Интелигентен агент

Од Википедија, слободната енциклопедија
Прејди на: содржини, барај

Во вештачката интелигенција,интелигентниот агент е автономна целина што набљудува и дејствува на средина и ја упатува нејзината активност кон постигнување на цели.Интелигентните агенти исто така можат да учат или да го користат знаењето за постигнување на целите.Можат да се многу прости или сложени: рефлексната машина како термостатот е интелигентен агент исто како и човечкото суштество,и исто како и општество од човечки суштества кои работат кон постигнување на цели.


Едноставен рефлекс агент

Интелигентните агенти често се опишуваат шематски како апстрактни функционални системи слични на компјутерски програм.Поради ова интелигентните агенти понекогаш се нарекуваат апстракни интелигентни агенти (АИА) за да се разликуваат од нивните имплементации во реалноста како компјутерските системи биолошките системи или организациите. Некои дефиниции за интелигентните агенти ја истакнувцаат нивната автономност па затоа почесто се нарекуваат автономни интелигентни агенти.Сепак некои (пред се Russel & Norvig (2003)) сметаат дека постапките насочени кон постигнување на целите се основа на интелигенцијата па затоа го користат поимот,позајмен од економија,”рационален агент”. Интелигентните агенти во вешттачката интелигенција се тесно поврзани со агентите во економијата , и разни верзии на примери на интелигентните агенти се проучуваат во когнитивната наука, етиката, како и во многу други интер-дисциплински социо-когнитивни моделирања и компјутерски општествени симулации.

Интелигентните агенти се тесно поврзани и со софтверските агенти (автономен софтверски програм што извршува задаци во име на корисниците).Во компјутерската наука поимот интелигентен агент може да се однесува на софтверски агент со одреден степен на интелигенцвија независно дали е рационален агент според дефиницијата на Russel & Norvig. На пример,автономните програми што се употребуваат за операторска поддршка или “ data mining ” (познати и како ботови) исто така се нарекуваат интелигентни агенти.

РАЗЛИЧНИ ДЕФИНИЦИИ[уреди]

Интелигентните агенти можат да се дефинираат на многу начини.Според Nikola Kasabov ,ИА системите треба да ги поседуваат следните карактеристики:

  • Инкрементално прилагодување на новите правила за решавање проблеми.
  • адаптирање онлајн и во реално време.
  • Способност да се анализираат себеси во постапките,грешките и успехот.
  • учење и подобрување преку интеракцијата со околината.
  • брзо учење преку големи количини податоци.
  • да имаат образец за складирање базиран на меморијата и вчитувачки капацитети
  • да имаат параметри за претставување на краткотајна и долготрајна меморија, возраст, заборавање итн...

СТРУКТУРА НА АГЕНТИТЕ[уреди]

Едноставниот агент-програм може да се дефинира математички како агентна функција која ја мапира секоја можна перцептна секвенца за дејство што агентот може да го спроведе, или за коефициент, „фидбек“ елемент, функција или константа што влијае на можните дејства: F:P*->A Агентната функција е апстрактен концепт бидејљи може да инкорпорира разни принципи на донесување одлуки ,како пресметување на ползата од индивидуалните опции , заклучоците за логичните правила, “ФАЗИ ЛОГИКА” итн. За разлика од нив, Агент - програмата ја мапира секоја можна перцепција за дејство. Поимот „перцепира“ го користиме за перцепционалните влезови на агентот во кој било момент. Во следните примери, агентот е се што може да ја спознае околината преку сензори и да дејствува на таа околина преку „актуатори“.

КЛАСИ НА ИНТЕЛИГЕНТНИ АГЕНТИ[уреди]

Едноставен рефлекс агент
Модел-базиран рефлекс агент
Модел-базиран, цел-базиран агент
Модел-базиран, услуга-базиран агент
Агент што учи

Russell & Norvig (2003) ги групира агентите во пет класи според нивниот степен на спознавачка интелегенциоја и можности.

  1. Едноставни рефлекс агенти
  2. Модел – базирани рефлексни агенти
  3. Цел – базирани агенти
  4. Услуги/корист – базирани агенти
  5. Агенти што учат
Едноставни рефлекс агенти

Едноставни рефлекс агенти дејствуваат само врз основа на моменталната перцепција,игнорирајќи ја останата историја на перцепција.Функцијата на агентот е базирана на услов-акција правилото:Ако е задоволен условот тогаш превземи акција. Оваа функција на агентот е успешна само кога околината е целосно видлива или забележлива . Исто така некои агенти можат да содржат информација за моменталната состојба која што му овозможува да ги игнорираат условите чии активатори веке ги задале. Бесконечни циклуси или јамки се често неизбежни за едноставните рефлексни агенти Работејќи во делумно видливи околини. Забелешка:Ако агентот може да ја избира по случаен избор неговата наредна акција тогаш е возможно да се избегнат овие бесконечни циклуси.

