A seguir, será apresentado um estudo sobre agentes inteligentes e alguns conceitos, técnicas e considerações, que auxiliaram na formulação do modelo.

6.1. Agentes autônomos

Um agente autônomo é um sistema situado no interior de um ambiente que sente e atua sobre o agente durante todo o tempo, em função de sua própria agenda ( Franklin, Graesser, 1997).

A figura 51 ilustra o princípio das classes naturais de taxonomia para agentes autônomos.

A seguir serão apresentados os conceitos relativos aos agentes inteligentes.

6.1.1. Agentes inteligentes

Um dos principais objetivos das Ciências da Computação é a contrução de "agentes" que mostrem alguns aspectos da inteligência humana. Uma visão atual, considerada como extrema por muitos pesquisadores de IA, diz que esses agentes podem recriar o comportamento humano inteligente em sua totalidade. A visão mais conservadora sustenta ser capaz de construir agentes que possam exibir alguns aspectos do comportamento humano inteligente. (Wooldridge, Jennings, 1994, p. 1).

A construção de agentes inteligentes é o mais importante tópico de pesquisa em IA, devido às aplicações potenciais dos mesmos em uma variedade de domínios. Os agentes de software são provavelmente a área de produção que mais evolui na Tecnologia de Informação (TI). Eles estão sendo usados e agenciados para aplicações diversas, tais como na administração de informação personalizada e de processos comerciais e industriais complexos, na indústria eletrônica, no desenho de interfaces, e nos jogos de computador. Apesar desta proliferação, não existe ainda uma definição comum sobre esses agentes.

Os pesquisadores desta área têm proposto uma variedade de definições com o intuito de explicar o uso da palavra "agente", algumas delas apresentadas a seguir:

• o agente é usado para representar dois conceitos ortogonais. O primeiro é a habilidade do agente para a execução autônoma. O segundo é a habilidade do agente para executar domínios orientados ao raciocínio (Virdhagriswaran, http://www.crystaliz.com/logicware /mubot.html).
• agente é qualquer coisa que possa perceber seu ambiente através de sensores e atuar sobre esse ambiente através de efeitores (Russel, Norvig, op.cit.).
• agentes autônomos são sistemas computacionais que habitam alguns complexos ambientes dinâmicos, sentem e atuam autonomamente neste ambiente, e fazem ou realizam um conjunto de tarefas para os quais eles foram projetados (Maes, 1995).
• agente é uma entidade de software persistente dedicada a um propósito específico (Smith, 1994)
• são programas de computador que podem simular as funções humanas de fazer alguma coisa que uma pessoa pode fazer para outra (Selker, 1994)
• são entidades de software para as quais as tarefas podem ser delegadas (Janca, 1995).
• segundo Lux e Steiner (apud Giraffa, 1997, p. 69), um agente é a entidade central da computação, que serve de modelo explícito para todas as entidades que participam em um sistema de cooperação. Aqui estão incluídos à definição de agente, explícita e implicitamente, conceitos e funções de interação, comportamento, cooperação, ações e comunicação. Sob esta visão, o agente é composto com as seguintes partes:
• corpo do agente - o componente funcional ou solucionador de tarefas;
• cabeça do agente - o controlador de cooperação;
• comunicador do agente - as funções de comunicação.
• Programas propriamente capazes de controlar suas próprias tomadas de decisão e atos, baseados na sua percepção do ambiente, em busca de um ou mais objetivos (Wooldridge, Jennings, 1995, p. 2).

• A noção weak é usada para denotar um hardware ou (mais usualmente) um sistema de computação baseado-em-software, que mostra as seguintes propriedades: autonomia, habilidade social (com alguma classe de linguagem de comunicação de agente), reatividade e pró-atividade.
• A noção strong significa que as propriedades possuídas pelos agentes identificados acima são conceituadas ou implementadas sobre algumas propriedades aplicadas aos humanos, como por exemplo, noções como conhecimento, crença, intenção, obrigação e assim por diante (estados mentais). Vários outros atributos são geralmente discutidos no contexto de agente: mobilidade, veracidade, benevolência e racionalidade.

• autonomia : os agentes operam fora da intervenção de humanos ou outros, e tem alguma classe de controle sobre suas ações e estados internos (Castelfranchi apud Wooldridge, Jennings op. cit.). Os agentes podem atuar com autonomia¹ para realizar um conjunto de ações completamente baseadas na construção de seu conhecimento ( ex. eles precisam de atenção para captar a informação do ambiente), ou de acordo com Shoham( apud giraffa, 1998, p. 16) os agentes autônomos e contínuos funcionam autônoma e continuamente em um ambiente onde o processo acontece;
• habilidade social: os agentes interagem com outros agentes (e possivelmente humanos) por alguma classe de linguagem de comunicação de agentes (Geneserecth, Ketchel apud Wooldridge, Jennings, op. cit);
• sensibilidade: os agentes percebem seu ambiente (que pode ser o mundo físico, o usuário via interface gráfica de usuário, uma coleção de outros agentes, a INTERNET, ou também todas essas combinações) e respondem adaptando-se oportunamente às mudanças ocorridas neste ambiente;
• pró-atividade: os agentes não devem, simplesmente, responder ao seu ambiente, eles devem ser capazes de exibir comportamento oportuno dirigido a metas e tomar iniciativas apropriadas.

• os agentes podem ser temporais, por ex., trabalham quando for necessário;
• os agentes podem ser subservientes, por ex., podem atuar sobre o comando de algum outro. Este é o sentido original do termo em IA, onde um agente pode executar outras instruções explícitas (Shoham apud Giraffa, 1998, p. 16);
• os agentes são entidades de software persistentes (eles trabalham todo o tempo durante a execução e possuem muitas funções) dedicados a um propósito específico (por isso eles são distintos das sub-rotinas), (Smith, Cypher apud ibid.);
• eles têm muitas funções, mas três são essenciais: percepção das condições dinâmicasda ação do ambiente que afeta essas condições, raciocínio para interpretar percepções e resolução de problemas, projeto de inferências e ações determinadas (Hayes-Roth apud ibid.); os agentes:
• podem ter habilidade social pela via de alguma classe de linguagem de comunicação de agentes;
• podem ter alguma classe de reatividade;
• podem ser racionais – um agente racional deverá empreender todas aquelas ações que favoreçam obter o máximo da sua medida de performance², baseando-se nas evidências mostradas pela seqüência de percepções e em todo o conhecimento incorporado em tal agente (Russell, Norvig, op. cit., p. 34).
• podem aprender do ambiente, por observação, etc.
• possuem mobilidade para ir a diferentes lugares físicos;
• podem ser flexíveis e aceitar outras intervenções de agentes;
• podem ter caracteres, i.e., possuem uma personalidade implícita baseada nos estados mentais;
• possuem estados internos que se relacionam com o estado do ambiente com o qual interagem, por ex., personalidade implícita baseada em estados mentais.

Em geral, a arquitetura de um agente põe ao alcance dos programas as percepções obtidas mediante os sensores, para executá-los e alimentar o efeitor com as ações elegidas pelo programa, conforme estas vão se gerando. A relação entre agentes, arquitetura e programas poderia resumir-se da seguinte maneira (ibid., p. 38):

Antes de realizar o projeto de programas de agente, é necessário ter uma idéia bastante precisa das possíveis percepções e ações que intervenham em sua existência, das metas ou medidas de performance a serem, supostamente, levadas a cabo, assim como do tipo de ambiente onde tal agente operará.

Na construção de agentes inteligentes, o esqueleto de todos eles será o mesmo, isto é, deve-se considerar a capacidade de percepção dos estímulos de um ambiente e de geração das respectivas ações. Em relação ao esqueleto, é necessário comentar (ibid., p. 40):

• primeiro: se bem foi definido o mapeamento de um agente, como uma função para passar de seqüências de percepções a ações, o programa do agente recebe como entrada somente uma percepção. É decisão do agente construir a seqüência de percepções na memória. Alguns ambientes permitem funcionar, perfeitamente, sem necessidade de armanezar a seqüência de percepções; em alguns complexos domínios não é possível o armanezamento da totalidade da seqüência;
• segundo: a meta ou a avaliação da performance não forma parte do programa esqueleto. A razão é que a avaliação do desempenho efetua-se de fora, a fim de avaliar a conduta do agente; é freqüente que se obtenha uma alta performance, sem contar com um conhecimento explícito da avaliação do desempenho (por ex.: o agente de raiz quadrada).

• agentes de reflexo simples;
• agentes bem informados de tudo o que se passa;
• agentes baseados em metas;
• agentes baseados em utilidade.

O "mundo" pode ser definido como a descrição completa e instantânea do ambiente no qual o agente se encontra.

