Fondamenti di Intelligenza Artificiale - Lezione 2 - PDF

Laurea triennale in Informatica Fondamenti di Intelligenza Artificiale Lezione 2 - Agenti Intelligenti Agenti Intelligenti Definizione di agente Un agente è qualsiasi cosa possa essere vista come un sistema che percepisce il suo ambiente attraverso dei sensori ed agisce su di esso tramite deg...

Laurea triennale in Informatica Fondamenti di Intelligenza Artificiale Lezione 2 - Agenti Intelligenti Agenti Intelligenti Definizione di agente Un agente è qualsiasi cosa possa essere vista come un sistema che percepisce il suo ambiente attraverso dei sensori ed agisce su di esso tramite degli attuatori. sensori ambiente agente attuatori Agenti Intelligenti Definizione di agente Un agente è qualsiasi cosa possa essere vista come un sistema che percepisce il suo ambiente attraverso dei sensori ed agisce su di esso tramite degli attuatori. Agente umano Agente robotico Agente software Sensori Sensori Sensori Occhi Telecamere Battute di tasti Orecchie Telemetri Contenuto di file Naso … Pacchetti di rete … … Attuatori Attuatori Attuatori Mani Motori Diversa visualizzazione Gambe Scrittura file Tratto vocale Invio pacchetti di rete … …  Agenti Intelligenti Definizione di agente Un agente è qualsiasi cosa possa essere vista come un sistema che percepisce il suo ambiente attraverso dei sensori ed agisce su di esso tramite degli attuatori. Percezione. Insieme di input percettivi dell’agente in un dato istante. Sequenza percettiva. La storia completa di tutto ciò che l’agente ha percepito nella sua esistenza. software Più in generale, è bene dire che la scelta di un’azione da parte dell’agente, in un qualsiasi istante, può dipendere dall’intera sequenza percettiva osservata asti fino a quel momento, ma non da qualcosa che non abbia percepito. di file rete Specificando l’azione prescelta dall’agente per ogni possibile sequenza percettiva abbiamo descritto l’agente in modo completo. Se volessimo dirla in termini matematici, allora il comportamento di un agente è descritto da una funzione agente, che descrive la corrispondenza ualizzazione tra una qualsiasi sequenza percettiva ed una specifica azione. etti di rete Da un punto di vista pratico, la funzione agente è implementata tramite la specifica di un programma agente. Agenti Intelligenti Definizione di agente Un agente è qualsiasi cosa possa essere vista come un sistema che percepisce il suo ambiente attraverso dei sensori ed agisce su di esso tramite degli attuatori. La sequenza percettiva e la corrispondente azione attuata dall’agente può essere espressa attraverso una tabella. Consideriamo un esempio: Questo mondo è così semplice che potremo Il mondo dell’aspirapolvere esprimere tutto ciò che succede Ci sono due posizioni, ovvero i riquadri A e B. L’agente aspirapolvere percepisce in che riquadro si trova e se c’è dello sporco in tale locazione Può decidere se spostarsi verso sinistra o destra, aspirare o non fare nulla. Di conseguenza, la funzione agente sarà molto semplice: Funzione agente. Se il riquadro corrente è sporco, aspira. Altrimenti, muoviti nell’altro riquadro. Agenti Intelligenti Definizione di agente Un agente è qualsiasi cosa possa essere vista come un sistema che percepisce il suo ambiente attraverso dei sensori ed agisce su di esso tramite degli attuatori. La sequenza percettiva e la corrispondente azione attuata dall’agente può essere espressa attraverso una tabella. Consideriamo un esempio: Questo mondo è così semplice che potremo Il mondo dell’aspirapolvere esprimere tutto ciò che succede Funzione agente. Come possiamo facilmente notare, possiamo Se il riquadro corrente è sporco, aspira. esprimere diversi agenti semplicemente Altrimenti, muoviti nell’altro riquadro. modificando la colonna di destra! Agenti Intelligenti Definizione di agente Un agente è qualsiasi cosa possa essere vista come un sistema che percepisce il suo ambiente attraverso dei sensori ed agisce su di esso tramite degli attuatori. Il ché ci porta ad una domanda: Qual è il modo corretto di progettare la tabella? O, in altri termini: Cosa rende un agente buono o cattivo, intelligente o stupido? Prestazione Razionalità. La razionalità di un agente dipende da questi quattro fattori —> Come accade per un agente umano, questo è razionale in base alle sue conoscenze, Conoscenza pregressa al suo obiettivo, oltre che al contesto che lo circonda. Agente razionale. Per ogni possibile sequenza di Azioni che l’agente può compiere percezioni, un agente razionale dovrebbe scegliere un’azione che massimizzi il valore atteso della sua misura Sequenza percettiva fino di prestazione, date le informazioni fornite dalla sequenza all’instante corrente percettiva e da ogni ulteriore conoscenza dell’agente. Misura di prestazione. Come regola generale, la misura dovrebbe essere progettata sulla base dell’effetto che si desidera osservare sull’ambiente e non su come dovrebbe comportarsi l’agente. Altrimenti, un agente otterrebbe una razionalità perfetta semplicemente “illudendosi” di fare la cosa