Aula 02 - Agentes Inteligentes

Guia visual de revisão. Esta nota organiza os conceitos de agente, racionalidade, PEAS, propriedades do ambiente e arquiteturas de agentes. Use-a como ponte entre os slides e o Estudo Guiado 02.

Nota visual da aula

Nota visual da Aula 02 - Agentes Inteligentes

Síntese visual dos principais conceitos da Aula 02. Use a figura para uma primeira revisão e, em seguida, percorra as seções abaixo para aprofundar cada conceito.

Visão em 30 segundos

Pergunta Ideia-chave
O que é um agente? Uma entidade que percebe um ambiente e age sobre ele.
O que torna um agente racional? Escolher a ação que maximiza o desempenho esperado com base nas percepções, conhecimento e ações disponíveis.
Racionalidade é onisciência? Não. Uma decisão pode ser racional mesmo quando o resultado posterior não é o melhor possível.
Para que serve PEAS? Para especificar tarefa, ambiente, meios de atuação e fontes de percepção.
Por que classificar o ambiente? Porque observabilidade, incerteza, dinâmica e continuidade influenciam a arquitetura do agente.

Mapa mental da aula

mindmap
  root((Agentes Inteligentes))
    Agente
      Percepções
      Sensores
      Ações
      Atuadores
    Racionalidade
      Medida de desempenho
      Informação disponível
      Conhecimento prévio
      Ações possíveis
    PEAS
      Performance
      Environment
      Actuators
      Sensors
    Ambiente
      Observabilidade
      Determinismo
      Episódico ou sequencial
      Estático ou dinâmico
      Discreto ou contínuo
      Único ou multiagente
    Arquiteturas
      Reativo simples
      Baseado em modelo
      Orientado por metas
      Orientado por utilidade
      Aprendizagem

1. O ciclo percepção-ação

A forma mais direta de visualizar um agente é como um ciclo contínuo entre ambiente, percepção, decisão e ação.

flowchart LR
    ENV[Ambiente] -->|percepções| SEN[Sensores]
    SEN --> AG[Agente]
    AG --> DEC[Escolha da ação]
    DEC --> ACT[Atuadores]
    ACT -->|ações| ENV

Termos que não são sinônimos

Termo Significado
Sensor mecanismo ou fonte usada para captar informação
Percepção informação recebida em determinado instante
Sequência perceptiva histórico das percepções recebidas
Ação decisão executada pelo agente
Atuador meio utilizado para produzir a ação no ambiente

Ponto de atenção: sensor não é percepção, assim como atuador não é ação.

2. Função do agente e programa do agente

A função do agente descreve conceitualmente o mapeamento entre sequência perceptiva e ação.

sequência de percepções → ação

O programa do agente é a implementação concreta dessa função em uma arquitetura computacional.

flowchart LR
    P[Sequência perceptiva] --> F[Função do agente]
    F --> A[Ação]
    F -. implementada por .-> PR[Programa do agente]
    PR --> ARQ[Arquitetura]

3. Racionalidade

Um agente racional escolhe a ação que maximiza o desempenho esperado, considerando:

  • a medida de desempenho;
  • a sequência perceptiva disponível;
  • o conhecimento prévio sobre o ambiente;
  • as ações que podem ser executadas.
flowchart TD
    R[Racionalidade] --> P[Percepções disponíveis]
    R --> K[Conhecimento prévio]
    R --> A[Ações possíveis]
    R --> M[Medida de desempenho]
    P --> D[Decisão]
    K --> D
    A --> D
    M --> D

Racionalidade ≠ onisciência

Considere duas ideias:

Onisciência: saber antecipadamente o resultado real de cada ação.
Racionalidade: decidir da melhor forma possível com o que se sabe agora.

Uma decisão racional pode produzir um resultado ruim se o ambiente for incerto ou parcialmente observável.

Regra de análise: julgue a decisão pelas informações disponíveis no momento em que ela foi tomada, não apenas pelo resultado observado depois.

4. PEAS

PEAS ajuda a especificar uma tarefa de agente de forma disciplinada.

Letra Elemento Pergunta
P Performance measure Como saberemos se o agente está indo bem?
E Environment Em que ambiente ele opera?
A Actuators Como ele age sobre o ambiente?
S Sensors Como ele percebe o ambiente? 
flowchart TB
    T[Tarefa do agente] --> P[P - Desempenho]
    T --> E[E - Ambiente]
    T --> A[A - Atuadores]
    T --> S[S - Sensores]

Exemplo genérico: robô de entrega

PEAS Possíveis elementos
P segurança, tempo de entrega, energia, taxa de sucesso
E corredores, pessoas, portas, elevadores, obstáculos
A motores, direção, sinalização, manipuladores
S câmera, distância, localização, estado de bateria

Evite medidas vagas: "fazer um bom trabalho" não especifica desempenho. Prefira critérios observáveis e comparáveis.

