Úvod do agentů v umělé inteligenci

Dnes jsou agenti v umělé inteligenci novou elektřinou. Je to revoluční technologie. Umělá inteligence dělá stroje / počítače chytrými jako lidé.

Co je agent?

Agent je cokoli, co provádí akce podle informací, které získává z prostředí. Lidský agent má smyslové orgány, které snímají prostředí a části těla, aby jednaly, zatímco robotický agent má senzory, které vnímají životní prostředí.

Jak agent interaguje s prostředím?

Agenti komunikují s prostředím dvěma způsoby:

1. Vnímání

Vnímání je pasivní interakce, kdy agent získává informace o prostředí bez změny prostředí. Senzory robota mu pomáhají získávat informace o okolí, aniž by ovlivňovaly okolí. Získávání informací prostřednictvím senzorů se proto nazývá vnímání.

2. Akce

Akce je aktivní interakce, kde se mění prostředí. Když robot pohybuje paží překážkou, nazývá se akce při změně prostředí. Rameno robota se při provádění akce nazývá „efektor“.

Vysvětlení výše uvedeného obrázku:

  • Interakce Agenta s prostředím je prostřednictvím senzorů a efektorů.
  • Vezměme si příklad chatbotu, který je virtuální asistent. Když čte a chápe význam zpráv uživatele, nazývá se vnímání. A když uživateli odpoví po analýze zprávy uživatele, nazývá se akce.

Jak by agenti měli jednat v umělé inteligenci?

Níže jsou uvedeny body, které vysvětlují, jak by měl agent jednat:

  • Racionální agent dělá správnou věc. Správná akce je ta, která způsobí, že agent bude nejúspěšnější.
  • Vševědoucí agent ví, jaký dopad bude mít akce a může podle toho jednat, ale ve skutečnosti to není možné.
  • Míra úspěchu, která je definována měřením výkonu
  • Percepční sekvence, která je celou sekvencí vnímání agentem až do současnosti
  • Znalost agenta o životním prostředí
  • Jaké akce může agent provést

2. Mapování sekvencí vnímání na akce

Je-li známo, že činnost agenta zcela závisí na percepční historii - percepční sekvenci, lze agenta popsat pomocí mapování. Mapování je seznam, který mapuje sled vnímání na akci. Když určíme, jakou akci by agent měl provést, odpovídající dané percepční sekvenci, pak určíme design pro ideálního agenta.

3. Autonomie

Chování agenta závisí na jeho vlastních zkušenostech a na vestavěných znalostech agenta vštípených návrhářem agenta. Systém je autonomní, pokud jedná podle svých zkušeností. Takže pro počáteční fázi, protože nemá žádné zkušenosti, je dobré poskytnout vestavěné znalosti. Agent se pak učí evolucí. Skutečně autonomní inteligentní agent, má-li dostatek času na přizpůsobení, by měl být schopen úspěšně fungovat v celé řadě prostředí.

Druhy agentů v umělé inteligenci

Zde jsou 4 typy agentů:

1. Reflexní agent

Reflexní agent pracuje podobně jako reflexní působení našeho těla (např. Když okamžitě zvedneme prst, když se dotkne špičky plamene). Stejně jako rychlá reakce našeho těla na základě aktuální situace, agent také reaguje na základě současného prostředí bez ohledu na minulý stav prostředí. Reflexní agent může správně fungovat, pouze pokud jsou rozhodnutí, která mají být učiněna, založena na současném vnímání.

2. Agenti, kteří sledují svět

To jsou agenti s pamětí. Ukládá informace o předchozím stavu, aktuálním stavu a podle toho provede akci. Stejně jako za jízdy chce řidič změnit jízdní pruh, podívá se do zrcadla a pozná aktuální polohu vozidel za sebou. Při pohledu zepředu vidí pouze vozidla vpředu a protože již má informace o poloze vozidel za sebou (před chvílí ze zrcadla), může bezpečně změnit jízdní pruh. Předchozí a aktuální stav se rychle aktualizuje pro rozhodnutí o akci.

3. Cílové agenty

Za určitých okolností nemusí jen informace o aktuálním stavu pomoci při správném rozhodnutí. Pokud je cíl znám, pak agent vezme v úvahu informace o cíli kromě aktuálních informací o stavu, aby učinil správné rozhodnutí. Například, pokud je agent autem řízeným autem a cílem je cíl, pak informace o trase k cíli pomáhají autu při rozhodování, kdy se má odbočit doleva nebo doprava.

„Vyhledávání“ a „plánování“ jsou dvě podpole AI, která agentovi pomáhají dosáhnout jeho cílů. Přestože se agent založený na cíli může jevit méně efektivní, přesto je flexibilní. Vzhledem ke stejnému příkladu uvedenému výše, pokud se cíl změní, agent bude podle toho manipulovat se svými akcemi. Toto nebude případ reflexního agenta, protože všechna pravidla musí být přepsána změnou cíle.

4. Utility Utility

K dosažení cíle může být mnoho možných sekvencí, ale některé budou lepší než jiné. Vzhledem k výše uvedenému příkladu je cíl znám, ale existuje několik tras. Výběr vhodné cesty také záleží na celkovém úspěchu agenta. Při rozhodování o trase existuje mnoho faktorů, jako je nejkratší, pohodlná atd. Úspěch závisí na užitečnosti agenta na základě uživatelských preferencí.

Nástroj je funkce, která mapuje stav na skutečné číslo, které popisuje míru štěstí. Nástrojová funkce určuje vhodný kompromis v případě, že cíle jsou v rozporu.

Závěr - agenti v umělé inteligenci

Agent je cokoli, co provádí akce podle informací, které získává z prostředí. Agenti komunikují s prostředím dvěma způsoby: Vnímání a Akce. Agenti mohou být racionální nebo vševědoucí.

Zde jsou 4 typy agentů:

  • Reflexní (reaktivní) látka - látka bez
  • Agenti, kteří sledují svět
  • Cílové agenty
  • Utility agenti

Doporučené články

Toto je průvodce agenty v umělé inteligenci. Zde diskutujeme, co je agent, jak interaguje s prostředím a čtyři typy agentů. Další informace naleznete také v dalších souvisejících článcích -

  1. Technologie umělé inteligence
  2. Jak funguje umělá inteligence?
  3. Aplikace strojového učení
  4. Druhy algoritmů strojového učení
  5. Techniky umělé inteligence
  6. Top 12 typů senzorů a jejich aplikace

Kategorie:

Velká data