Tradicionalmente as ferramentas e máquinas tem sido utilizado pelas pessoas como artefatos mecânicos e passivos que prolongam, melhoram e multiplicam suas habilidades físicas e mentais: um martelo é mais forte que a mão humana, com um carro pode-se viajar mais rapidamente do que caminhando com as próprias pernas, um livro pode guardar mais informação e por um período mais longo do que a memória humana. Durante as últimas décadas os computadores tem sido utilizados como ferramentas sofisticadas capazes de melhorar as habilidades humanas de memorização, comunicação, cáculos, etc.

Pesquisas em Inteligência Artificial (Artificial Language - IA) tem se dirigido para o desenvolvimento de software que estimulem a então chamada capacidades de inteligência dos seres humanos tais como raciocínio, comunicação da linguagem natural e aprendizagem. Com tais programas o papel do computador parte de uma mera ferramenta para progressivamente se tornar um tipo de assistente às pessoas.

Em um MAS os agentes podem apresentar diferentes níveis de heterogeneidade. Os agentes podem ser idênticos ou diferir somente em seus recursos disponíveis (baixa heterogeneidade). Os agentes podem diferir nos métodos de resolução de problemas e habilidades por eles utilizadas (média heterogeneidade), podem compartilhar somente uma linguagem de interação, sendo suas outras características diferentes (alta heterogeneidade). Temos também dois tipos de agentes: agentes artificiais (módulos de software) e agentes humanos (usuário).

Em alguns MAS podemos introduzir superagentes compostos de vários agentes artificiais e que podem ser considerados como o representante do grupo de agentes elementares. Quando consideramos um agente envolvido em um MAS vários tópicos devem ser examinados: as categorias dos agentes, a estrutura e manutenção do conhecimento, habilidades de raciocínio, capacidades de aprendizagem e arquitetura dos agentes.

Em ordem para comportar-se antonomamente, os agentes deveriam possuir várias habilidades: percepção e interpretação dos dados e mensagens recebidas, raciocínio baseado em crenças, tomada de decisão (seleção de objetivos, raciocínio sobre as intenções), planejamento (seleção ou construção de planos de ações, resolução de conflitos) e habilidades para executar planos. Por outro lado, em um MAS os agentes podem ser categorizados por vários níveis de capacidade de resolução de problemas: agentes reativos, agentes intencionais e agentes sociais.

Nos Agentes Reativos suas reações dependem de uma percepção do ambiente ou de mensagens de outros agentes. Isto é, não são capazes de raciocinar sobre suas intenções (manipulação dos objetivos). Suas ações são executadas como um resultado de regras ativadas ou ainda pela execução de planos estereotipados. A primeira geração de sistemas especialistas são exemplos típicos de agentes reativos. Dentro de um MAS eles poderiam também ser capazes de comunicar-se com outros agentes: selecionando e enviando ou recebendo e interpretando mensagens relevantes de acordo com a situação atual.

Um Agente Intencional é capaz de raciocinar sobre suas intenções e crenças, para criar planos e ações e para executar tais planos. Podem ser considerados como sistemas planejados. Eles podem selecionar seus objetivos (de acordo com suas motivações), raciocinar sobre eles (detectar e resolver pontos de conflito e coincidências), selecionar e criar planos, detectar conflitos entre planos e executar e revisar planos, se necessário. Em um MAS, os Agentes Intencionais se coordenam trocando informações sobre suas crenças, objetivos ou ações. Estas informações são eventualmente incorporadas em seus planos.

Os Agentes Sociais possuem um modelo explícito de outros agentes. Por isso, ele deve ser capaz de manter este modelo (atualização de crenças, objetivos e eventualmente planos) para raciocinar no conhecimento incorporado nestes modelos (intenções, compromissos, expectativas, reações antecipadas e comportamento hipotético), tomar decisões e criar planos com respeito a outros modelos de agentes.

