AI - agenci i środowiska

System AI składa się z agenta i jego środowiska. Agenci działają w swoim środowisku. Środowisko może zawierać inne czynniki.

Co to jest agent i środowisko?

Na agent jest wszystkim, przez co może dostrzec swoje otoczenie sensors i działa na to środowisko poprzez effectors.

ZA human agent ma narządy zmysłów, takie jak oczy, uszy, nos, język i skóra, równoległe do czujników i inne narządy, takie jak ręce, nogi, usta, dla efektorów.
ZA robotic agent zastępuje kamery i dalmierze na podczerwień do czujników oraz różne silniki i siłowniki do efektorów.
ZA software agent zakodował ciągi bitów jako swoje programy i akcje.

Terminologia agentów

Performance Measure of Agent - To kryteria, które decydują o sukcesie agenta.
Behavior of Agent - Jest to działanie, które agent wykonuje po dowolnej sekwencji spostrzeżeń.
Percept - Są to percepcyjne dane wejściowe agenta w danej instancji.
Percept Sequence - To historia wszystkiego, co agent widział do dziś.
Agent Function - Jest to mapa od sekwencji wskazań do działania.

Racjonalność

Racjonalność to nic innego jak status bycia rozsądnym, rozsądnym i posiadającym dobre poczucie osądu.

Racjonalność dotyczy oczekiwanych działań i wyników w zależności od tego, co dostrzegł agent. Wykonywanie działań w celu uzyskania przydatnych informacji jest ważną częścią racjonalności.

Co to jest Ideal Rational Agent?

Idealny racjonalny agent to taki, który jest w stanie wykonać oczekiwane działania w celu zmaksymalizowania swojej miary wydajności, na podstawie:

Sekwencja percepcji
Wbudowana baza wiedzy

Racjonalność agenta zależy od:

Plik performance measures, które określają stopień sukcesu.
Agenta Percept Sequence do teraz.
Agenta prior knowledge about the environment.
Plik actions które agent może przeprowadzić.

Racjonalny agent zawsze wykonuje właściwe działanie, gdzie właściwe działanie oznacza działanie, które powoduje, że agent osiąga największe sukcesy w danej sekwencji percepcji. Problem rozwiązany przez agenta jest scharakteryzowany przez miernik wydajności, środowisko, siłowniki i czujniki (PEAS).

Struktura inteligentnych agentów

Strukturę agenta można postrzegać jako -

Agent = Architektura + Program Agent
Architektura = maszyna, na której działa agent.
Program agenta = implementacja funkcji agenta.

Proste środki odruchowe

Wybierają działania tylko na podstawie aktualnego postrzegania.
Są racjonalne tylko wtedy, gdy właściwa decyzja jest podejmowana tylko na podstawie aktualnych wskazań.
Ich otoczenie jest całkowicie obserwowalne.

Condition-Action Rule - Jest to reguła, która odwzorowuje stan (warunek) na akcję.

Środki odruchowe oparte na modelu

Korzystają z modelu świata, aby wybrać swoje działania. Utrzymują stan wewnętrzny.

Model - wiedza o tym, „jak rzeczy dzieją się na świecie”.

Internal State - Jest to reprezentacja nieobserwowanych aspektów obecnego stanu w zależności od historii percepcji.

Updating the state requires the information about −

Jak świat ewoluuje.
Jak działania agenta wpływają na świat.

Agenci na podstawie celu

Wybierają swoje działania, aby osiągnąć cele. Podejście oparte na celu jest bardziej elastyczne niż agent odruchowy, ponieważ wiedza wspierająca decyzję jest wyraźnie modelowana, co pozwala na modyfikacje.

Goal - To opis pożądanych sytuacji.

Agenty oparte na narzędziach

Wybierają działania na podstawie preferencji (użyteczności) dla każdego stanu.

Cele są nieodpowiednie, gdy -

Istnieją sprzeczne cele, z których tylko kilka można osiągnąć.
Cele obarczone są pewną niepewnością co do osiągnięcia i musisz porównać prawdopodobieństwo sukcesu z ważnością celu.

Natura środowisk

Niektóre programy działają w całości w artificial environment ogranicza się do wprowadzania danych z klawiatury, bazy danych, komputerowych systemów plików i wyprowadzania znaków na ekranie.

W przeciwieństwie do tego, niektóre agenty oprogramowania (roboty programowe lub softboty) istnieją w bogatych, nieograniczonych domenach softbotów. Symulator ma rozszerzenievery detailed, complex environment. Agent oprogramowania musi wybierać z szerokiej gamy działań w czasie rzeczywistym. Softbot przeznaczony do skanowania preferencji online klienta i pokazywania klientowi interesujących elementów działa wreal jak również artificial środowisko.

Najsławniejszy artificial environment jest Turing Test environment, w którym jeden prawdziwy i inne sztuczne czynniki są testowane na równych zasadach. Jest to bardzo wymagające środowisko, ponieważ agent oprogramowania może działać tak dobrze, jak człowiek.

Test Turinga

Sukces inteligentnego zachowania systemu można zmierzyć za pomocą testu Turinga.

W teście uczestniczą dwie osoby i maszyna do oceny. Jedna z dwóch osób pełni rolę testera. Każdy z nich siedzi w różnych pokojach. Tester nie jest świadomy tego, kto jest maszyną, a kto człowiekiem. Przesłuchuje pytania, wpisując je na maszynie i wysyłając do obu inteligencji, na które otrzymuje odpowiedzi na maszynie.

Ten test ma na celu oszukanie testera. Jeśli tester nie zdoła określić odpowiedzi maszyny na podstawie reakcji człowieka, wówczas mówi się, że maszyna jest inteligentna.

Właściwości środowiska

Środowisko ma wielorakie właściwości -

Discrete / Continuous- Jeśli istnieje ograniczona liczba odrębnych, jasno określonych stanów środowiska, środowisko jest dyskretne (na przykład szachy); w przeciwnym razie jest ciągły (na przykład jazda).
Observable / Partially Observable- jeśli możliwe jest określenie pełnego stanu środowiska w każdym punkcie czasowym na podstawie percepcji, jest on obserwowalny; w przeciwnym razie jest to tylko częściowo widoczne.
Static / Dynamic- Jeśli środowisko nie zmienia się podczas działania agenta, oznacza to, że jest statyczne; w przeciwnym razie jest dynamiczny.
Single agent / Multiple agents - Środowisko może zawierać inne czynniki, które mogą być tego samego lub innego rodzaju co agent.
Accessible / Inaccessible - Jeśli aparat sensoryczny agenta może mieć dostęp do pełnego stanu środowiska, to środowisko jest dostępne dla tego agenta.
Deterministic / Non-deterministic- Jeśli następny stan środowiska jest całkowicie zdeterminowany przez stan aktualny i działania agenta, to środowisko jest deterministyczne; w przeciwnym razie jest niedeterministyczna.
Episodic / Non-episodic- W środowisku epizodycznym każdy epizod składa się z postrzegania przez agenta, a następnie działania. Jakość jego akcji zależy właśnie od samego odcinka. Kolejne odcinki nie zależą od działań w poprzednich odcinkach. Środowiska epizodyczne są znacznie prostsze, ponieważ agent nie musi myśleć z wyprzedzeniem.