifica una nuova situazione, l’agente la confrontacon le situazioni memorizzate e cerca di trovare un insieme di“nearest neighbors”; queste contribuiscono alla decisione diquale azione prendere o suggerire.

Viviana Mascardi



Maxims

Occasionalmente l’agente analizza la propria memoria pertrovare correlazioni tra caratteristiche delle situazioni ed azioniprese dall’utente.

L’agente predice le azioni, e misura la confidenza delle propriepredizioni.

Il modo in cui l’agente usa la propria predizione e determinatoda due soglie: la “do-it” e la “tell-me”, entrambe stabilitedall’utente.

L’agente comunica il proprio stato interno (sto pensando, stolavorando, ho un suggerimento, non sono sicuro, sonosoddisfatto, sono confuso) mediante espressioni facciali.

L’agente puo incrementare la propria competenza anchetramite insegnamento diretto da parte dell’utente ecollaborazione con altri agenti.

Viviana Mascardi



Letizia

Letizia (H. Lieberman, 1995) e uno user interface agent che assistel’utente nella navigazione nella rete.

Traccia il comportamento dell’utente – seguire links, iniziarericerche, richieste di aiuto – e cerca di prevedere qualidocumenti saranno di interesse per l’utente.

Usa un semplice insieme di euristiche per modellare quello chepotrebbe essere il comportamento di navigazione dell’utente.

Approfitta dei tempi morti in cui l’utente guarda undocumento per fare ricerca di nuovi documenti in breadth-firste valutarli.

Non interrompe mai l’utente con suggerimenti: li fornisce solosu richiesta.

Viviana Mascardi



Letizia

Quali sono i comportamenti dell’utente che hanno un significatoper Letizia?

Salvare un link come bookmark: indica interesse.

Seguire un link:

indica interesse nel documento che contiene il link;indica interesse nel contenuto del link stesso. Tuttavia, ildocumento raggiunto potrebbe rivelarsi non interessante: aseconda di quanto tempo l’utente resta nel documentoraggiunto, Letizia assume interesse o disinteresse.

Ritornare ripetutamente ad un documento.

Poiche c’e la tendenza a fare browsing dall’alto in basso e dasinistra a destra, un link che sia stato sorpassato leggendo ildocumento in questo modo si puo considerare noninteressante.

Viviana Mascardi



Letizia

Letizia non supporta meccanismi di comprensione dellinguaggio naturale: il suo modello di documento e una listadi parole chiave.

Letizia non fornisce una misura assoluta dell’interesse di undocumento ma un ordinamento tra i links potenzialmenteinteressanti.

Una delle ragione per utilizzare agenti come Letizia e lapersistenza dell’interesse.

http://lcs.www.media.mit.edu/people/lieber/Lieberary/Letizia/Letizia-Intro.html

Viviana Mascardi



Agenti per intrattenimento: Julia

Julia (Mauldin, 1994) e un robot MUD (Multiple User Dimension,Multiple User Dungeon, o Multiple User Dialogue). Un MUD e unprogramma nel quale un utente puo loggarsi e che puo esplorare.Ogni utente in un MUD prende il controllo di un “avatar”computerizzato.Julia si connette al MUD tramite telnet, e interagisce con gli altrigiocatori umani come se anche lei fosse un giocatore umano.

Viviana Mascardi



Julia

Di cosa e capace Julia:Mantenere mappe della dislocazione delle stanzeYou say, ‘Julia, how do I get to electronics den?’

Julia says, ‘From here, go south, 7, airlock, 9, up,down’Minotaur says, ‘Julia, how do you get to the goldsector?’Julia says, ‘From here, go highport, gold, library’

Viviana Mascardi



Julia

Fornire informazioni su cosa sta facendoYou say, ‘Hi julia. what do you do?’

Julia says, ‘I gossip, Lenny’You whisper, ‘tell me some gossip.’ to julia.Julia whispers, ‘I once heard baba says, ‘Dropkick me Jesus Through the goal posts of life’

Viviana Mascardi



Julia

Descrivere se stessaYou say, ‘julia, how old are you?’

Julia says, ‘I am 21 years old.’You say, ‘julia, describe yourself’Julia whispers, ‘I’m 5’1’ tall, weigh 123 lbs,with close-cropped frizzy blondhair and dark brown eyes.’You say, ‘julia, what color are your eyes?’Julia whispers, ‘I have dark brown eyes, Lenny.’You say, ‘Julia, which sex are you?’Julia says, ‘Can’t you tell?’You say, ‘Julia, what sex are you?’Julia says, ‘don’t you know?’You say, ‘Julia, what sex are you?’Julia says, ‘I’m female’

Viviana Mascardi



Julia

Ricordarsi cosa le e successoJohann kills Julia!

