Исследование интеллектуальных агентов в искусственном интеллекте

Искусственный интеллект, обычно сокращаемый до ИИ, – это увлекательная область информационных технологий, которая находит свое применение во многих аспектах современной жизни. Хотя это может показаться сложным, и да, это так, мы можем лучше познакомиться с ИИ, исследуя его компоненты по отдельности. Когда мы узнаем, как эти части сочетаются друг с другом, мы сможем лучше понять и реализовать их.

Вот почему сегодня мы рассматриваем интеллектуальных агентов в ИИ. В этой статье дается определение интеллектуальных агентов в искусственном интеллекте, функций и структуры агентов ИИ, а также количества и типов агентов в ИИ.

Давайте определим, что мы подразумеваем под интеллектуальным агентом в ИИ.

Что такое агент в ИИ?

Хорошо, кто-нибудь, услышав термин “интеллектуальный агент”, сразу представил себе хорошо образованного шпиона с высоким IQ? Нет? В любом случае, в контексте области искусственного интеллекта, ”агент” – это независимая программа или сущность, которая взаимодействует со своим окружением, воспринимая его с помощью датчиков, а затем действуя через исполнительные механизмы или эффекторы.

Агенты используют свои исполнительные механизмы для прохождения цикла восприятия, мышления и действия. Примеры агентов в общих чертах включают:

• Программное обеспечение: У этого агента есть содержимое файла, нажатия клавиш и полученные сетевые пакеты, которые функционируют как сенсорные входные данные, затем воздействуют на эти входные данные, отображая выходные данные на экране.
• Человек: Да, мы все агенты. У людей есть глаза, уши и другие органы, которые действуют как сенсоры, а руки, ноги, рты и другие части тела действуют как исполнительные механизмы.
• Роботы: Роботы-агенты оснащены камерами и инфракрасными дальномерами, которые действуют как датчики, а различные сервоприводы и двигатели выполняют роль исполнительных механизмов.

Интеллектуальные агенты в ИИ – это автономные сущности, которые воздействуют на окружающую среду с помощью датчиков и исполнительных механизмов для достижения своих целей. Кроме того, интеллектуальные агенты могут извлекать уроки из окружающей среды для достижения этих целей. Беспилотные автомобили и виртуальный ассистент Siri являются примерами интеллектуальных агентов в искусственном интеллекте.

Это четыре основных правила, которых должны придерживаться все агенты ИИ:

• Правило 1: Агент ИИ должен уметь воспринимать окружающую среду.
• Правило 2: Для принятия решений необходимо использовать наблюдения за окружающей средой.
• Правило 3: Решения должны приводить к действиям.
• Правило 4: Действия, предпринимаемые агентом ИИ, должны быть рациональными. Рациональные действия – это действия, которые максимизируют производительность и дают наилучший положительный результат.

Функции агента искусственного интеллекта

Агенты искусственного интеллекта выполняют эти функции непрерывно:

• Восприятие динамических условий в окружающей среде
• Действия, влияющие на условия в окружающей среде
• Использование рассуждений для интерпретации восприятия
• Решение проблем
• Делаем выводы
• Определение действий и их результатов

Количество и типы агентов в искусственном интеллекте

В ИИ используются пять различных типов интеллектуальных агентов. Они определяются диапазоном своих возможностей и уровнем интеллекта:

• Рефлекторные агенты: Эти агенты работают здесь и сейчас и игнорируют прошлое. Они реагируют, используя правило события-условия-действия. Правило ECA применяется, когда пользователь инициирует событие, и Агент обращается к списку заранее установленных условий и правил, что приводит к заранее запрограммированным результатам.
• Агенты на основе моделей: эти агенты выбирают свои действия так же, как это делают рефлекторные агенты, но у них более полное представление об окружающей среде. Модель окружающей среды запрограммирована во внутренней системе и включена в историю Агента.
• Агенты, основанные на целях: Эти агенты опираются на информацию, которую хранит агент, основанный на модели, дополняя ее информацией о целях или данными, касающимися желаемых результатов и ситуаций.
• Агенты, основанные на полезности: они сопоставимы с агентами, основанными на цели, за исключением того, что они предлагают дополнительное измерение полезности. Это измерение оценивает каждый возможный сценарий на основе желаемого результата и выбирает действие, которое максимизирует результат. Примеры критериев оценки включают такие переменные, как вероятность успеха или количество требуемых ресурсов.
• Обучающие агенты: Эти агенты используют дополнительный элемент обучения, чтобы постепенно совершенствоваться и со временем становиться более осведомленными об окружающей среде. Обучающий элемент использует обратную связь, чтобы решить, как элементы производительности следует постепенно изменять, чтобы продемонстрировать улучшение.

Структура агентов в искусственном интеллекте

Агенты в искусственном интеллекте следуют этой простой структурной формуле:

Архитектура + Программа агента = Агент

Это термины, наиболее часто ассоциирующиеся со структурой агентов:

• Архитектура: это механизм или платформа, которая выполняет агента.
• Функция агента: Функция агента сопоставляет предписание Действию, представленное следующей формулой: f: P * – A
• Программа-агент: Программа-агент представляет собой реализацию функции агента. Программа-агент создает функцию f путем выполнения на физической архитектуре.