5. Como classificar um ambiente

As propriedades do ambiente ajudam a definir quanta informação o agente precisa manter e como deve escolher suas ações.

flowchart LR
    ENV[Ambiente] --> O[Observabilidade]
    ENV --> D[Determinismo]
    ENV --> E[Episódico / sequencial]
    ENV --> S[Estático / dinâmico]
    ENV --> C[Discreto / contínuo]
    ENV --> M[Único / multiagente]

Quadro de revisão

Dimensão Extremo A Extremo B Pergunta útil
Observabilidade completamente observável parcialmente observável o agente vê tudo que importa?
Resultado das ações determinístico estocástico a mesma ação sempre produz o mesmo resultado?
Dependência temporal episódico sequencial decisões atuais afetam decisões futuras?
Mudança do ambiente estático dinâmico o mundo muda enquanto o agente decide?
Representação discreto contínuo estados, tempo e ações assumem valores discretos?
Participantes agente único multiagente outros agentes influenciam o resultado?

Importante: uma classificação depende da modelagem adotada. Alterar hipóteses do problema pode alterar a classificação.

6. Arquiteturas de agentes

As arquiteturas podem ser vistas como respostas progressivas a limitações do agente mais simples.

flowchart LR
    R[Reativo simples] --> M[Baseado em modelo]
    M --> G[Orientado por metas]
    G --> U[Orientado por utilidade]
    U --> L[Com aprendizagem]

Comparação

Arquitetura Usa estado interno? Usa meta? Usa utilidade? Pode aprender?
Reativo simples não necessariamente não não não necessariamente
Baseado em modelo sim não não não necessariamente
Orientado por metas sim sim não necessariamente não necessariamente
Orientado por utilidade sim sim sim não necessariamente
Com aprendizagem depende da arquitetura base pode usar pode usar sim

O raciocínio por trás da evolução

Só reagir ao presente
    ↓
lembrar aspectos não observados diretamente
    ↓
considerar objetivos futuros
    ↓
comparar alternativas por preferência/desempenho
    ↓
aprender com experiência

7. ChatGPT é um agente?

A resposta depende da configuração do sistema, não apenas do modelo.

flowchart TB
    M[Modelo recebe texto e responde] --> Q1{Interage autonomamente com ambiente?}
    Q1 -->|não| C1[Pode ser tratado como componente de um sistema]
    Q1 -->|sim| Q2[Percebe resultados, escolhe ações e continua até uma meta]
    Q2 --> C2[Descrição como agente torna-se mais adequada]

Dois cenários

Cenário Percepção Ação Autonomia Interpretação
modelo responde a uma mensagem prompt resposta baixa componente interativo
sistema observa, usa ferramentas, verifica e continua mensagens + resultados chamadas de ferramentas + respostas maior arquitetura de agente

Ponto central: não classifique apenas pelo nome da tecnologia. Identifique ambiente, percepções, ações, objetivo e grau de autonomia.

8. Agente orientado por metas e busca

Um agente orientado por metas precisa considerar estados futuros e sequências de ações.

flowchart LR
    AG[Agente orientado por metas] --> EI[Estado atual]
    AG --> G[Meta]
    EI --> P[Formular problema]
    G --> P
    P --> B[Buscar sequência de ações]
    B --> EX[Executar]

Essa transição prepara diretamente as Aulas 03 e 04.

9. Erros conceituais frequentes

⚠️ "Agente é qualquer programa." A análise por agentes enfatiza percepção, ação e relação com um ambiente.

⚠️ "Racionalidade significa sempre escolher a ação que dará o melhor resultado real." Isso exigiria conhecimento perfeito do futuro.

⚠️ "Parcialmente observável significa que o sensor está com defeito." A própria natureza do problema pode impedir acesso completo ao estado relevante.

⚠️ "Agente orientado por metas sempre sabe o melhor caminho." A meta define o que se deseja; encontrar como chegar até ela pode exigir busca.

Revisão de 1 minuto

Agente
├── percebe o ambiente por sensores
├── recebe percepções
├── escolhe ações
├── atua por atuadores
├── é avaliado por uma medida de desempenho
├── pode operar sob informação incompleta
└── pode usar modelos, metas, utilidade e aprendizagem

Checklist

  • [ ] Diferencio sensor, percepção, ação e atuador.
  • [ ] Consigo explicar racionalidade sem confundir com onisciência.
  • [ ] Consigo montar um PEAS coerente.
  • [ ] Consigo classificar um ambiente e justificar cada dimensão.
  • [ ] Consigo comparar as principais arquiteturas de agentes.
  • [ ] Consigo analisar quando um sistema baseado em modelo de linguagem pode ser tratado como agente.
  • [ ] Consigo explicar por que agentes orientados por metas levam à formulação de problemas e busca.

Próximo passo: faça o Estudo Guiado 02 e observe como as perguntas sobre estado, meta e consequências das ações conduzem à Aula 03.