Os agentes podem ser conceituados como sistemas baseados em conhecimento que podem ser mais ou menos sofisticados, dependendo da característica do MAS que é modelado. Um agente pode ser modelado por diferentes estruturas do conhecimento: fatos ou crenças, objetivos ou intenções, preferências, motivações, desejos, etc. Normalmente, um agentes adquire novos fatos ou crenças como resultado de mensagens enviadas por outros agentes ou pelo ambiente.

Várias abordagens envolvidas com a estrutura do conhecimento tornaram-se conhecidas e discutidas, dentre elas: Cohen and Perrault (1979) propuseram uma abordagem onde os agentes deveriam ser considerados como sistemas planejados: seu modelo oferecia uma estrutura que incluía crenças e objetivos dos agentes, bem como suas crenças relacionadas a outros agentes. Allen (1983) definiu um mecanismo capaz de deduzir objetivos e planos de um agente através das características das ações do discurso. Cohen e Levesque (1990 a,b) propuseram uma abordagem formal baseada nos princípios que governam o equilíbrio entre as crenças e ações e intenções dos agentes. Konolige e Pollack (1993) propuseram um modelo alternativos de intenções que é representacionista, desde modo considera que os objetos semânticos oferecem uma maior representação. (Outros pesquisadores também propuseram suas abordagens e pensamentos apresentados no artigo original).

Em um MAS um agente tem somente uma visão parcial da situação do problema a ser resolvido. A informação é manipulada parcial, incerta e podendo ter erros. Por isso, um agente precisa de mecanismos para manter a consistência das bases de conhecimento ou para revisar suas crenças quando novos conhecimentos contraditórios são adquiridos (Ver no artigo original as abordagens apresentadas por estudiosos).

Normalmente, os agentes precisam raciocinar sobre diferentes aspectos da realidade. O tempo é um fator que muitos sistemas devem levar em consideração na avaliação (lógica temporal). Eles devem estar envolvidos com obrigações, permissões e proibições (lógica deontic), e um agente pode precisar explorar várias hipóteses (raciocínio hipotético) antes de tomar uma decisão. Em adição a habilidade de raciocínio sobre suas próprias crenças, desejos e intenções, um agente precisa raciocinar sobre o conhecimento e comportamento de outros agentes.

Muitos pesquisadores tem chamado a atenção da compreensão do conhecimento requirido para transformar certas ações. Também salientam que o conhecimento pode ser adquirido através da comunicação. Na área do raciocínio sobre outras crenças de agentes, muitos modelos de conhecimento e crenças são baseados em modelo de universos possíveis (possible-worlds model). Nele um agente é dito conhecedor de um fato se o fato é verdadeiro para todas as palavras que ele acha que são possíveis.

Shoham (1989a) propôs um framework que retêm as vantagens e limitações de abordagens anteriormente realizada por pesquisadores e propôs pensar na noção de "time line" . Definiu a noção de ação, conhecimento e raciocínio sobre os mesmos eventos em diferentes níveis de detalhes. Ele ainda complementou este trabalho com a investigação do relacionamento entre a noção de conhecimento e crença. Outros pesquisadores como (Moore, 1995), Levesque (1990), Lakemeyer (1993), entre outros também propuseram novas abordagens envolvidas com a habilidade de raciocínio dos agentes (ver tais abordagens no artigo original).

Um agente também precisa adaptar-se ao ambiente ao comportamentos de outros agentes. Hayes-Roth (1988) propôs vários caminhos para tornar os agentes adaptativos. O projeto MINDS (1987) desenvolveu um sistema de recuperação de informação distribuída onde os agentes compartilhavam conhecimento e tarefas para cooperar na recuperação de documentos para usuários.

Shaw e Whinston (1989) apresentaram um método para incorporar as capacidades de aprendizado de máquina abstraídas das organizações humanas (market) e sistemas naturais (evolution). Wies (1993) se dirigiu ao problema no sentido de como vários agentes podem coletivamente aprender a coordenar suas ações e utilizar para resolver um certa tarefa comportamental coletivamente. Sian (1991) apresenta um MAS composto de vários sistemas especialistas com diversos conhecimentos. Namatame e Tsukamoto(1993) apresentam um sistema hipermídia que incorpora agentes com aprendizado heterogêneo.