Os ambientes são de diferentes tipos. As diferenças básicas são as seguintes (ibid., p. 48):

• acessíveis e não acessíveis: quando o aparelho sensorial de um agente lhe permite ter acesso ao estado total de um ambiente, diz-se que os sensores detectam todos os aspectos relevantes à escolha de uma ação. Nestes ambientes não é necessário que o agente mantenha um estado interno para estar informado do que acontece no mundo;
• deterministas e não deterministas: se o estado seguinte de um ambiente é completamente determinado mediante o estado atual e das ações escolhidas pelos agentes, diz-se que os estados são deterministas;
• episódicos e não episódicos: em um ambiente episódico, a experiência do agente se divide em "episódios". Cada episódio consta de um agente que percebe e atua;
• estáticos e dinâmicos: se existe a possibilidade de que o ambiente sofra modificações enquanto o agente se encontre deliberando, diz-se que tal ambiente se comporta de forma dinâmica em relação ao agente; do contrário, diz-se que é estático;
• discretos e contínuos: se existe uma quantidade limitada de percepções e ações distintas e claramente discerníveis, diz-se que o ambiente é discreto.

O agente possui estados internos relacionados com o estado do ambiente com que interage. Esses estados mentais devem corresponder aos estados mentais humanos, mas essa correspondência não precisa ser exata.

Os estados mentais humanos são vinculados com o mundo, sobre o qual estabelecem a sua existência e a sua significância. Essa característica, segundo a qual os estados mentais humanos "são acerca de", "referem-se a objetos ou situações do mundo", ou "se dirigem a", é chamada de intencionalidade, como por ex., crenças, desejos, expectativas e intenções.

A visão informal de Shoham (apud Giraffa, 1997, p. 70) sobre o mundo, para aplicação da "programação orientada para agentes", incorpora os seguintes aspectos:

• a todo instante, o futuro é determinado por dois fatores: o passado histórico e as ações atuais do agentes;
• as ações de um agente são determinadas, ou pelas suas decisões, ou por suas escolhas, portanto, os fatos são verdadeiros; ou por razões naturais, ou por decisão dos agentes;
• as decisões são logicamente restritas pelas crenças do agente, as quais se referem ao estado do mundo (ao passado, presente ou futuro), ao estado mental de outros agentes e às suas capacidades e às dos outros agentes. Por exemplo, se um robô acredita que não é capaz de passar por uma porta estreita, ele decide não passar por ela;
• as decisões também são restritas por decisões prévias: um robô não pode decidir estar na sala 5 (cinco) em alguns minutos, se ele já decidiu estar na sala 3, no mesmo momento.

Por outro lado, Corrêa (apud ibid., p. 70) propõe uma arquitetura de diálogos entre agentes cognitivos distribuídos, denominada SEM - Sociedade dos Estados Mentais, formada apenas pelos estados mentais crença, desejo, intenção e expectativa.

A análise dos estados mentais propostos pelos autores Shoham e Corrêa pode ser encontrada em Giraffa (1997, p. 71).

A seguir serão abordados os agentes nas aplicações educacionais.

6.1.2. Agentes pedagógicos

No caso particular dos desenvolvimentos de STI e ILE, os agentes também são considerados como agentes pedagógicos. O termo agente pedagógico é usado para denominar os agentes que são projetados para suportar aprendizagem humana, interatuando com os estudantes a fim de facilitar a aprendizagem (Johnson, 1998). Embora os agentes pedagógicos tenham sido construídos baseados nas pesquisas prévias dos STIs, eles trazem uma nova perspectiva para facilitar a aprendizagem on-line e discutem assuntos que os STI anteriores ingnoraram por muito tempo. Os agentes pedagógicos podem adaptar suas interações instrucionais às necessidades dos estudantes e ao estado atual do ambiente de aprendizagem, ajudando os estudantes na superação de suas dificuldades e no aproveitamento das oportunidades de aprendizagem. Eles podem colaborar com os estudantes e com outros agentes, integrando ação com instrução; contrastando com os STIs típicos que somente se comunicam com um deles e são capazes de interagir apenas com um estudante. São capazes tambem de fornecer feedback contínuo aos estudantes durante seu trabalho. Finalmente, eles podem aparentar caracteres naturais para os estudantes, e induzi-los às mesmas classes de respostas afetivas que outras classes de caracteres naturais geram. Os bons professores são bons motivadores. A motivação é um ingrediente chave na aprendizagem, e as emoções desempenham um papel importante na motivação. Portanto, acredita-se que os agentes pedagógicos são professores mais efetivos se demonstrarem e compreederem emoções⁴ (Elliot, Rickel, Lester, 1997).