giusta. Agenti Intelligenti Definizione di agente Un agente è qualsiasi cosa possa essere vista come un sistema che percepisce il suo ambiente attraverso dei sensori ed agisce su di esso tramite degli attuatori. Ma attenzione: la razionalità non implica l’onniscienza. Un agente onnisciente conosce il risultato effettivo delle sue azioni e può agire di conseguenza. Sfortunatamente, nel mondo reale l’onniscienza è impossibile. Un agente razionale fa la cosa “giusta” sulla base del contesto in cui opera. Razionalità, pertanto, non significa perfezione ma piuttosto massimizzazione del risultato atteso. Information gathering. Per massimizzare il risultato atteso, è possibile (e a volte opportuno) intraprendere azioni di information gathering, ovvero azioni che hanno la sola finalità di raccogliere informazioni sull’ambiente circostante e che consentono di modificare le percezioni future. Ad esempio, l’azione di guardare a destra e sinistra prima di attraversare la strada è un’operazione di information gathering che consente di modificare le nostre percezioni e di essere più razionali rispetto all’obiettivo di raggiungere l’altro lato della strada sani e salvi. Un secondo esempio di information gathering è detto esplorazione, ovvero l’azione necessaria per far “conoscenza” di un ambiente sconosciuto —> L’esplorazione è particolarmente rilevante per gli algoritmi di ricerca che vedremo presto.  Agenti Intelligenti Definizione di agente Un agente è qualsiasi cosa possa essere vista come un sistema che percepisce il suo ambiente attraverso dei sensori ed agisce su di esso tramite degli attuatori. Ma attenzione: la razionalità non implica l’onniscienza. Un agente onnisciente conosce il risultato effettivo delle sue azioni e può agire di conseguenza. Sfortunatamente, nel mondo reale l’onniscienza è impossibile. Un agente razionale fa la cosa “giusta” sulla base del contesto in cui opera. Razionalità, pertanto, non significa perfezione ma piuttosto massimizzazione del risultato atteso. Information gathering. Per massimizzare il risultato atteso, è possibile (e a volte opportuno) intraprendere azioni di information gathering, ovvero azioni che hanno la sola finalità di raccogliere informazioni sull’ambiente circostante e che consentono di modificare le percezioni future. è Oltre che l’esplorazione, la definizione di razionalità prevede il concetto di zioni e di apprendimento, ovvero la capacità di imparare coppie di percezioni-azioni e salvi. sulla base delle azioni e dei rispettivi risultati ottenuti in precedenza. ne Un agente che intraprende azioni sulla base della sola conoscenza inserita in fase di progettazione e non delle sue percezioni manca di autonomia. —> Il concetto di apprendimento è alla base degli algoritmi di machine learning che vedremo nella seconda parte del corso. Agenti Intelligenti Definizione di ambiente Un ambiente è essenzialmente un’istanza di un problema di cui gli agenti razionali rappresentano le soluzioni. Un ambiente viene generalmente descritto tramite la formulazione PEAS, ovvero Performance, Environment, Actuators, Sensors. P. Misura di prestazione adottata per valutare l’operato di un agente. E. Descrizione degli elementi che formano l’ambiente. A. Gli attuatori disponibili all’agente per intraprendere le azioni. S. I sensori attraverso i quali riceve gli input percettivi. Tipo di ambiente Misura di prestazione Ambiente Attuatori Sensori Telecamere, Sicuro, veloce, ligio Sterzo, acceleratore, tachimetro, GPS, Strada, altri veicoli alla legge, viaggio freni, frecce, contachilometri, Guidatore di taxi nel traffico, pedoni, confortevole, profitti clacson, schermo di accelerometro, clienti massimi interfaccia sensori sullo stato del motore, tastiera Agenti Intelligenti Definizione di ambiente Un ambiente è essenzialmente un’istanza di un problema di cui gli agenti razionali rappresentano le soluzioni. Tipo di ambiente Misura di prestazione Ambiente Attuatori Sensori Tastiera per Schermo per Paziente sano, l’inserimento dei Sistema di diagnosi Paziente, ospedale, visualizzare minimizzare i costi e sintomi, dei risultati, medica staff medico domande, test, le denunce delle risposte del diagnosi, trattamenti paziente Categorizzazione Collegamento verso Visualizzazione della Sistema di analisi di Array di pixel corretta delle terra di un satellite categorizzazione immagini satellitari sensibili al colore immagini orbitante della scena Nastro trasportatore Telecamera, sensori Percentuale di pezzi Robot selezionatore con parti Braccio meccanico di posizionamento inseriti nei di parti meccaniche meccaniche, con manipolatore del braccio contenitori giusti contenitori meccanico Visore per proporre Insieme di studenti, Tutor interattivo per Risultati del test esercizi, scuola erogatrice di Tastiera lo studio dell’inglese dello studente suggerimenti, test correzioni Agenti Intelligenti Proprietà degli ambienti Se la varietà di ambienti operativi nell’intelligenza artificiale è molto vasto, possiamo identificare un numero relativamente piccolo