A Figura a seguir descreve uma proposta para uma arquitertura de um agente social. Bem como as alternativas da arquitetura e estrutura dos agentes. Existem várias arquiteturas de agentes, as quais possuem certas características que permitem a avaliação de sua qualidade e eficácia. Vários autores propõem arquiteturas para agentes envolvidos em MAS. Dentre eles: (Bouron et al 1991); (Nii 1986 a,b)(Corkill 1983) que propõe a arquitetura do quadro-negro, onde há um modelo de fontes de conhecimetos independentes, assíncronas e anônimas, que se comunicam por uma base de dados em vários níveis; é uma abordagem para resolução de problemas complexos. Ferguson (1992) que propõe uma arquitetura para controle autônomo da mobilidade do agente.

Estrutura e Organização - Em um ambiente multiagente, uma estrutura é definida como o padrão de informação e controle de relacionamentos que existe entre agentes. Consiste também de uma distribuição de capacidades dos agentes para resolver problemas. Para obter-se sucesso na solução de problemas, os agentes devem possuir as seguintes soluções:

Cobertura: qualquer porção necessária do problema global deve estar dentro da capacidade de solucionar problemas de pelo menos um agente.

- Conectividade: agentes devem interagir de uma maneira que permita cobrir atividades para serem desenvolvidas e integradas na solução global.

- Capacidade: cobertura e conectividade devem ser realizáveis dentro da comunicação e limitação dos recursos computacionais, assim como as especificações de confiabilidade do grupo.

Geralmente a estrutura deve especificar regras e relacionamentos para encontrar essas condições. Uma organização para DAI, é menos estruturada em perspectiva, e mais relacionada com a teoria de organização atual. Gasser (1986) define organização como um conjunto de convicções e ações com as quais os agentes interagem uns com os outros. A mudança organizacional significa abrir e/ou agrupar alguns grupos distintos de questões de diferentes maneiras, por exemplo, atribuir para agentes individuais novos problemas para resolver e uma diferente base de suposições sobre as ações e convicções de outros agentes. Para melhor esclarecimento, pode-se definir organização como um conjunto de convicções, intenções e compromissos de seus agentes. Tudo trabalhando junto para alcançar um determinado objetivo.

Sociedades de Agentes - Organizações humanas, as quais são naturalmente sistemas distribuídos, têm desenvolvido vários tipos de soluções para os problemas denominados individuais. Malone (1990) analisa de uma maneira sistemática, analogias entre sistemas de computadores e organizações humanas. Neste contexto sociedades de agentes podem ser definidas como interações entre os agentes, na busca de soluções para determinados problemas. A interação proporciona um trabalho em conjunto no regime de colaboração. O sucesso ocorre porque entre os agentes ocorre um mutuo compromisso. Para melhor compreensão, sociedade de agentes pode ser comparada a um time, onde os membros possuem determinadas atribuições, que no conjunto de suas ações podem resolver problemas.

Malone (1990) afirma que dois dos mais fundamentais componentes da coordenação são a alocação de recursos escassos e a comunicação de resultados intermediários. Por exemplo, sincronizar atividades interdependentes envolve ambos desses componentes. Se uma atividade requer como entrada o resultado de uma outra atividade, então sincronizar a comunicação de resultados intermediários torna-se necessário.

