Inteligentní agenti

V umelej inteligencii a robotike je inteligentný agent (IA) autonómna entita, ktorá pozoruje prostredníctvom senzorov a pôsobí na prostredie pomocou aktuátorov (t. j. je agentom) a riadi svoju činnosť na dosiahnutie cieľov (t. j. je racionálna). Inteligentní agenti sa môžu na dosiahnutie svojich cieľov aj učiť alebo využívať znalosti. Môžu byť veľmi jednoduché alebo veľmi zložité: reflexný stroj, ako je termostat, je jednoduchý inteligentný agent, medzi zložité agenty patrí aj človek a spoločenstvo ľudí, ktorí spoločne pracujú na dosiahnutí cieľa.

Inteligentní agenti sa často schematicky opisujú ako abstraktný funkčný systém podobný počítačovému programu. Z tohto dôvodu sa inteligentní agenti niekedy nazývajú abstraktní inteligentní agenti (AIA)[cit ], aby sa odlíšili od ich implementácií v reálnom svete ako počítačové systémy, biologické systémy alebo organizácie. Niektoré definície inteligentných agentov zdôrazňujú ich autonómiu, a preto uprednostňujú termín autonómni inteligentní agenti. Ešte iné (najmä Russell a Norvig (2003)) považujú za podstatu inteligencie správanie zamerané na cieľ, a preto uprednostňujú termín prevzatý z ekonómie, „racionálny agent“.

Verzie paradigmy inteligentného agenta sa študujú v kognitívnej vede, etike, filozofii praktického rozumu, ako aj v mnohých interdisciplinárnych sociálno-kognitívnych modelovaniach a počítačových sociálnych simuláciách.

Inteligentní agenti úzko súvisia aj so softvérovými agentmi (autonómny softvérový program, ktorý vykonáva úlohy v mene používateľov). V informatike sa termín inteligentný agent môže používať na označenie softvérového agenta, ktorý má určitú inteligenciu, bez ohľadu na to, či nie je racionálnym agentom podľa Russellovej a Norvigovej definície. Napríklad autonómne programy používané na asistenciu operátorom alebo na získavanie údajov (niekedy označované ako boti) sa tiež nazývajú „inteligentní agenti“.

Jednoduchý agentový program možno matematicky definovať ako agentovú funkciu, ktorá mapuje každú možnú sekvenciu percepcií na možnú akciu, ktorú môže agent vykonať, alebo na koeficient, prvok spätnej väzby, funkciu alebo konštantu, ktorá ovplyvňuje prípadné akcie:

Doporučujeme:  Kalifornská univerzita, Berkeley

Funkcia agenta je abstraktný pojem, pretože môže zahŕňať rôzne princípy rozhodovania, ako je výpočet užitočnosti jednotlivých možností, dedukcia nad logickými pravidlami, fuzzy logika atď.

Programový agent namiesto toho mapuje každý možný vnem na akciu.

Termín percept používame na označenie agentových percepčných vstupov v danom okamihu. Na nasledujúcich obrázkoch je agentom čokoľvek, čo možno považovať za vnímanie svojho prostredia prostredníctvom senzorov a pôsobenie na toto prostredie prostredníctvom aktuátorov.

Triedy inteligentných agentov

Agent založený na modeli a cieli

Agent založený na modeli a užitočnosti

Russell a Norvig (2003) rozdeľujú agentov do piatich tried na základe stupňa ich vnímanej inteligencie a schopností:

Jednoduché reflexné agensy konajú len na základe aktuálneho vnemu, pričom ignorujú zvyšok histórie vnemu. Funkcia agenta je založená na pravidle podmienka – akcia: ak podmienka, potom akcia.

Táto funkcia agenta je úspešná len vtedy, keď je prostredie plne pozorovateľné. Niektorí reflexní agenti môžu obsahovať aj informácie o svojom aktuálnom stave, ktoré im umožňujú ignorovať podmienky, ktorých aktuátory sú už spustené.

Nekonečné slučky sú často nevyhnutné pre jednoduchých reflexných agentov, ktorí pracujú v čiastočne pozorovateľných prostrediach. Poznámka: Ak agent môže náhodne meniť svoje akcie, môže byť možné uniknúť z nekonečných slučiek.

