Inteligência Artificial: Busca e Agentes

Inteligência Coletiva e IA Distribuída

A Inteligência Coletiva refere-se à capacidade de um grupo de agentes simples resolverem problemas complexos, com ou sem consciência do objetivo global. Proposta pelo cientista Marvin Minsky, essa área está em crescimento, e o próprio ambiente pode ser modelado como um agente.

A IA Distribuída engloba dois tipos de sistemas:

• Resolução distribuída de problemas: com consciência do objetivo global e divisão clara de tarefas. Exemplos incluem robótica clássica e busca na Web.
• Sistemas Multi-agentes: sem consciência do objetivo global ou divisão clara de tarefas. Exemplos: n-puzzle e futebol de robôs.

Como Desenvolver um Software Inteligente

Projeto:

1. Modelar a tarefa em termos de ambiente, percepções, ações, objetivos e utilidade.
2. Identificar o tipo de ambiente.
3. Identificar a arquitetura de agente adequada ao ambiente e à tarefa.

Implementação:

1. O simulador de ambientes.
2. Componentes do agente.
3. Testar o desempenho com diferentes instâncias do ambiente.

Por que Usar a Metáfora de Agentes?

• Fornece metodologias de desenvolvimento de sistemas inteligentes, estendendo as da engenharia de software.
• Fornece uma visão unificadora das várias subáreas da IA.
• Ajuda a embutir a IA em sistemas computacionais tradicionais.
• Permite tratar melhor a interação com o ambiente.
• Permite o tratamento natural da IA distribuída.

Busca Cega (Exaustiva)

Estratégias para determinar a ordem de expansão dos nós:

1. Busca em largura
2. Busca de custo uniforme
3. Busca em profundidade
4. Busca com aprofundamento iterativo

Direção da expansão:

1. Do estado inicial para um estado final
2. De um estado final para o estado inicial
3. Busca bidirecional

Critérios de Avaliação das Estratégias de Busca

• Completude: A estratégia sempre encontra uma solução quando existe alguma?
• Custo de tempo: Quanto tempo gasta para encontrar uma solução?
• Custo de memória: Quanta memória é necessária para realizar a busca?
• Qualidade (Optimalidade): A estratégia encontra a melhor solução quando existem soluções diferentes? (menor custo de caminho).

Busca em Largura

Expande os nós de forma a percorrer todos os nós de um nível antes de avançar para o próximo nível.

Busca de Custo Uniforme

Modifica a busca em largura, expandindo o nó da fronteira com menor custo de caminho. Cada operador pode ter um custo associado diferente, medido pela função g(n), para o nó n, onde g(n) dá o custo do caminho da origem ao nó n.

Busca em Profundidade

Expande os nós, aprofundando-se em um ramo da árvore de busca antes de retroceder e explorar outros ramos.