Mintzberg (1979) considera três fundamentais processos de coordenação. Ajuste mutuo é a forma mais simples de coordenação. Isto ocorre sempre que dois ou mais agentes concordam em compartilhar recursos para realizar uma meta em comum. Neste tipo de coordenação não há nenhum controle de prioridade entre os agentes, a decisão é tomada num processo em conjunto. Supervisão direta ocorre onde dois ou mais agentes já tenham estabelecidos um relacionamento no qual um agente tem o mesmo controle em cima dos outros. Nesta forma de coordenação, o supervisor controla o uso do compartilhamento dos recursos. Hierarquias são baseadas em processo de supervisão direta. Ajuste mutuo trabalha bem com grupos pequenos. Entretanto, como o tamanho dos grupos (e o número de atividades) crescem, o número de links de informações e a quantia de informações são trocadas para serem proibitivas mais rapidamente. Um grande grupo pode ser eficientemente dividido em subgrupos, então os supervisores podem manipular as poucas interações desses subgrupos. Subgrupos podem ser coordenados qualquer um por ajuste mutuo ou por controle de hierarquia, dependendo do domínio da aplicação e das características das atividades.

Coordenação é considerado o ponto central para sistemas multiagentes e solução de problemas distribuídos. Sem coordenação, um grupo de agentes pode degenerar-se rapidamente para uma caótica coleção de atividades individuais.

Implementar eficientemente maneiras de cooperação entre agentes é uma das atividades centrais para o desenvolvimento de sistemas multiagentes. Durfee et al. (1989) propõe quatro metas genéricas para cooperação entre um grupo de agentes: aumentar o custo da tarefa de conclusão para paralelismo; aumentar o conjunto ou alcance de tarefas realizáveis por compartilhamento de recursos; aumentar a probabilidade de tarefas completadas empreendimento de tarefas duplicadas, possibilidade com diferentes métodos de execução dessas tarefas; diminuir a interferência entre tarefas evitando interações prejudiciais.

A idéia de cooperação total é aplicado em estudos na solução de problemas distribuídos cooperativamente (CDPS), onde agentes podem trabalhar livremente juntos na rede para solucionar problemas que estão além das capacidades individuais. Nesta rede, cada agente é capaz de resolver problemas complexos e pode trabalhar independentemente .

Negociação toca uma regra fundamental em atividades humanas cooperativas, permitindo que as pessoas resolvam conflitos que podem interferir com comportamento cooperativo.

Durfee et al. (1989) define negociação como o processo de estabelecer acordo (reduzindo inconsistência e incerteza) em pontos de vista comuns ou planos para troca estruturada de informações relevantes. Geralmente, pesquisadores em DAI usam um mecanismo de negociação para coordenar um grupo de agentes. Um número de vários métodos diferentes com diferenciadas técnicas, mas todos incluem aspectos de negociação, tem sido desenvolvidos conforme os humanos negociam em diferentes contextos.

O contract-net protocol tem sido um dos mais influentes métodos de negociação propostos para sistemas multiagentes. Ele foi inspirado com base em organizações humanas. Um outro protocolo influente de negociação estuda estratégias de cooperação para resolver conflitos entre planejamentos de um grupo de agentes. Esta estratégia é aplicada para o domínio de controle do tráfego aéreo, onde o objetivo é habilitar cada agente (avião) para construir um plano de vôo que manterá distância segura entre os aviões localizados em uma determinada área de vôo, controlando também o mínimo consumo de combustível.

Lâasri et al. (1992) descreve um modelo genérico, chamado de modelo de negociação recursiva, que pode servir como uma base para classificar e especificar onde existem conflitos. Este modelo define onde e como a negociação pode ser aplicada e estrutura a solução de problemas em quatro estágios: formulação do problema, foco de atenção, alocação de metas ou tarefas para os agentes e a realização de metas e tarefas.

Os protocolos de negociação assumem que os agentes são cooperativos, desde que procurem alguma tarefa em comum.

Assumindo que um grupo de agentes está cooperando para mesma extensão, o problema é saber como esses agentes podem conseguir comportamento coerente ou coerência global. Coerência global significa que as ações dos agentes fazem sentido com aspecto para objetivos comuns do grupo inteiro.

