2. AGENT INTELIGENTNY
© F.A. Dul 2007
Agent inteligentny
W tym rozdziale przedstawimy agenta
inteligentnego i zdefiniujemy jego
inteligentnego i zdefiniujemy jego
racjonalno
ść
.
racjonalno
ść
.
Omówimy ró
ż
ne rodzaje
ś
rodowisk
w których mo
ż
e działa
ć
.
w których mo
ż
e działa
ć
.
Przedstawimy te
ż
ró
ż
ne typy agentów.
© F.A. Dul 2007
2.1. Agent inteligentny
Plan rozdziału
• Agenci i
ś
rodowiska.
• Racjonalno
ść
działa
ń
.
• Racjonalno
ść
działa
ń
.
• PEAS: miara jako
ś
ci,
ś
rodowisko, mechanizmy
wykonawcze, czujniki.
wykonawcze, czujniki.
• Rodzaje
ś
rodowisk.
• Typy agentów.
• Typy agentów.
© F.A. Dul 2007
2.1. Agent i
ś
rodowisko
W niniejszym kursie podstawowym obiektem sztucznej
W niniejszym kursie podstawowym obiektem sztucznej
inteligencji agent inteligentny (racjonalny).
Agent jest to obiekt który postrzega i działa.
Definicja formalna agenta
Agent jest to funkcja f przekształcaj
ą
ca postrzeganie
P
*
na działanie
A
,
na działanie
A
,
f
:
P
*
→
→
→
→
A
Inteligencja (racjonalno
ść
) agenta:
f
:
P
→
→
→
→
A
Inteligencja (racjonalno
ść
) agenta:
dla okre
ś
lonego
ś
rodowiska (otoczenia) oraz
wyznaczonego celu poszukuje si
ę
agenta (lub ich klasy)
© F.A. Dul 2007
wyznaczonego celu poszukuje si
ę
agenta (lub ich klasy)
realizuj
ą
cego wyznaczone zadanie w najlepszy sposób.
2.1. Agent i
ś
rodowisko
Agent jest to obiekt który postrzega
ś
rodowisko
Definicja fizyczna agenta
Agent jest to obiekt który postrzega
ś
rodowisko
za pomoc
ą
czujników oraz wykonuje działania
przy pomocy mechanizmów wykonawczych.
Postrzeganie
Czujniki
przy pomocy mechanizmów wykonawczych.
Ś
rodowisko
Ś
rodowisko
Mechanizmy
Działanie
Mechanizmy
wykonawcze
Decyzje i działania agenta mog
ą
zale
ż
e
ć
od całej historii
Decyzje i działania agenta mog
ą
zale
ż
e
ć
od całej historii
obserwacji (percepcji),
...,p
-n
, p
-n+1
,..., p
-1
, p
0
© F.A. Dul 2007
...,p
-n
, p
-n+1
,..., p
-1
, p
0
Przykłady agentów:
2.1. Agent i
ś
rodowisko
• Człowiek („agent ludzki”)
– czujniki: oczy, uszy, pozostałe organy zmysłów, r
ę
ce,
powierzchnia ciała;
Przykłady agentów:
powierzchnia ciała;
– mechanizmy wykonawcze: r
ę
ce, nogi, inne cz
ęś
ci ciała...
• Robot (agent sztuczny człekokształtny)
• Robot (agent sztuczny człekokształtny)
– czujniki: kamery, czujniki podczerwieni, mikrofony,
termometry, akcelerometry i inne;
– mechanizmy wykonawcze: silniki i siłowniki.
– mechanizmy wykonawcze: silniki i siłowniki.
• Program komputerowy (agent sztuczny stacjonarny)
– czujniki: klawiatura, mysz, joystick, czytnik dysku;
– czujniki: klawiatura, mysz, joystick, czytnik dysku;
– mechanizmy wykonawcze: ekran, drukarka, element
zapisuj
ą
cy.
• Agent internetowy (agent sztuczny w
ę
druj
ą
cy)
• Agent internetowy (agent sztuczny w
ę
druj
ą
cy)
– czujniki: funkcja czytaj
ą
ca dane, odbiornik pakietów;
– mechanizmy wykonawcze: funkcja zapisuj
ą
ca dane,
© F.A. Dul 2007
– mechanizmy wykonawcze: funkcja zapisuj
ą
ca dane,
nadajnik pakietów.
Przykład: agent - odkurzacz
2.1. Agent i
ś
rodowisko
• Postrzeganie: poło
ż
enie i status czysto
ś
ci, np.
[ A,
ś
mieci ]
, [ B, czysto ]
[ A,
ś
mieci ]
, [ B, czysto ]
• Działania:
– w lewo,
– w lewo,
– w prawo,
– odkurzaj,
– nic nie rób.
– nic nie rób.
• Stan:
[ Poło
ż
enie agenta ; A(Czysto
ść
) , B(Czysto
ść
) ]
[A;A(
ś
),B(
ś
)] , [A;A(
ś
),B(c)] , [A;A(c),B(
ś
)] , [A;A(c),B(c)],
© F.A. Dul 2007
[A;A(
ś
),B(
ś
)] , [A;A(
ś
),B(c)] , [A;A(c),B(
ś
)] , [A;A(c),B(c)],
[B;A(
ś
),B(
ś
)] , [B;A(
ś
),B(c)] , [B;A(c),B(
ś
)] , [B;A(c),B(c)]
Tablica działa
ń
agenta - odkurzacza
2.1. Agent i
ś
rodowisko
Ci
ą
gi obserwacji
Działanie
[ A , czysto ]
W PRAWO
[ A , czysto ]
W PRAWO
[ A ,
ś
mieci ]
ODKURZAJ
[ B , czysto ]
W LEWO
[ B , czysto ]
W LEWO
[ B ,
ś
mieci ]
ODKURZAJ
[ A , czysto ] , [ A , czysto ]
W PRAWO
[ A , czysto ] , [ A ,
ś
mieci ]
ODKURZAJ
. . .
. . .
© F.A. Dul 2007
Tablica działa
ń
agenta mo
ż
e by
ć
niesko
ń
czona.
Program działa
ń
agenta - odkurzacza
2.1. Agent i
ś
rodowisko
function REFLEX-AGENT-ODKURZACZ ( [location, status] ) return DZIAŁANIE
if status ==
Ś
MIECI then return ODKURZAJ
if status ==
Ś
MIECI then return ODKURZAJ
else if location == A then return W PRAWO
else if location == B then return W LEWO
Program agenta pozwala wi
ę
c na radykalne zmniejszenie
ilo
ś
ci danych koniecznych do opisania jego zachowania.
ilo
ś
ci danych koniecznych do opisania jego zachowania.
© F.A. Dul 2007
2.2. Racjonalno
ść
agenta
Dla okre
ś
lonego
ś
rodowiska (otoczenia) oraz
wyznaczonego celu poszukuje si
ę
agenta (lub ich klasy)
realizuj
ą
cego wyznaczone zadanie w najlepszy sposób.
• Agent powinien stara
ć
si
ę
wykona
ć
dobrze zadanie,
realizuj
ą
cego wyznaczone zadanie w najlepszy sposób.
• Agent powinien stara
ć
si
ę
wykona
ć
dobrze zadanie,
opieraj
ą
c si
ę
na tych obserwacjach
ś
rodowiska,
które mo
ż
e przeprowadzi
ć
.
• Działanie wła
ś
ciwe to takie, które zapewnia
agentowi uzyskanie najlepszych rezultatów.
• Miara jako
ś
ci: obiektywne kryterium oceniaj
ą
ce
działanie agenta.
• Przykład: miarami jako
ś
ci agenta-odkurzacza mog
ą
by
ć
: ilo
ść
zassanych
ś
mieci, czas odkurzania, ilo
ść
zu
ż
ytej energii, hałas podczas pracy, etc.
© F.A. Dul 2007
zu
ż
ytej energii, hałas podczas pracy, etc.
2.2. Racjonalno
ść
agenta
Racjonalno
ść
agenta zale
ż
y od czterech czynników:
Racjonalno
ść
agenta zale
ż
y od czterech czynników:
• miary jako
ś
ci definiuj
ą
cej sukces działa
ń
agenta,
• wiedzy pocz
ą
tkowej agenta o
ś
rodowisku,
• wiedzy pocz
ą
tkowej agenta o
ś
rodowisku,
• działa
ń
które agent mo
ż
e wykona
ć
,
• sekwencji obserwacji dokonanych przez agenta
a
ż
do chwili bie
żą
cej.
a
ż
do chwili bie
żą
cej.
Dla wszystkich mo
ż
liwych ci
ą
gów obserwacji agent
racjonalny powinien wybra
ć
taki sposób działania, który
racjonalny powinien wybra
ć
taki sposób działania, który
maksymalizuje miar
ę
jako
ś
ci na podstawie ci
ą
gu
uzyskanych obserwacji oraz wszelkiej wiedzy, któr
ą
agent posiada.
uzyskanych obserwacji oraz wszelkiej wiedzy, któr
ą
agent posiada.
Problem: zło
ż
ono
ść
idealnego działania racjonalnego
Problem: zło
ż
ono
ść
idealnego działania racjonalnego
i ograniczenia obliczeniowe czyni
ą
to zadanie
praktycznie niewykonalnym.
© F.A. Dul 2007
• Racjonalno
ść
ró
ż
ni si
ę
od wiedzy absolutnej (omniscience).
2.2. Racjonalno
ść
agenta
• Racjonalno
ść
ró
ż
ni si
ę
od wiedzy absolutnej (omniscience).
Wszechwiedza umo
ż
liwiłaby idealne wykonanie zadania;
Racjonalno
ść
umo
ż
liwia najlepsze wykonanie zadania
w danych warunkach.
w danych warunkach.
• Agent mo
ż
e wykona
ć
działania maj
ą
ce na celu popraw
ę
obserwacji wykonywanych w przyszło
ś
ci (zbieranie
obserwacji wykonywanych w przyszło
ś
ci (zbieranie
informacji, eksploracja).
• Agent jest
autonomiczny
je
ż
eli jego zachowanie jest
okre
ś
lone przez jego własne do
ś
wiadczenie
okre
ś
lone przez jego własne do
ś
wiadczenie
(wykorzystuj
ą
ce
zdolno
ść
uczenia si
ę
i adaptacji).
© F.A. Dul 2007
2.3.
Ś
rodowisko zadania - struktura PEAS
Opracowanie agenta racjonalnego nale
ż
y rozpocz
ąć
od zdefiniowania elementów zadania (tzw. PEAS):
od zdefiniowania elementów zadania (tzw. PEAS):
– Miara jako
ś
ci działania agenta (
P
erformance measure),
–
Ś
rodowisko agenta (
E
nvironment),
–
Ś
rodowisko agenta (
E
nvironment),
– Mechanizmy wykonawcze agenta (
A
ctuators),
– Czujniki agenta (
S
ensors).
– Czujniki agenta (
S
ensors).
Zdefiniowanie powy
ż
szych elementów zadania
pozwala łatwiej opracowa
ć
wła
ś
ciw
ą
struktur
ę
pozwala łatwiej opracowa
ć
wła
ś
ciw
ą
struktur
ę
agenta.
Wa
ż
ne jest przy tym prawidłowe rozpoznanie cech
Wa
ż
ne jest przy tym prawidłowe rozpoznanie cech
poszczególnych elementów.
© F.A. Dul 2007
2.3.
Ś
rodowisko zadania - struktura PEAS
Przykłady
ś
rodowisk zada
ń
• Miara jako
ś
ci: bezpieczna, szybka, legalna,
Automatyczny taksówkarz
• Miara jako
ś
ci: bezpieczna, szybka, legalna,
wygodna podró
ż
; maksymalny zysk;
•
Ś
rodowisko: ulice, ruch uliczny, przechodnie,
•
Ś
rodowisko: ulice, ruch uliczny, przechodnie,
klienci;
• Mechanizmy wykonawcze: kierownica, pedał
• Mechanizmy wykonawcze: kierownica, pedał
gazu, hamulec,
ś
wiatła, klakson;
• Czujniki: kamery, sonar, pr
ę
dko
ś
ciomierz,
• Czujniki: kamery, sonar, pr
ę
dko
ś
ciomierz,
przy
ś
pieszeniomierz, GPS, hodometr, czujniki
silnika, klawiatura;
silnika, klawiatura;
© F.A. Dul 2007
Przykłady
ś
rodowisk zada
ń
2.3.