Agent založený na modeli dokáže pracovať s čiastočne pozorovateľným prostredím. Jeho aktuálny stav je uložený vo vnútri agenta, ktorý si zachováva určitý druh štruktúry, ktorá opisuje časť sveta, ktorú nie je možné vidieť. Tieto znalosti o tom, „ako svet funguje“, sa nazývajú model sveta, odtiaľ pochádza názov „agent založený na modeli“.

Reflexný agent založený na modeli by mal udržiavať nejaký vnútorný model, ktorý závisí od histórie vnímania, a tým odráža aspoň niektoré nepozorované aspekty aktuálneho stavu. Potom si vyberá akciu rovnakým spôsobom ako reflexný agent.

Doporučujeme:  Cirkadiánna neuroveda

Agenti na báze cieľov ďalej rozširujú možnosti agentov na báze modelov tým, že využívajú informácie o „cieľoch“. Informácie o cieľoch opisujú situácie, ktoré sú žiaduce. To umožňuje agentovi spôsob, ako si vybrať z viacerých možností a vybrať tú, ktorá dosiahne cieľový stav. Vyhľadávanie a plánovanie sú podoblasti umelej inteligencie, ktoré sa venujú hľadaniu postupností akcií, ktorými sa dosiahnu ciele agenta.

V niektorých prípadoch sa zdá, že agent založený na cieľoch je menej efektívny; je flexibilnejší, pretože znalosti, ktoré podporujú jeho rozhodnutia, sú explicitne reprezentované a môžu byť modifikované.

Agenti s cieľom rozlišujú len medzi cieľovými a necieľovými stavmi. Je možné definovať mieru toho, ako je daný stav žiaduci. Túto mieru možno získať pomocou funkcie užitočnosti, ktorá mapuje stav na mieru užitočnosti stavu. Všeobecnejšia miera užitočnosti by mala umožniť porovnávanie rôznych stavov sveta presne podľa toho, ako šťastný by bol agent vďaka nim. Na opis toho, aký je agent „šťastný“, možno použiť pojem užitočnosť.

Agent založený na racionálnom úžitku si vyberá činnosť, ktorá maximalizuje očakávaný úžitok výsledkov činnosti – to znamená, že agent očakáva, že v priemere získa vzhľadom na pravdepodobnosti a úžitky jednotlivých výsledkov. Agent založený na úžitku musí modelovať a sledovať svoje prostredie, čo sú úlohy, ktoré si vyžiadali veľký výskum v oblasti vnímania, reprezentácie, uvažovania a učenia.

Učenie má tú výhodu, že umožňuje agentom spočiatku pracovať v neznámom prostredí a stať sa kompetentnejšími, než by im umožňovali samotné počiatočné znalosti. Najdôležitejší rozdiel je medzi „prvkom učenia“, ktorý je zodpovedný za vykonávanie zlepšení, a „prvkom výkonu“, ktorý je zodpovedný za výber vonkajších činností.

Učiaci sa prvok využíva spätnú väzbu od „kritika“ o tom, ako si agent počína, a určuje, ako by mal byť výkonný prvok upravený, aby si v budúcnosti počínal lepšie.
Výkonový prvok je to, čo sme predtým považovali za celého agenta: prijíma vnemy a rozhoduje o akciách.

Doporučujeme:  Chlpatosť

Poslednou zložkou učiaceho sa agenta je „generátor problémov“. Je zodpovedný za navrhovanie akcií, ktoré povedú k novým a informatívnym skúsenostiam.

Iné triedy inteligentných agentov

Na aktívne vykonávanie svojich funkcií sú dnes inteligentní agenti zvyčajne združení v hierarchickej štruktúre, ktorá obsahuje mnoho „subagentov“. Inteligentní subagenti spracovávajú a vykonávajú funkcie nižšej úrovne. Inteligentný agent a subagenti spolu vytvárajú kompletný systém, ktorý dokáže plniť náročné úlohy alebo ciele so správaním a reakciami, ktoré vykazujú určitú formu inteligencie [potrebná citácia].