Os pesquisadores estão vendo com muita expectativa a capacidade de os agentes pedagógicos animados gerarem respostas emotivas na interação com os estudantes. Comportamentos emotivos, tais como expressões faciais e linguagem corporal podem chamar a atenção, motivar e aliviar a frustração do estudante com a "empatia" do agente. Um amplo repertório de comportamentos emotivos foram construídos em Cosmo, os quais são combinados com declarações e outros tipos de posturas não verbais, na geração das explicações (Towns, FittzGeral, Lester apud Lewis, 1998). Comportamentos, tais como aplausos são usados em conjunção com speech acts congratulatórios; movimentos de cabeça ou encolhimento de ombros são usados quando Cosmo toma uma expressão retórica. Adele (Johnson, 1998) emprega expressões faciais emotivas, mostrando satisfação quando o estudante responde corretamente uma questão; agitação se surge uma situação no ambiente de aprendizagem que requeira a imediata atenção do estudante (ex. se o paciente apresenta dificuldades para respirar), e desconforto se o estudante comete um erro que deve saber como evitar.

Os agentes pedagógicos possuem um conjunto normativo de metas de ensino, planos para a execução dessas metas (ex. estratégias de ensino), e recursos associados nos ambientes de aprendizagem (Thalmann, Noser, Huang, apud Giraffa, 1998, p. 16).

A figura 52 mostra o esquema gráfico proposto por Giraffa (1998a, p. 3), para classificar a noção de Agentes Pedagógicos, que foi incorporada por muitos sistemas para propósitos educacionais. Esses agentes pedagógicos incorporam múltiplas características dos Agentes de Entretenimento e alguns deles estão no campo da Vida Artificial.

Em função de facilitar a distribuição de tarefas pedagógicas no contexto das sessões de tutoria, o conceito de sistema-multi-agente foi adaptado aos STI, dando a idéia de uma abordagem baseada-em-agentes para representar o conhecimento pedagógico e seu uso no contexto do ensino.

A razão fundamental para introduzir agentes como elementos de tutoria de conhecimentos é sua capacidade de comunicação e interação (os agentes podem adaptar-se, aprender durante a sessão instrucional). Essas características são fundamentais para que os agentes sobrevivam num ambiente educacional.

De acordo com Vassileva (apud Giraffa, 1998a, p. 39), um agente deve atuar num mundo povoado por outros agentes, pois muitas metas dos agentes requerem a ajuda de outros agentes. Desta forma, as relações entre agentes podem ser vistas como outra classe de recursos para atingir metas.

Os agentes pedagógicos podem ser divididos em goal driven (tutor, mentor, assistente) e utility driven (agentes MOO⁵ e Web). O quadro 11 mostra as características pedagógicas dos agentes goal driven.

Os driven agents são usados para propósitos pedagógicos, tais como agentes labour, que são usados, por ex., para ajudar aos estudantes a encontrarem coisas (software específico, diretórios de arquivos, agendas de encontros de grupos, lembrança de datas de tarefas para casa, etc.). Os agentes MOO possuem uma boa flexibilidade e uma abordagem textual (mesmo contexto). Os agentes baseados em Webs possuem mobilidade e operam em diferentes contextos (Textual, hypermídia e RV, por exemplo). Neste paradigma, a interação ocorre baseada em processos cooperativos ou competitivos, através dos quais humanos e agentes comunicam-se e executam atividades.

Os agentes goal-based realizam suas ações (para atingir suas metas) baseados na informação descrita para situações desejáveis.

Desse modo, os agentes pedagógicos podem atuar como tutores, estudantes, aprendizes, e companheiros virtuais, que ajudam os estudantes no processo de aprendizagem. O agente pode ter um "caráter" ao qual podem ser atribuídos estados mentais.

Quadro 11: Características pedagógicas dos driven agents

Os agentes pedagógicos possuem algumas propriedades fundamentais: autonomia (realiza um conjunto de metas), habilidade social, pró-atividade e persistência. Alguns deles podem ser reativos, de execução contínua, capazes de aprender e representar mais de um caráter (Giraffa, 1998a, p. 3).

Esta classificação surge de um análise detalhada, realizada por Giraffa (1998a, p. 4), baseada nos STI projetados com abordagens de agentes. Esta análise está resumida no quadro 12, onde as propriedades dos sistemas baseados em agentes foram unidas e comparadas. Segundo a autora, os propósitos educacionais de todos esses ambientes foram analisados para identificar os três papéis exercidos pelos agentes pedagógicos driven goal.