Ś
rodowisko zadania - struktura PEAS
• Miara jako
ś
ci: zdrowie pacjenta, minimalny koszt
System diagnostyki medycznej
• Miara jako
ś
ci: zdrowie pacjenta, minimalny koszt
leczenia, sprawy s
ą
dowe;
•
Ś
rodowisko: pacjent, szpital, personel, sprz
ę
t, leki;
•
Ś
rodowisko: pacjent, szpital, personel, sprz
ę
t, leki;
• Mechanizmy wykonawcze: pytania, badania,
diagnozy, przebieg leczenia, skierowania;
diagnozy, przebieg leczenia, skierowania;
• Czujniki: klawiatura (wprowadzanie objawów,
odpowiedzi pacjenta, wyniki bada
ń
)
odpowiedzi pacjenta, wyniki bada
ń
)
© F.A. Dul 2007
Przykłady
ś
rodowisk zada
ń
2.3.
Ś
rodowisko zadania - struktura PEAS
• Miara jako
ś
ci: udział procentowy cz
ęś
ci
Robot sortuj
ą
cy elementy
• Miara jako
ś
ci: udział procentowy cz
ęś
ci
w odpowiednich pojemnikach;
•
Ś
rodowisko: ruchoma ta
ś
ma z cz
ęś
ciami,
•
Ś
rodowisko: ruchoma ta
ś
ma z cz
ęś
ciami,
pojemniki;
• Mechanizmy wykonawcze: rami
ę
robocze,
• Mechanizmy wykonawcze: rami
ę
robocze,
chwytak;
• Czujniki: kamery, czujniki poło
ż
enia ramienia,
• Czujniki: kamery, czujniki poło
ż
enia ramienia,
czujniki siły chwytaka;
© F.A. Dul 2007
Przykłady
ś
rodowisk zada
ń
2.3.
Ś
rodowisko zadania - struktura PEAS
• Miara jako
ś
ci: maksymalizacja wynuków studenta
Interaktywny nauczyciel j
ę
zyka angielskiego
• Miara jako
ś
ci: maksymalizacja wynuków studenta
uzyskanych na egzaminie;
•
Ś
rodowisko: studenci;
•
Ś
rodowisko: studenci;
• Mechanizmy wykonawcze: monitory (
ć
wiczenia,
wyja
ś
nienia, poprawki);
wyja
ś
nienia, poprawki);
• Czujniki: klawiatura (odpowiedzi);
© F.A. Dul 2007
Ś
rodowisko agenta
2.3.
Ś
rodowisko zadania - struktura PEAS
• Całkowicie obserwowalne (vs. cz
ęś
ciowo
obserwowane): czujniki agenta mog
ą
w ka
ż
dej
chwili obserwowa
ć
kompletny stan
ś
rodowiska;
chwili obserwowa
ć
kompletny stan
ś
rodowiska;
• Deterministyczne (vs. stochastyczne): nast
ę
pny
stan
ś
rodowiska jest całkowicie okre
ś
lony stanem
stan
ś
rodowiska jest całkowicie okre
ś
lony stanem
bie
żą
cym i działaniem agenta. Je
ż
eli
ś
rodowisko
jest deterministyczne za wyj
ą
tkiem działa
ń
innych
jest deterministyczne za wyj
ą
tkiem działa
ń
innych
agentów, to jest ono strategiczne.
• Chwilowe (vs. sekwencyjne): działanie agenta
• Chwilowe (vs. sekwencyjne): działanie agenta
jest podzielone na kroki; ka
ż
dy krok polega na
dokonaniu obserwacji i wykonaniu działania;
wybór działania w ka
ż
dym kroku zale
ż
y tylko
wybór działania w ka
ż
dym kroku zale
ż
y tylko
od tego kroku;
© F.A. Dul 2007
Ś
rodowisko agenta
2.3.
Ś
rodowisko zadania - struktura PEAS
• Statyczne (vs. dynamiczne):
ś
rodowisko jest
niezmienne w trakcie działania agenta;
Ś
rodowisko jest semidynamiczne, je
ż
eli jest
Ś
rodowisko jest semidynamiczne, je
ż
eli jest
niezmienne, ale zmienia si
ę
miara jako
ś
ci agenta.
• Dyskretne (vs. ci
ą
głe): składa si
ę
z przeliczalnej
• Dyskretne (vs. ci
ą
głe): składa si
ę
z przeliczalnej
liczby obserwacji i działa
ń
.
• Pojedynczy agent (vs. wielu agentów):
• Pojedynczy agent (vs. wielu agentów):
w
ś
rodowisku działa tylko jeden agent;
© F.A. Dul 2007
Ś
rodowisko agenta - przykłady
2.3.
Ś
rodowisko zadania - struktura PEAS
Cecha
ś
rodowiska
Szachy
z zegarem
Szachy bez
zegara
Taksówkarz
Obserwowalne
Tak
Tak
Nie
Obserwowalne
Obserwowalne
Deterministyczne
Chwilowe
Tak
Tak
Nie
Strategiczne
Strategiczne
Nie
Nie
Nie
Nie
Obserwowalne
Deterministyczne
Chwilowe
Chwilowe
Statyczne
Dyskretne
Nie
Nie
Nie
Semistatyczne
Tak
Nie
Tak
Tak
Nie
Chwilowe
Statyczne
Dyskretne
Pojedynczy agent
• Rodzaj i własno
ś
ci
ś
rodowiska wpływaj
ą
w sposób
Nie
Nie
Nie
Pojedynczy agent
• Rodzaj i własno
ś
ci
ś
rodowiska wpływaj
ą
w sposób
zasadniczy na struktur
ę
agenta;
• Najprostsze
ś
rodowisko jest: obserwowalne, deterministy-
czne, chwilowe, statyczne, dyskretne i z jednym agentm.
czne, chwilowe, statyczne, dyskretne i z jednym agentm.
•
Ś
wiat rzeczywisty jest: cz
ęś
ciowo obserwowalny,
stochastyczny, sekwencyjny, dynamiczny, ci
ą
gły
© F.A. Dul 2007
stochastyczny, sekwencyjny, dynamiczny, ci
ą
gły
i wieloagentowy.
2.4. Struktury agentów
Elementy zadania: miara jako
ś
ci
działania (P),
ś
rodowisko (E),
działania (P),
ś
rodowisko (E),
mechanizmy wykonawcze (A) oraz
mechanizmy wykonawcze (A) oraz
czujniki (S) okre
ś
laj
ą
struktur
ę
agenta
inteligentnego.
inteligentnego.
© F.A. Dul 2007
2.4. Struktury agentów
• Agent jest całkowicie okre
ś
lony przez funkcj
ę
agenta,
odwzorowuj
ą
c
ą
obserwacje na działania
f
:
P
*
→
→
→
→
A
.
• Funkcja agenta jest (z zało
ż
enia) racjonalna.
• Funkcja agenta jest (z zało
ż
enia) racjonalna.
• Cel: opracowanie mo
ż
liwie zwi
ę
złej implementacji
racjonalnej funkcji agenta.
racjonalnej funkcji agenta.
Sposoby realizacji funkcji agenta
• Funkcja agenta dana w postaci tablicy działa
ń
,
• Funkcja agenta dana w postaci tablicy działa
ń
,
• Funkcja agenta realizowana za pomoc
ą
algorytmu.
Program agenta realizuje funkcj
ę
agenta na okre
ś
lonej
Program agenta realizuje funkcj
ę
agenta na okre
ś
lonej
architekturze agenta.
agent = architektura + program
© F.A. Dul 2007
2.4. Struktury agentów
Funkcja agenta w postaci tablicy działa
ń
function TABLE-DRIVEN_AGENT( percept ) returns an action
static: percepts, a sequence initially empty
static: percepts, a sequence initially empty
table, a table of actions, indexed by percept sequence
append percept to the end of percepts
append percept to the end of percepts
action
←
LOOKUP(percepts, table)
return action
return action
Wady:
• tablice s
ą
zazwyczaj wielkie,
• długi czas budowy tablic,
• długi czas “uczenia” tablicy,
• brak autonomii agenta.
© F.A. Dul 2007
Funkcja agenta w postaci algorytmu
2.4. Struktury agentów
function SIMPLE-REFLEX-AGENT(percept) returns an action
static: rules, a set of condition-action rules
static: rules, a set of condition-action rules
state
←
INTERPRET-INPUT(percept)
rule
←
RULE-MATCH(state, rule)
rule
←
RULE-MATCH(state, rule)
action
←
RULE-ACTION[rule]
return action
Wady:
• algorytm działa tyko w całkowicie obserwowalnym
ś
rodowisku,
• gdy
ś
rodowisko jest obserwowalne cz
ęś
ciowo,
• gdy
ś
rodowisko jest obserwowalne cz
ęś
ciowo,
program mo
ż
e si
ę
„zap
ę
tli
ć
”.
© F.A. Dul 2007
Typy agentów
2.4. Struktury agentów
Ś
ro
d
o
w
is
k
o
Agent
Czujniki
Postrzeganie
Ś
ro
d
o
w
is
k
o
?
ro
d
o
w
is
k
o
Mechanizmy
wykonawcze
Działanie
Istniej
ą
cztery podstawowe typy agentów:
wykonawcze
Element decyzyjny ”?” okre
ś
la typ agenta.
• agent refleksowy (simple reflex agent),
• agent z refleksowy modelem
ś
wiata (model-based reflex
Istniej
ą
cztery podstawowe typy agentów:
• agent z refleksowy modelem
ś
wiata (model-based reflex
agent),
• agent celowy (goal-based agent),
• agent u
ż
yteczny (utility-based agent).
© F.A. Dul 2007
• agent u
ż
yteczny (utility-based agent).
Agent ka
ż
dego typu mo
ż
e si
ę
uczy
ć
.
Agent refleksowy
Agent refleksowy podejmuje działania wył
ą
cznie na
2.4. Struktury agentów
Agent refleksowy podejmuje działania wył
ą
cznie na
podstawie aktualnych obserwacji oraz wbudowanych reguł.
Ś
ro
d
o
w
is
k
o
Agent
Jak wygl
ą
da
ś
wiat
Czujniki
Ś
ro
d
o
w
is
k
o
ś
wiat
Jakie działanie
ro
d
o
w
is
k
o
Mechanizmy
wykonawcze
Jakie działanie
nale
ż
y podj
ąć
Zasady
warunek-działanie
•
Wybór działania tylko na podstawie aktualnych obserwacji.
– Przykład - agent-odkurzacz
wykonawcze
– Przykład - agent-odkurzacz
•
Refleks umo
ż
liwia znaczn
ą
redukcj
ę
liczby mo
ż
liwych sytuacji.
•
Realizacja przy pomocy zasad typu WARUNEK-DZIAŁANIE
© F.A. Dul 2007
•
Realizacja przy pomocy zasad typu WARUNEK-DZIAŁANIE
– je
ż
eli
Ś
MIECI to ODKURZAJ
Agent refleksowy z modelem
ś
wiata
Agent refleksowy z modelem słu
żą
cym do symulacji nie
2.4. Struktury agentów
Agent refleksowy z modelem słu
żą
cym do symulacji nie
w pełni obserwowalnego
ś
rodowiska.