Модел – базирани рефлексни агенти

Модел – базирани рефлексни агенти може да работат во делумно видлива околина.Неговата моментална состојба е зачувана во внатрешната страна на агентот одржувајќи некаков вид на структура која го опишува дел од светот кој не е видлив.Знаењето за тоа “Како светот работи” е наречено модел на светот па оттука е и називот “модел-базиран агент”. Модел – базирани рефлексни агенти би требало да одржуваат некако вид на внатрешен модел кој зависи од историјата на перцепција и од таму се одразуваат барем некои од невидливите аспекти на моменталната состтојба.Тие потоа ја избираат наредната акција исто како кај рефлексниот агент.

Цел – базирани агенти

Цел – базираните агенти всушност претставуваат проширување на можностите кои ги содржат модел – базираните рефлексни агенти користејќи ја информацијата “цел”.”Цел” информацијата опишува ситуации кои се надежни.Ова му овозможува на агентот да избере помеѓу повеке можности,селектирајќи ја онаа која ќе ја постигне посакуваната “цел” состојба.Пребарување и планирање се потполиња на вештачката интелегенција посветени на пронаоѓање на секвенца од акции кои ќе ги постигнат целите на агентот. Во некои случаи цел – базираните агенти се чини дека се помалку ефикасни.Но во основа цел-базираните агенти се флексибилни затоа што нивното знаење кое ги поддржува одлуките е претставено експлицитно и може да биде модифицирано.

Услуга/корист – базирани агенти

Цел – базраните агенти прават разлика само помеѓу состојби со цел и состојби без цел. Може да се дефинира мерка за тоа колку е надежна одредена состојба.Оваа мерка може да биде добиена низ користење на услужна функција која ја обележува,мапира состојбата за да се измери корисноста на дадена состојба.Оваа мерка би требало да дозволува споредба на различни состојби на светот според тоа колку среќен може да го направат агентот.Терминологијата корисност,може да се искористи за да се опише колку “среќен ” е агентот. Рационалните услуга-базирани агенти избираат акција која ја максимизира очекуваната корист на крајните резултати од акцијата .Услуга-базираните агенти треба да моделираат и да внимаваат на околината,задачи кои вклучуваат добро пребарување брз база на перцепција,репрезентациј,резонирање и учење.

Агенти што учат

Учењето е предност кај овие агенти затоа што од почетокот имаат можност да дејствуваат во непознати околинии и да постанат повеќе компетентни .Најважната разлика е помеѓу ”елемент или моментот на учење ” кој што е одговорен за сите подобрувања и “елемент или момент на перформанси” кој е одговорен за избор на надворешни перформанси. ”Елемент или моментот на учење ” го користи фидбекот на “критика” за тоа како агентот работи и одредува како “елемент или момент на перформанси” би требало да биде модифициран за во иднина да работи подобро. “Елемент или момент на перформанси” е она што претходно сме сметале да биде целиот агент.Тоа што треба да го перцепира и да одлучува за активности. Последната компонента од “Агентите што учат” е “генераторот за проблеми”.Тој е одговорен за укажувања на активности кои ќе доведат до нови и информативни искуства.

ДРУГИ ВИДОВИ НА ИНТЕЛИГЕНТНИ АГЕНТИ[уреди]

Според други извори, некои од под-агентите, што можат да се дел од интелигентните агенти, или сами по себе се целосни интелигентни агенти,се:

  • Агенти за одлуки (насочени кон донесување одлуки)
  • Влезни агенти (што процесираат и спознаваат сензорни влезови – агенти базирани на невронска мрежа
  • Процесирачки агенти (кои решаваат проблеми, како препознавање на говори)
  • Спацијални агенти (се однесуваат на физичката реалност)
  • Светски агенти (користат комбинација од сите други класи на агенти со што овозможуваат автономни постапки)
  • Веродостојни агенти – покажуваат карактер преку употребата на вештачки карактер (агентот е вграден) за интеракцијата
  • Физички агенти – спознаваат преку сензори или дејствуваат преку актуатори
  • Временски агенти – користат временски зачувани информации за понуда на упатства или „DATA ACTS“ на компјутерски програм или човечко суштество, и ги користат програмските влезни предмети на спознавање за прилагодување на нивните следни постапки.

ХИЕРАРХИЈА НА АГЕНТИТЕ[уреди]

За активно да ги изведуваат нивните функции, денес интелигентните агенти најчесто се групираат во хиерархиски структури што содржат многу „под-агенти“. Интелигентните под-агенти процесираат и извршуваат функции од понизок степен. Заедно, интелигентните агенти и под-агентите создаваат целосен систем што може да постигне тешки задачи или цели, со постапки и одговори што прикажуваат вид на интелигенција.

ИНТЕРЕСНИ ОСТАНАТИ СОДРЖИНИ[уреди]

РЕФЕРЕНЦИ[уреди]

  • Шаблон:Russell Norvig 2003, chpt. 2
  • *В. Трајковиќ: Експертни системи - скрипта. ФЕИТ, УКИМ, Скопје, 2010.