Johann says, ‘ sorry, Julia.’Julia says, ‘I don’t talk to murders!’Julia eyes Johann coldly.Julia says, ‘You attacked me only a few minutesago, Johann!’Brando bites juliaJulia considers reporting Brandi to theTinyMUD police.Julia shus all vermin like Brandi.

Viviana Mascardi



Julia

Fornire dati su se stessa come programma....You say, ‘julia, how much memory do you consume?’

Julia says, ‘Here is a summary of my memory usage:’Julia says, ‘807472 bytes for 17335 strings.’Julia says, ‘232344 bytes for 19362 exits.’.......You say, ‘julia, where is your source code?’Julia says, ‘The source code for Maas-Neotek robotsis available on host NL.CS.CMU.EDU [128.2.222.56],directory /usr/mlm/ftp, file robot.tar.Z set modebinary forst, and cd to /usr/mlm/ftp in one step,Lenny.’

Viviana Mascardi



Julia

.... Evitare le profferte amorose dei marpioni virtuali!

Viviana Mascardi



Health care management

Caratteristiche del dominio (cura di pazienti ammalate di cancro alseno):

C’e una significativa distribuzione di informazione, capacita diproblem solving, risorse e responsabilita che devono esseregestite coerentemente dagli agenti distribuiti che, insieme,effettuano un programma di cura.

La combinazione della decentralizzazione e dell’alto costo diottenere una panoramica completa implica che spesso ledecisioni vanno prese disponendo solo di informazione parziale.

Poiche l’ambiente e dinamico e impredicibile, gli agentidevono mostrare capacita goal-oriented e reagire allemodifiche che avvengono nell’ambiente stesso.

Viviana Mascardi



Health Care Management

Architettura degli agenti nel MAS sviluppato:

Domain knowledge: include, per esempio, una base diconoscenza che copre domini medici specifici, come il cancroal seno, un database di cartelle cliniche di pazienti, undatabase di risorse disponibili.Inference knowledge: nella forma di regole di inferenzadichiarative che specificano relazioni di inferenza tra laconoscenza del dominio, informazioni esistenti sui pazienti, epossibili dati nuovi.Control knowledge: meta-livello che governa la applicazionedelle regole alla conoscenza di dominio.Working memory: immagazzina dati temporanei prodotti dalcontrol layer.Communication manager: compone i messaggi da spedire aglialtri agenti.

Viviana Mascardi




Un esempio di sessione di lavoro:

L’oncologo specifica il goal iniziale di trovare un protocolloappropriato per trattare il cancro al seno di una particolarepaziente.

Il goal attiva il control layer, che individua un protocolloadatto alla situazione.

L’oncologo approva il protocollo e chiede all’agente assistenzanella applicazione del protocollo stesso.

Il control layer viene nuovamente attivato per suddividere ilprotocollo nei compiti costituenti e nel confezionare imessaggi necessari.

L’oncologo approva la suddivisione dei compiti propostadall’agente.

Viviana Mascardi




Un esempio di sessione di lavoro:

L’agente completa i messaggi e li spedisce agli altri agenti.

Quando gli altri agenti accettano di eseguire un sotto-compitoche era loro richiesto, l’oncologo si trova ad interagire in unambiente dinamico che viene continuamente monitoratodall’agente.

Viviana Mascardi



....A che punto siamo – MAS

il problema della scoperta dell’informazione;

il problema della comunicazione;

il problema della integrazione semantica;

il problema dell’integrazione di software legacy;

il problema del reasoning e della coordinazione;

il problema del monitoring.

Viviana Mascardi



A che punto siamo....

Dove NON servono gli agenti?

Dove la soluzione ad agenti e usata solo per aumentare lamodularita, la velocita, la affidabilita, l’efficienza e laflessibilita.

Dove il problema affrontato e semplicemente troppo grandeper essere affrontato da un unico agente centralizzato.

Dove il MAS e usato esclusivamente per risolvere problemi dieterogeneita delle componenti.

Viviana Mascardi



A che punto siamo....

Dove servono gli agenti?

Problemi che richiedono l’interconnessione ed inter-operazionedi sistemi legacy esistenti autonomi ed egoistici.

Problemi la cui soluzione deriva da cooperazione di espertidistribuiti.

Problemi inerentemente distribuiti.

Problemi la cui soluzione richiede la fusione ed integrazione diinformazione, conoscenza o dati che provengono da fontidistribuite ed egoistiche.

Viviana Mascardi

Teorie per agenti Applicazione di agenti e MAS · Applicazioni industriali Produzione Industriale...

Documents

Transcript of Teorie per agenti Applicazione di agenti e MAS · Applicazioni industriali Produzione Industriale...