Ś
ro
d
o
w
is
k
o
Agent
Jak wygl
ą
da
ś
wiat
Czujniki
Stan
Jak ewoluuje
ś
wiat
Ś
ro
d
o
w
is
k
o
ś
wiat
Jakie działanie
Jak ewoluuje
ś
wiat
Efekt mojego działania
ro
d
o
w
is
k
o
Mechanizmy
wykonawcze
Jakie działanie
nale
ż
y podj
ąć
Zasady
warunek-działanie
•
Agent dysponuje modelem
ś
wiata pozwalaj
ą
cym wyznaczy
ć
przybli
ż
ony
wykonawcze
stan
ś
rodowiska.
•
Model
ś
wiata umo
ż
liwia uzupełnienie brakuj
ą
cych informacji o
ś
rodowisku.
•
Model pozwala te
ż
przewidzie
ć
zmiany w
ś
rodowisku wywołane
© F.A. Dul 2007
•
Model pozwala te
ż
przewidzie
ć
zmiany w
ś
rodowisku wywołane
działaniem agenta.
Agent celowy
Agent ma wyznaczony cel który okre
ś
la, jakie stany s
ą
2.4. Struktury agentów
Agent ma wyznaczony cel który okre
ś
la, jakie stany s
ą
po
żą
dane.
Ś
ro
d
o
w
is
k
o
Agent
Stan
Jak ewoluuje
ś
wiat
Czujniki
Jak wygl
ą
da
ś
wiat
Ś
ro
d
o
w
is
k
o
Jak ewoluuje
ś
wiat
Efekt mojego działania
Jaki b
ę
dzie po
wykonaniu
działania A
ś
wiat
ro
d
o
w
is
k
o
Mechanizmy
wykonawcze
Jakie działanie
nale
ż
y podj
ąć
Cel-działania
•
Wa
ż
ne ulepszenie - agent bierze pod uwag
ę
przyszło
ść
.
wykonawcze
•
Agent celowy jest bardziej wszechstronny i elastyczny, gdy
ż
posiada
wiedz
ę
której mo
ż
e u
ż
y
ć
do ulepszenia działania.
•
Agent celowy jest najcz
ęś
ciej wykorzystywany w zadaniach poszukiwania
© F.A. Dul 2007
•
Agent celowy jest najcz
ęś
ciej wykorzystywany w zadaniach poszukiwania
i planowania.
Agent u
ż
yteczny
Je
ż
eli cel mo
ż
e by
ć
osi
ą
gni
ę
ty ró
ż
nymi sposobami,
2.4. Struktury agentów
Je
ż
eli cel mo
ż
e by
ć
osi
ą
gni
ę
ty ró
ż
nymi sposobami,
to agent u
ż
yteczny mo
ż
e wybra
ć
najlepszy z nich.
Agent
Stan
Czujniki
Jak wygl
ą
da
ś
wiat
Ś
ro
d
o
w
is
k
o
Jak ewoluuje
ś
wiat
Efekt mojego działania
Jaki b
ę
dzie po
wykonaniu
działania A
ś
wiat
ro
d
o
w
is
k
o
Jak u
ż
yteczny
jest ten stan
U
ż
yteczno
ść
Jakie działanie
Mechanizmy
wykonawcze
Jakie działanie
nale
ż
y podj
ąć
•
Agent u
ż
yteczny mo
ż
e wybiera
ć
pomi
ę
dzy sprzecznymi celami.
•
Funkcja u
ż
yteczno
ś
ci odwzorowuje ci
ą
gi stanów na zbiór liczb
© F.A. Dul 2007
•
Funkcja u
ż
yteczno
ś
ci odwzorowuje ci
ą
gi stanów na zbiór liczb
rzeczywistych.
2.4. Struktury agentów
Ka
ż
dy z przedstawionych agentów:
refleksowy, refleksowy z modelem
refleksowy, refleksowy z modelem
ś
wiata, celowy i u
ż
yteczny ma
ś
wiata, celowy i u
ż
yteczny ma
ustalon
ą
struktur
ę
, która nie zmienia
si
ę
w trakcie prowadzonych działa
ń
.
si
ę
w trakcie prowadzonych działa
ń
.
