L A FORMATION DE GROUPE

A idéia de construir um sistema com mais de um agente, também definido como um sistema multiagentes, é permitir que seus componentes sejam capazes de interagir e cooperarem para solucionar problemas complexos ou de natureza distribuída. Isto pode ser feito com os agentes compartilhando conhecimento e experiências para conseguir gerar soluções de melhor qualidade para um problema.

Elemento de Desempenho Crítico Padrão de Performance Elemento de Aprendizado Sensores Efetuadores Gerador de Problemas Troca Conhecimento Feedback

A

M

B

I

E

N

T

E

A Inteligência Artificial Distribuída (IAD) consiste no estudo, construção e aplicação de sistemas multiagentes, ou seja, sistemas onde vários agentes inteligentes interagem e alcançam um conjunto de objetivos ou executam um conjunto de tarefas [Weiss, 1999]. Diferentemente do enfoque tradicional da Inteligência Artificial, na IAD o estudo é direcionado para o comportamento social inteligente.

Na IAD, coordenação é um conceito essencial para a estruturação de uma comunidade de agentes computacionais inteligentes destinados a solucionar problemas. A tarefa de coordenar as atividades dos diversos agentes de um sistema é um pré-requisito importante para a obtenção de um comportamento coerente e efetivo do sistema [Weiss, 1999].

Nos sistemas multiagentes (SMA), a existência do agente precede e independe da existência de um problema global. Embora participe de uma comunidade, o agente é visto como uma entidade autônoma, direcionada por motivações e objetivos próprios [Sycara, 1998]. O ponto central nesta linha de pesquisa refere-se ao comportamento do agente em sociedade e de como este se posiciona tendo em vista concretizar objetivos de interesse individual ou coletivo. O que se busca em última instância é dotar um agente autônomo de estruturas e mecanismos de inferência e decisão que o capacitem a exibir um comportamento ‘socialmente racional’ ou seja, compatível com os objetivos globais do sistema.

Um conceito importante em um SMA é o de interação entre os agentes. Por interação, entendemos que os agentes podem ser afetados por outros agentes ou até mesmo por humanos na tentativa de atingir seus objetivos e executar suas tarefas [Weiss, 1999]. Uma interação entre dois ou mais agentes pode ocorrer de forma indireta ou direta. A interação indireta acontece quando a ação de um agente modifica o estado do ambiente, podendo interferir no comportamento de outros agentes. Por outro lado, a interação direta entre agentes inteligentes ocorre através de uma linguagem compartilhada onde, por exemplo, um agente envia uma mensagem para outro.

A IAD considera algumas formas de interação entre os múltiplos agentes de um sistema na tarefa de alcançar um objetivo ou completar uma determinada tarefa. Assim, podemos observar dois tipos contrastantes de interação em um SMA: o cooperativo e o competitivo [Weiss, 1999].

A interação cooperativa ocorre quando vários agentes inteligentes trabalham em conjunto utilizando seu conhecimento e habilidades visando atingir um objetivo comum. Por outro lado, a interação competitiva acontece quando os vários agentes do ambiente trabalham uns contra os outros porque seus objetivos são conflitantes. Neste segundo tipo de interação, os agentes estão interessados em conseguir seus objetivos, mesmo que isto prejudique outros agentes. Em outras palavras, na interação cooperativa os agentes trabalham como um time onde todos falharão ou terão sucesso juntos e na interação competitiva, o sucesso de um agente pode implicar na falha dos demais.

O planejamento realizado por um agente a fim de alcançar seus objetivos precisa considerar o impacto de suas ações em si próprio e nos demais agentes do sistema. Este planejamento corresponde ao conceito de coordenação num SMA, cujo objetivo maior é evitar que o sistema se torne caótico com a ausência de um mecanismo que coordene as ações e interações entre os agentes [Weiss, 1999]. Muitas medidas de precaução tornam-se necessárias para viabilizar até os objetivos mais simples. O estabelecimento de um sistema social de controle (coordenação) concorre para que a complexidade do sistema seja reduzida, permitindo que os objetivos de seus agentes possam ser mais facilmente alcançados.

Outra importante característica num SMA é a capacidade de comunicação entre os múltiplos agentes inteligentes. Estes devem ser capazes de participar de um diálogo onde o papel de um agente pode ser ativo, passivo ou ambos, à medida que eles enviam solicitações, apenas recebem e executam solicitações ou assumem ambos os papéis de mestre (quem envia a mensagem) ou escravo (quem executa a solicitação) no diálogo.

A comunicação mais simples entre dois agentes é a que ocorre sob a forma de ordens, ou seja, um agente envia uma ordem de execução de uma determinada ação para um outro agente, que faria o papel passivo de escravo e apenas executaria o que foi solicitado. Na comunicação por meio de consultas, o agente que recebeu uma solicitação pode enviar uma resposta a quem enviou o pedido ou até enviar uma ordem a um outro agente. Para viabilizar a comunicação entre agentes existem diversos protocolos e linguagens disponíveis que são descritos com maires detalhes em [Sycara & Zeng, 1995].

Assim, podemos caracterizar um SMA como um conjunto de agentes inteligentes onde cada um possui uma visão específica do ambiente, o controle do sistema pode ser distribuído entre os vários agentes e a computação pode ser assíncrona.

Devido às limitações de processamento, torna-se necessário organizar as atividades de percepção, deliberação, comunicação e ação do agente, especificando uma estrutura de coordenação e controle capaz de compartilhar adequadamente os recursos de processamento, de acordo com as demandas da tarefa sendo executada [Sycara, 1998].

Direcionando nossa análise para a complexidade computacional presente na monitoração e gerenciamento de um SGBD, podemos identificar várias características que nos levam a considerar como uma alternativa viável de solução a construção de um sistema multiagentes. Neste contexto, os múltiplos agentes inteligentes iriam interagir de forma colaborativa visando atingir um objetivo comum que seria a resolução dos problemas ocorridos nos SGBD do ambiente.

Continuando a exposição de tecnologias que podem ser utilizadas na construção de sistemas para gerenciamento e monitoração de SGBD iremos apresentar na seção 3.3, outra técnica da Inteligência Artificial que em conjunto com os agentes inteligentes pode servir de base para uma solução nos moldes da computação autônoma: o Raciocínio Baseado em Casos (RBC).