di dimensioni per caratterizzarli. —> Completamente osservabili (o parzialmente osservabili). I sensori di un ambiente danno accesso allo stato completo dell’ambiente in ogni momento. —> Deterministico (o stocastico). Lo stato successivo dell’ambiente è completamente determinato dallo stato corrente e dall’azione eseguita dall’agente. —> Episodico (o sequenziale). L’esperienza dell’agente è divisa in “episodi” atomici, dove ciascun episodio consiste nell’eseguire una singola azione. La scelta dell’azione in ciascun episodio dipende dall’episodio stesso. —> Statico (o dinamico). L’ambiente è invariato mentre un agente sta deliberando. L’ambiente di dice semi-dinamico se esso non cambia con il passare del tempo ma il punteggio delle prestazione dell’agente lo fa. —> Discreto (o continuo). L’ambiente fornisce un numero limitato di percezioni e azioni distinte, chiaramente definite. La dama è un esempio di ambiente discreto, mentre l’auto a guida autonoma è un esempio di ambiente continuo. —> Singolo (o multi-agente). L’ambiente consente la presenza di un unico agente. Se ci sono più agente, gli scenari cambiano, come vedremo quando, negli algoritmi di ricerca, parleremo di teoria dei giochi. Agenti Intelligenti Proprietà degli ambienti Se la varietà di ambienti operativi nell’intelligenza artificiale è molto vasto, possiamo identificare un numero relativamente piccolo di dimensioni per caratterizzarli. —> Singolo (o multi-agente). L’ambiente consente la presenza di un unico agente. Se ci sono più agente, gli scenari cambiano, come vedremo quando, negli algoritmi di ricerca, parleremo di teoria dei giochi. A questo proposito, vale la pena fornire una seconda classificazione: —> Competitivo. L’ambiente è competitivo se, in un ambiente multi-agente, il comportamento di un agente A è tale da massimizzare/minimizzare la misura di prestazione del comportamento di B (e viceversa). —> Cooperativo. L’ambiente è cooperativo se, in un ambiente multi-agente, due agenti A e B puntano a massimizzare/minimizzare la stessa misura di prestazione. Detto questo, facciamo qualche esempio. Agenti Intelligenti Proprietà degli ambienti Se la varietà di ambienti operativi nell’intelligenza artificiale è molto vasto, possiamo identificare un numero relativamente piccolo di dimensioni per caratterizzarli. Tipo di ambiente Osservabile Agenti Deterministico Episoldico Statico Discreto Cruciverba Completamente Singolo Deterministico Sequenziale Statico Discreto Scacchi con Completamente Multi Deterministico Sequenziale Semi Discreto orologio Poker Parzialmente Multi Stocastico Sequenziale Statico Discreto Backgammon Completamente Multi Stocastico Sequenziale Statico Discreto Autista di taxi Parzialmente Multi Stocastico Sequenziale Dinamico Discreto Diagnosi medica Parzialmente Singolo Stocastico Sequenziale Dinamico Discreto Agenti Intelligenti Struttura degli agenti Il compito dell’intelligenza artificiale è progettare il programma agente, il quale consiste nell’implementazione della funziona agente. Fin qui, parlando di agenti, ci siamo limitati a descrivere il loro comportamento, ovvero l’azione eseguita in corrispondenza di una data sequenza di percezioni. Volendo fare un passo verso la progettazione del programma agente e dando per scontato che tale programma sarà eseguito da un computer dotato di sensori e attuatori, i quali formano la cosiddetta architettura, diremo che: agente = architettura + programma. I programmi agente che progetteremo in questo corso hanno la stessa struttura: prendono come input la percezione corrente dei sensori e restituiscono un’azione agli attuatori. E’ importante notare la differenza tra programma e funzione agente: il primo prende in input solo la percezione corrente, la seconda l’intera storia percettiva. Più in generale, la sfida principale dell’intelligenza artificiale è trovare il modo di scrivere programmi che, nella massima misura possibile, producano comportamento razionale con una piccola quantità di codice invece che con la rappresentazione di tutti gli input percettivi possibili. Agenti Intelligenti Struttura degli agenti Il compito dell’intelligenza artificiale è progettare il programma agente, il quale consiste nell’implementazione della funziona agente. Proprio alla luce di voler raggiungere l’obiettivo di scrivere quanto meno codice possibile, un approccio basato su tabelle è giocoforza fallimentare. Sia P l’insieme delle possibili percezioni e T la durata di vita dell’agente (ovvero, il numero T totale di percezioni che riceverà). La tabella risultante avrà un numero di righe pari a ∑ | P |. t t=1 Considerando il caso del gioco degli scacchi, la tabella avrà 10150 righe… come riferimento, basti pensare che il numero di atomi nell’universo è di poco inferiore 1080. function AGENTE-CON-TABELLA(percezione) returns un’azione persistent: percezioni, una sequenza inizialmente vuota; tabella, una tabella di azioni, indicizzata per sequenze percettive, completamente specificata dall’inizio; aggiungi percezione alla fine di percezioni azione