© F.A. Dul 2007
Agenci ucz
ą
cy si
ę
Agent ucz
ą
cy si
ę
modyfikuje swoj
ą
wiedz
ę
o
ś
rodowisku
2.4. Struktury agentów
Agent ucz
ą
cy si
ę
modyfikuje swoj
ą
wiedz
ę
o
ś
rodowisku
i po
żą
danych sposobach działania.
Czujniki
Krytyka
Standard jako
ś
ci
Ś
ro
d
o
w
is
k
o
Mouł
ucz
ą
cy si
ę
Moduł jako
ś
ci
Sprz
ęż
enie
zwrotne
Zmiany
Wiedza
ro
d
o
w
is
k
o
Generator
problemów
Wiedza
Cel uczenia
Agent
Mechanizmy
wykonawcze
•
Uczenie si
ę
zwi
ę
ksza mo
ż
lwo
ś
ci działania agenta w pocz
ą
tkowo
nieznanym
ś
rodowisku.
•
Uczy
ć
mo
ż
e si
ę
agent ka
ż
dego typu.
© F.A. Dul 2007`
•
Uczy
ć
mo
ż
e si
ę
agent ka
ż
dego typu.
Uczy
ć
mo
ż
e si
ę
agent ka
ż
dego typu.
2.4. Struktury agentów
Uczy
ć
mo
ż
e si
ę
agent ka
ż
dego typu.
Uczenie mo
ż
e zmienia
ć
parametry
Uczenie mo
ż
e zmienia
ć
parametry
modelu agenta lub nawet jego
struktur
ę
.
modelu agenta lub nawet jego
struktur
ę
.
Uczenie jest cz
ę
sto jedyn
ą
drog
ą
Uczenie jest cz
ę
sto jedyn
ą
drog
ą
zapewniaj
ą
c
ą
agentowi racjonalno
ść
działania w nieznanym lub niepewnym
działania w nieznanym lub niepewnym
ś
rodowisku.
ś
rodowisku.
© F.A. Dul 2007
Podsumowanie
• Podstawowym obiektem sztucznej inteligencji w uj
ę
ciu
• Podstawowym obiektem sztucznej inteligencji w uj
ę
ciu
działania racjonalnego jest agent inteligentny (racjonalny).
• Agent inteligentny jest to obiekt który obserwuje
ś
rodowisko
• Agent inteligentny jest to obiekt który obserwuje
ś
rodowisko
i stosownie do posiadanej wiedzy podejmuje działania
okre
ś
lone przez cel.
• Zachowanie agenta okre
ś
la funkcja agenta
f
odwzorowuj
ą
ca
• Zachowanie agenta okre
ś
la funkcja agenta
f
odwzorowuj
ą
ca
histori
ę
obserwacji
P
*
na działanie
A
,
[ f : P
*
→
→
→
→
A ].
• Struktura agenta okre
ś
lona jest przez cztery cechy (PEAS):
• Struktura agenta okre
ś
lona jest przez cztery cechy (PEAS):
miar
ę
jako
ś
ci (P),
ś
rodowisko (E), mechanizmy wykonawcze
(A) i czujniki (S).
•
Ś
rodowisko okre
ś
lone jest przez: obserwowalno
ść
, losowo
ść
,
•
Ś
rodowisko okre
ś
lone jest przez: obserwowalno
ść
, losowo
ść
,
sekwencyjno
ść
, dynamik
ę
, ci
ą
gło
ść
oraz liczb
ę
agentów.
• Wyró
ż
nia si
ę
cztery typy agentów: prosty (z „refleksem”),
• Wyró
ż
nia si
ę
cztery typy agentów: prosty (z „refleksem”),
z modelem, celowy i u
ż
yteczny; ka
ż
dy agent mo
ż
e si
ę
uczy
ć
.
• Uczenie jest niezb
ę
dne, gdy agent ma działa
ć
w nie znanym
mu a priori
ś
rodowisku lub gdy własno
ś
ci
ś
rodowiska istotnie
© F.A. Dul 2007
• Uczenie jest niezb
ę
dne, gdy agent ma działa
ć
w nie znanym
mu a priori
ś
rodowisku lub gdy własno
ś
ci
ś
rodowiska istotnie
zmieniaj
ą
si
ę
w czasie.