Увод у агенте у вештачкој интелигенцији

Данас су Агенти за вештачку интелигенцију нова струја. То је револуционарна технологија. Умјетна интелигенција чини машине / рачунаре паметним попут људи.

Шта је агент?

Агент је све што предузме радње према информацијама које добија из окружења. Људски агент има сензорне органе који осећају околину и делове тела како би деловали, док робот има сензоре за перцепцију околине.

Како агент утиче на животну средину?

Агенти ступају у интеракцију са околином на два начина:

1. Перцепција

Перцепција је пасивна интеракција, где агент добија информације о окружењу без промене окружења. Сензори робота помажу му да стекне информације о окружењу без утицаја на околину. Стога се добијање информација путем сензора назива перцепција.

2. Акција

Акција је активна интеракција у којој се окружење мења. Када робот помера препреку користећи руку, то се назива радњом док се околина мења. Рука робота назива се "ефектор" јер врши радњу.

Објашњење горње слике:

  • Интеракција Агента са околином је путем сензора и ефектора.
  • Размотримо пример цхатбота који је виртуелни помоћник. Када чита и разуме значење корисникових порука, назива се перцепцијом. А кад корисник одговори након анализе корисничке поруке, зове се акција.

Како агенти треба да делују у вештачкој интелигенцији?

Испод су тачке које објашњавају како агент треба да делује:

  • Рационални агент чини исправне ствари. Права акција је она која узрокује да агент буде најуспешнији.
  • Свезнајући агент зна какав ће утицај имати акција и може према томе да делује, али у стварности то није могуће.
  • Степен успеха који је дефинисан мером перформанси
  • Перцепциона секвенца која је цео низ перцепција од стране агента до садашњег тренутка
  • Познавање агента о животној средини
  • Које радње агент може извршити

2. Мапирање секвенце перцепције за акције

Кад се зна да деловање агенса у потпуности зависи од историје опажања - секвенце опажања, тада се агент може описати помоћу мапирања. Мапирање је листа која пресликава перцепцијски низ у радњу. Када одредимо коју радњу агент треба да предузме у складу са датом перцепционом секвенцом, тада одређујемо дизајн идеалног агента.

3. Аутономија

Понашање агента зависи од његовог сопственог искуства, као и од уграђеног знања о агенту које је инстирао дизајнер агент. Систем је аутономан ако предузима акције према свом искуству. Дакле, за почетну фазу, јер нема искуства, добро је обезбедити уграђено знање. Агент тада учи кроз еволуцију. Заиста аутономни интелигентни агент, ако му се пружи довољно времена за прилагођавање, требао би бити у могућности да успјешно ради у широком распону окружења.

Врсте агената у вештачкој интелигенцији

Следе 4 врсте агенаса:

1. Рефлексни агент

Рефлек агент делује слично као рефлексно деловање нашег тела (нпр. Када одмах подигнемо прст кад додирне врх пламена). Као што брз одговор нашег тела на основу тренутне ситуације, тако и агент реагује на основу тренутног окружења без обзира на претходно стање околине. Рефлексни агент може правилно радити само ако се одлуке које доносе заснивају на тренутној перцепцији.

2. Агенти који воде Траг света

Ово су агенти са меморијом. Чува информације о претходном стању, тренутном стању и у складу с тим извршава радњу. Баш као и током вожње, уколико возач жели да промени траку, погледа се у огледало да би знао тренутни положај возила иза себе. Док гледа испред, може видети само возила испред и пошто већ има податке о положају возила иза себе (из огледала пре тренутак), он може сигурно да мења траку. Претходно и тренутно стање брзо се ажурирају за одлучивање о радњи.

3. Агенти засновани на циљевима

У неким околностима, само информације тренутног стања можда неће помоћи у доношењу исправне одлуке. Ако је циљ познат, агент узима у обзир информације о циљу поред тренутних информација о стању како би донео исправну одлуку. На пример, ако је агент аутомобил који се вози, а циљ је одредиште, тада информације о рути до одредишта помажу аутомобилу у одлучивању када треба скренути лево или десно.

'Претраживање' и 'планирање' су два потпоља АИ која помажу агенту да постигне своје циљеве. Иако се агент који се темељи на циљевима може чинити мање ефикасним, али је флексибилан. С обзиром на исти горе поменути пример, ако се дестинација промени тада ће агент сходно манипулисати својим поступцима. То неће бити случај са рефлексним агенсом, јер сва правила морају бити преписана са променом циља.

4. Помоћни агенти

Може бити много могућих секвенци за постизање циља, али неке ће бити и боље од других. С обзиром на исти горе поменути пример, одредиште је познато, али постоји више рута. Одабир одговарајућег пута такође је важан за укупан успех агента. Много је фактора у одлучивању руте попут најкраће, удобне итд. Успех зависи од корисности агента заснованог на преференцијама корисника.

Услужни програм је функција која пресликава стање у стварни број који описује степен среће. Функција услужног програма одређује одговарајуће компромисе у случају да су циљеви сукобљени.

Закључак - Агенти у вештачкој интелигенцији

Агент је све што предузима радње у складу са информацијама које добија из окружења. Агенти ступају у интеракцију са околином на два начина: перцепција и акција. Агенти могу бити рационални или свезнајући.

Следе 4 врсте агенаса:

  • Рефлексно (реактивно) средство - средство без
  • Агенти који прате свет
  • Агенти засновани на циљевима
  • Помоћни агенси

Препоручени чланци

Ово је водич за агенте у вештачкој интелигенцији. Овде смо разговарали о томе шта је агент, како агент утиче на окружење и четири врсте агената. Можете и да прођете кроз остале сродне чланке да бисте сазнали више -

  1. Технологија вештачке интелигенције
  2. Како функционише вештачка интелигенција?
  3. Примене машинског учења
  4. Врсте алгоритама машинског учења
  5. Технике вештачке интелигенције
  6. Топ 12 врста сензора и њихове примене

Категорија: