Publicado em: 08/06/2010
Tese de Doutorado em Inteligência Artificial
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
INSTITUTO DE INFORMÁTICA
PROGRAMA DE POS-GRADUAÇÃO EM COMPUTAÇÃO
———————————————————
DEFESA DE TESE DE DOUTORADO EM CO-TUTELA
Aluno: Filipo Studzinski Perotto
Orientador: Prof. Dr. Luis Otávio Campos Alvares
Orientador (UNPT/França): Prof. Dr. Jean-Christophe Buisson
Título: Um Mecanismo Construtivista para Aprendizagem de Antecipações
em Agentes Artificiais Situados.
Linha de Pesquisa: Inteligência Artificial
Data: 11/06/2010
Hora: 10h15
Local: Auditório do Centro de Eventos, Prédio 67 – Instituto de
Informática/UFRGS.
Observação: Defesa em francês.
Banca Examinadora:
Prof. Dr. Yves Demazeuau (CNRS – Grenoble, França)
Prof. Dr. Georgi Stojanov (AUP – Paris, França)
Prof. Dr. Paulo Martins Engel (UFRGS)
Prof. Dr. Antônio Carlos da Rocha Costa (UFRGS)
Presidente da Banca: Prof. Dr. Luis Otávio Campos Álvares
RESUMO
A tese caracteriza-se, primeiramente, pela condução de uma discussão teórica sobre o conceito de agente autônomo, baseada em elementos provenientes dos paradigmas da IA Situada e da Afetiva. A seguir, apresenta o problema da aprendizagem de modelos do mundo, fazendo uma
revisão bibliográfica a respeito de trabalhos relacionados. A partir dessas discussões, a arquitetura CAES e o mecanismo CALM são apresentados. O CALM (Constructivist Anticipatory Learning Mechanism) é um mecanismo de aprendizagem fundamentado na abordagem construtivista da Inteligência Artificial. O CALM permite que um agente situado possa construir um modelo de mundo em ambientes parcialmente observáveis e parcialmente determinísticos, na forma de um Processo de Decisão de Markov Parcialmente Observável e Fatorado (FPOMDP). O modelo de mundo construído é então utilizado para que o agente defina uma política de ações a fim de melhorar seu próprio desempenho. O CAES (Coupled Agent-Everioment System) é uma arquitetura para descrição de sistemas baseados na diconomia agente-ambiente. Ele define agente e ambiente como dois sistemas parcialmente abertos, em coplamento dinâmico. No CAES, o agente é composto por dois subsistemas, mente e corpo, seguindo os princípios de situatividade e motivação intrínseca.
Palavras-chave: Aprendizagem de Máquina, IA Construtivista, Processos de Decisão de Markov (MDP), Descoberta de Estrutura em FPOMPs.
INSTITUTO DE INFORMÁTICA
PROGRAMA DE POS-GRADUAÇÃO EM COMPUTAÇÃO
———————————————————
DEFESA DE TESE DE DOUTORADO EM CO-TUTELA
Aluno: Filipo Studzinski Perotto
Orientador: Prof. Dr. Luis Otávio Campos Alvares
Orientador (UNPT/França): Prof. Dr. Jean-Christophe Buisson
Título: Um Mecanismo Construtivista para Aprendizagem de Antecipações
em Agentes Artificiais Situados.
Linha de Pesquisa: Inteligência Artificial
Data: 11/06/2010
Hora: 10h15
Local: Auditório do Centro de Eventos, Prédio 67 – Instituto de
Informática/UFRGS.
Observação: Defesa em francês.
Banca Examinadora:
Prof. Dr. Yves Demazeuau (CNRS – Grenoble, França)
Prof. Dr. Georgi Stojanov (AUP – Paris, França)
Prof. Dr. Paulo Martins Engel (UFRGS)
Prof. Dr. Antônio Carlos da Rocha Costa (UFRGS)
Presidente da Banca: Prof. Dr. Luis Otávio Campos Álvares
RESUMO
A tese caracteriza-se, primeiramente, pela condução de uma discussão teórica sobre o conceito de agente autônomo, baseada em elementos provenientes dos paradigmas da IA Situada e da Afetiva. A seguir, apresenta o problema da aprendizagem de modelos do mundo, fazendo uma
revisão bibliográfica a respeito de trabalhos relacionados. A partir dessas discussões, a arquitetura CAES e o mecanismo CALM são apresentados. O CALM (Constructivist Anticipatory Learning Mechanism) é um mecanismo de aprendizagem fundamentado na abordagem construtivista da Inteligência Artificial. O CALM permite que um agente situado possa construir um modelo de mundo em ambientes parcialmente observáveis e parcialmente determinísticos, na forma de um Processo de Decisão de Markov Parcialmente Observável e Fatorado (FPOMDP). O modelo de mundo construído é então utilizado para que o agente defina uma política de ações a fim de melhorar seu próprio desempenho. O CAES (Coupled Agent-Everioment System) é uma arquitetura para descrição de sistemas baseados na diconomia agente-ambiente. Ele define agente e ambiente como dois sistemas parcialmente abertos, em coplamento dinâmico. No CAES, o agente é composto por dois subsistemas, mente e corpo, seguindo os princípios de situatividade e motivação intrínseca.
Palavras-chave: Aprendizagem de Máquina, IA Construtivista, Processos de Decisão de Markov (MDP), Descoberta de Estrutura em FPOMPs.