O modelo de software Belief–Desire–Intention (BDI) é uma arquitetura de software desenvolvida para programar agentes inteligentes. É superficialmente caracterizado pela implementação das crenças, desejos e intenções de um agente, mas, na verdade, usa esses conceitos para resolver um problema específico na programação de agentes: separar a atividade de seleccionar um plano (a partir de uma biblioteca de planos ou de um planejador externo) da execução dos planos atualmente ativos. Consequentemente, os agentes BDI podem equilibrar o tempo gasto deliberando sobre planos (escolhendo o que fazer) e executando esses planos (fazendo). Uma terceira atividade, a criação dos planos em primeiro lugar (planeamento), não está dentro do escopo do modelo e é deixada ao designer do sistema e ao programador.
O modelo BDI é inspirado na teoria de raciocinio prático humano de Michael Bratman, que também usa os termos crença, desejo e intenção. Para Bratman, desejo e intenção são ambos pro-atitudes (atitudes mentales relacionadas com a ação), mas o compromiso distingue a intenção do desejo, levando a uma persistência temporal nos planos e a que se façam mais planos com base naqueles a que já se está comprometido. O modelo de software BDI aborda parcialmente estas questões: a persistência temporal no sentido de referência explícita ao tempo não é explorada, mas a natureza hierárquica dos planos é mais fácil de implementar, já que um plano consiste em passos, alguns dos quais podem invocar outros planos, implicando um tipo de persistência temporal.
Agentes BDI
Um agente BDI é um tipo particular de agente de software racional limitado imbuido de atitudes mentais: crenças, desejos e intenções. Estas atitudes são implementadas numa arquitetura que incluye componentes como crenças, desejos, objetivos, intenções, planos e eventos.
- Crenças representam o estado informacional do agente - suas crenças sobre o mundo, incluindo si mesmo e outros agentes. As crenças podem incluir regras de inferência, permitendo que o encadenamento para frente leve a novas crenças. O termo "crença" em lugar de "conhecimento" reconhece que o que um agente cree pode não ser necessariamente verdadeiro. As crenças são armazenadas numa base de dados, às vezes chamada base de crenças ou conjunto de crenças.
- Desejos representam o estado motivacional do agente - objetivos ou situações que o agente gostaria de alcançar, como encontrar o melhor preço ou ficar rico.
- Objetivos são desejos que foram adotados para busca ativa, com a restrição de que o conjunto de desejos ativos deve ser consistente (por exemplo, não se deve ter objetivos simultâneos de ir a uma festa e ficar em casa).
- Intenções representam o estado deliberativo - o que o agente escolheu fazer. As intenções são desejos aos que o agente se comprometiu, o que significa em sistemas implementados que o agente começou a executar um plano.
- Planos são sequências de ações (receitas ou áreas de conhecimento) que um agente pode realizar para alcançar uma ou mais de suas intenções. Os planos podem incluir outros planos, refletindo a ideia de Bratman de que os planos são inicialmente apenas parcialmente concebidos.
- Eventos são gatillos para atividade reativa, atualizando crenças, gatillando planos ou modificando objetivos. Os eventos podem ser gerados externamente (via sensores) ou internamente.
O modelo BDI também foi estendido com um componente de obrigações, dando lugar à arquitetura de agente BOID para incorporar obrigações, normas e compromissos em ambientes sociais.
Intérprete BDI
Um intérprete BDI idealizado, baseado na linhagem PRS de SRI, opera da seguinte maneira:
- Inicializar estado.
- Repetir:
- Opções: generador de opções (fila de eventos)
- Opções seleccionadas: deliberar(opções)
- Atualizar intenções(opções seleccionadas)
- Executar()
- Obter novos eventos externos()
- Descartar atitudes não exitosas()
- Descartar atitudes impossíveis()
Este intérprete cicla através da generación de opções a partir de eventos, deliberação para seleccionar opções, atualização de intenções, execução de planos e manejo de novos eventos, enquanto descarta atitudes que são não exitosas ou impossíveis.
Lógicas Formais e Raciocinio
Um aspecto importante do modelo de software BDI é a existência de modelos lógicos através dos quais os agentes BDI podem ser definidos e raciocinados. A pesquisa levou a axiomatizaciones de algumas implementações BDI e descripciones lógicas formais como BDICTL de Anand Rao e Michael Georgeff, que combina uma lógica multi-modal (com modalidades para crenças, desejos e intenções) com a lógica temporal CTL*. Mais recentemente, Michael Wooldridge estendeu BDICTL para definir LORA (Logic Of Rational Agents), incorporando uma lógica de ação para raciocinar sobre agentes individuais e interações em sistemas multi-agente.
Limitaciones e Críticas
O modelo de software BDI é um exemplo de arquitetura de raciocinio para um único agente racional e uma preocupação em sistemas multi-agente mais amplos. Limitaciones conhecidas incluyen:
- Aprendizaje: Os agentes BDI carecem de mecanismos específicos para aprender do comportamento passado e adaptarse a novas situações.
- Tres atitudes: Os teóricos de decisión clásicos e pesquisadores de planeamento questionam a necessidade de ter todas as três atitudes, enquanto a pesquisa em IA distribuída questiona se as três atitudes são suficientes.
- Lógicas: As lógicas multi-modales subjacentes ao BDI, que não têm axiomatizaciones completas e não são eficientemente computables, têm pouca relevância na prática.
A pesar destas limitaciones, o modelo BDI permanece influente em sistemas baseados em agentes. Fue proposto por Steven Umbrello e Roman Yampolskiy como um meio de diseñar vehículos autónomos para valores humanos, e continua a informar a pesquisa em inteligencia artificial e sistemas multi-agente. A separação de deliberação e execução do modelo tem paralelos em outras áreas da IA, como aprendizaje por refuerzo e planeamento, e seus conceitos são relevantes para o diseño de vehículos autónomos e robótica.
Aplicações e Relevância
A arquitetura BDI foi aplicada em vários domínios, incluindo vehículos autónomos, robótica e videojuegos. Proporciona um marco para implementar agentes racionales que podem equilibrar comportamento reativo e deliberativo. Embora não garanta todas as características associadas com agentes inteligentes, como crenças privadas ou comunicação, oferece uma abordagem estruturada à programação de agentes. A influência do modelo se estende a sistemas multi-agente e modelagem baseada em agentes, e permanece um tema de pesquisa em inteligencia artificial e ciência cognitiva.
A partir do início da década de 2020, o BDI continua a ser estudado e estendido, com esforços para integrar mecanismos de aprendizaje e abordar desafios computacionais. Seus fundamentos formais, como BDICTL e LORA, proporcionan uma base para verificar o comportamento do agente, embora implementações práticas frequentemente simplifiquen estas lógicas. A ênfase do modelo em atitudes mentales oferece uma abordagem inspirada no humano para diseñar sistemas inteligentes, distinguindo-o de arquiteturas puramente reativas ou puramente deliberativas.