Um dos principais pontos que afetam a coerência é a informação trocada entre os agentes. Durfee e Lesser (1987) têm mostrado que existem três características maiores referente a troca de informações que podem afetar um comportamento coerente: relevância, oportunidade e perfeição. Para uma mensagem dada, relevância resume a quantia de informações que é consistente com a solução derivada por um grupo de agentes. A oportunidade de uma mensagem transmitida resume a extensão para qual uma mensagem transmitida será influenciada a atividade atual do agente receptor. Perfeição de uma mensagem resume a fração de uma solução completa que a mensagem representa. Perfeição afeta a coerência reduzindo o número de parcialmente ou completamente mensagens redundantes trocadas entre agentes.

Bond e Gaser (1988, p.21) indicam que "nós podemos conseguir maior coordenação por alinhamento de comportamento de agentes para objetivos comuns, com explicita divisão de trabalho". Técnicas tal como planejamento centralizado para múltiplos agentes, planos de reconciliações, planejamento distribuído, análises organizacionais, são maneiras de ajudar alinhar as atividades dos agentes depois de argumentar por intermédio das conseqüências de fazer estas atividades em ordens particulares.

"Um plano multiagente é um plano que tem sido gerado para múltiplas execuções de agentes. Planejamento pode ser feito por um simples agente ou por vários agentes. Em um planejamento de multiagente descentralizado um agente é responsável por construir um plano multiagente que especifica todas as ações do agente. Em um planejamento de multiagente distribuído, o planejamento de atividades são divididos entre o grupo de agentes. Neste método é usado onde não há um simples agente com uma visão global do grupo de atividades.

Geralmente, planejamento multiagente precisa de algum tipo de plano sincronizado. Esta sincronização pode ser executada em vários pontos: durante o plano de composição, durante o plano de construção, ou depois do plano de construção.

Durfee e Lesser (1987) propuseram um método chamado planejamento global parcial no qual agentes constróem planos locais e compartilham esses planos para identificar potenciais melhorias na coordenação. Ao contrário do planejamento multiagente que assume que o plano é formado antes de começar o ato, planejamento global parcial permite que agentes intercalem planejamentos e ações.

Agentes podem interagir através de ações lingüísticas explícitas (comunicação) ou através de ações não-lingüísticas modificando o mundo no qual eles estão agindo. Comunicação permite aos agentes trocar informação e coordenar suas atividades.

Sem Comunicação/Comunicação Primitiva - Em alguns casos um agente infere no estado de outros agentes sem que exista uma comunicação entre eles. A comunicação primitiva restringe a utilização de um conjunto finito de sinais fixos (usualmente dois) com interpretações limitadas para estabelecer a comunicação.

Passando Plano/Mensagem - No enfoque plan-passing, um agente A1 comunica seu plano completo para o agente A2 e A2 comunica seu plano completo para A1. Vários trabalhos em DAI (Inteligência Artificial Distribuída) estão utilizando passagem de mensagens clássica com um protocolo e um conteúdo exato.

Troca de Informação através de um Blackboard (quadro-negro) Em IA (Inteligência Artificial), o blackboard é o modelo de memória compartilhada que é freqüentemente utilizado. É um repositório de dados compartilhados onde os agentes escrevem mensagens, depositam resultados parciais e obtêm informações. É usualmente particionado em vários níveis de abstração apropriada para o problema em questão, e agentes que trabalham em um particular nível de abstração têm acesso ao nível do blackboard permitido.

Comunicação de Alto-Nível - Focaliza a implementação de sofisticadas capacidades de comunicação entre agentes. As pesquisas em compreensão da linguagem natural, e particularmente intenções em comunicação são importantes pois investigam o raciocínio de múltiplos agentes com opiniões, fatos e intenções distintas e possivelmente contraditórias.

Interação Homem/Máquina - Normalmente, um MAS envolve agentes humanos e artificiais. Como em qualquer aplicação de software, interações homem máquina em um MAS é uma questão crítica que assegura se o sistema será efetivamente usado pelos usuários.

No decorrer do artigo foram discutidos várias questões clássicas relacionadas a agentes e grupos de agentes em DAI. Nesta seção novos aspectos serão apresentados.