Quadro 12: Propriedades de Agentes x propósitos educacionais

Fonte: Giraffa (1998a, p. 4).
Os números da tabela 2 referem-se a:

1. Persona - STI para instruir o usuário a usar um modem (Andre, Muller, Rist, 1997).
2. STI - sociedade para ensino de assuntos específicos (Costa, Perkusich, 1997).
3. STI – para ensino de conceitos de música (Cook, 1997).
4. Assistant - STI para auxiliar os estudantes (Dillenbourg, Jermann, Schneider, Traum, Buiu, 1997).
5. STI – para ensino de conceitos de radiologia em medicina (Franklin, Graesser).
6. ADELE – Tutor pessoal para cada estudante na WEB (Lewis, Shaw, 1997).
7. STI – para ensino de Biologia a crianças (Lester, J. et. al., 1997).
8. STI – para ensino de alguns conceitos de Matemática (Morin, Lelouche, 1997).
9. STI – para selecionar as preferências dos estudantes (Murray, 1997).
10. STEVE - STI para ensino de alguns recursos de laboratório (Rickel, Johnson, 1997).
11. STI - para ensino de conceitos de Matematica (Ritter, 1997).
12. EduAgents - agentes que podem ajudar (ensinar) os estudantes a resolver problemas de equacões elementares (Hietala, Niemirepo, 1997).
13. Ambiente de Cooperação com agentes para ajudar os estudantes na aprendizagem sobre tecnologia (Leroux, 1996).
14. Multi-Ecological - ILE para aprendizagem dos estudantes sobre conceitos de poluição (Giraffa, Nunes,Viccari, 1997).
15. Eletro-Tutor - STI para ensino de alguns conceitos sobre eletricidade (Silveira, Viccari, 1998).
16. MCOE-System – STI para que os estudantes aprendam conceitos a respeito da Ecologia e da Poluição (Giraffa, Nunes, Viccari,1997a).

Alguns experimentos com RV estão acrescentando novas possibilidades de investigação sobre a interação entre o estudante e o ambiente de aprendizagem (Rickel, Johnson, (1997), Silveira, Viccari, (1998)).

O propósito educacional dos agentes utility-based (MOO e Web) é trabalhar como tutores. Isto é possível porque suas estratégias enfocam o ensino de habilidades específicas através de abordagens diretas, como ocorre em 4, 5 e 15 do quadro 12.

No conceito de agentes "Soar" (Rosenbloom apud Mankin, 1997), pode-se incorporar a capacidade de trabalho em equipe. Johnson (apud ibid. ) afirma estar trabalhando na criação de um agente pedagógico que incorporará o conceito "Soar" num "corpo humano virtual", que atuará como um professor programado capaz de treinar humanos num mundo virtual. O fato de possuir a característica de usar recursos de RV, não envolve muita diferença na classificação de um agente pedagógico. A diferença radica no propósito (implícito quando se projeta um agente), que pode ser: goal driven ou utility based. Agentes como ADELE (Agent for Distance Learning – Light Edition), (Johnson, 1998), STEVE (Soar Training Expert for Virtual Environments) e HERMAN (Elliot, Rickel, Lester, 1997) trabalham como tutores, apesar da aparência não típica.

6.2. STI com arquitetura de agentes

Segundo Damico, Viccari e Toscani (apud Giraffa, 1997, p. 82), as limitações do estilo "paternalista" da ação tutorial, encontradas nas implementações de STI que utilizam o modelo tradicional, se devem ao fato das interações seren prerrogativas do sistema. Tais limitações têm impulsionado a pesquisa na busca de ambiente mais cooperativos, onde a iniciativa da ação pode mudar de forma dinâmica, entre o estudante e o sistema. Nos últimos anos, alguns projetos de STIs objetivam ajustar-se às necessidades de cada aprendiz, com o fim de melhorar a performance da aprendizagem. Os tutores são projetados também para fazer parte de um sistema cooperativo.

A modelagem de STI numa arquitetura funcional de agentes é mais do que uma abordagem geral, pois,teoricamente, não existe um limite para o número de agentes que podem participar do processo de aquisição do conhecimento, ocorrido através da negociação dos papéis dos agentes tutores e aprendizes.

As propostas de utilização de arquiteturas MAS em STI trazem uma grande vantagem em relação às arquiteturas tradicionais de STI, uma vez que permitem uma flexibilidade maior no tratamento dos elementos que compõem o sistema (Gagné, Trudel, apud Giraffa, 1997, p. 82) e, devido ao fato de serem usados agentes para modelar os seus componentes, permitindo tratar os elementos da arquitetura tradicional de forma agrupada (um módulo = um agente) ou explodir cada módulo até uma situação como a proposta por Moussale, Viccari e Corrêa (apud Giraffa, 1996, p. 86), onde o refinamento chega até os estados mentais de um agente.

Para ampliar a pesquisa dos STI em arquitetura MAS, vê-se a seguir alguns ambientes recentemente citados, em função de suas características e de suas possíveis contribuições para o modelo proposto mais adiante.

6.2.1. Abordagem de STI, como uma sociedade de agentes (continua)