Многие агенты ИИ используют модель PEAS в своей структуре. PEAS – это сокращение от измерения производительности, окружающей среды, исполнительных механизмов и датчиков. Возьмем, к примеру, пылесос.

• Производительность: Чистота и эффективность
• Окружающая среда: Ковер, деревянный пол, гостиная
• Привод: щетки, колесики, вакуумный мешок
• Датчики: Датчик обнаружения грязи, датчик удара

Вот диаграмма, иллюстрирующая структуру агента на основе утилит, любезно предоставленная Researchgate.net.

Искусственный интеллект, обычно сокращаемый до ИИ, – это увлекательная область информационных технологий, которая находит свое применение во многих аспектах современной жизни. Хотя это может показаться сложным, и да, это так, мы можем лучше познакомиться с ИИ, исследуя его компоненты по отдельности. Когда мы узнаем, как эти части сочетаются друг с другом, мы сможем лучше понять и реализовать их.

Вот почему сегодня мы рассматриваем интеллектуальных агентов в ИИ. В этой статье дается определение интеллектуальных агентов в искусственном интеллекте, функций и структуры агентов ИИ, а также количества и типов агентов в ИИ.

Давайте определим, что мы подразумеваем под интеллектуальным агентом в ИИ.

Что такое агент в ИИ?

Хорошо, кто-нибудь, услышав термин “интеллектуальный агент”, сразу представил себе хорошо образованного шпиона с высоким IQ? Нет? В любом случае, в контексте области искусственного интеллекта, ”агент” – это независимая программа или сущность, которая взаимодействует со своим окружением, воспринимая его с помощью датчиков, а затем действуя через исполнительные механизмы или эффекторы.

Агенты используют свои исполнительные механизмы для прохождения цикла восприятия, мышления и действия. Примеры агентов в общих чертах включают:

• Программное обеспечение: У этого агента есть содержимое файла, нажатия клавиш и полученные сетевые пакеты, которые функционируют как сенсорные входные данные, затем воздействуют на эти входные данные, отображая выходные данные на экране.
• Человек: Да, мы все агенты. У людей есть глаза, уши и другие органы, которые действуют как сенсоры, а руки, ноги, рты и другие части тела действуют как исполнительные механизмы.
• Роботы: Роботы-агенты оснащены камерами и инфракрасными дальномерами, которые действуют как датчики, а различные сервоприводы и двигатели выполняют роль исполнительных механизмов.

Интеллектуальные агенты в ИИ – это автономные сущности, которые воздействуют на окружающую среду с помощью датчиков и исполнительных механизмов для достижения своих целей. Кроме того, интеллектуальные агенты могут извлекать уроки из окружающей среды для достижения этих целей. Беспилотные автомобили и виртуальный ассистент Siri являются примерами интеллектуальных агентов в искусственном интеллекте.

Это четыре основных правила, которых должны придерживаться все агенты ИИ:

• Правило 1: Агент ИИ должен уметь воспринимать окружающую среду.
• Правило 2: Для принятия решений необходимо использовать наблюдения за окружающей средой.
• Правило 3: Решения должны приводить к действиям.
• Правило 4: Действия, предпринимаемые агентом ИИ, должны быть рациональными. Рациональные действия – это действия, которые максимизируют производительность и дают наилучший положительный результат.

Функции агента искусственного интеллекта

Агенты искусственного интеллекта выполняют эти функции непрерывно:

• Восприятие динамических условий в окружающей среде
• Действия, влияющие на условия в окружающей среде
• Использование рассуждений для интерпретации восприятия
• Решение проблем
• Делаем выводы
• Определение действий и их результатов

Количество и типы агентов в искусственном интеллекте

В ИИ используются пять различных типов интеллектуальных агентов. Они определяются диапазоном своих возможностей и уровнем интеллекта:

• Рефлекторные агенты: Эти агенты работают здесь и сейчас и игнорируют прошлое. Они реагируют, используя правило события-условия-действия. Правило ECA применяется, когда пользователь инициирует событие, и Агент обращается к списку заранее установленных условий и правил, что приводит к заранее запрограммированным результатам.
• Агенты на основе моделей: эти агенты выбирают свои действия так же, как это делают рефлекторные агенты, но у них более полное представление об окружающей среде. Модель окружающей среды запрограммирована во внутренней системе и включена в историю Агента.
• Агенты, основанные на целях: Эти агенты опираются на информацию, которую хранит агент, основанный на модели, дополняя ее информацией о целях или данными, касающимися желаемых результатов и ситуаций.
• Агенты, основанные на полезности: они сопоставимы с агентами, основанными на цели, за исключением того, что они предлагают дополнительное измерение полезности. Это измерение оценивает каждый возможный сценарий на основе желаемого результата и выбирает действие, которое максимизирует результат. Примеры критериев оценки включают такие переменные, как вероятность успеха или количество требуемых ресурсов.
• Обучающие агенты: Эти агенты используют дополнительный элемент обучения, чтобы постепенно совершенствоваться и со временем становиться более осведомленными об окружающей среде. Обучающий элемент использует обратную связь, чтобы решить, как элементы производительности следует постепенно изменять, чтобы продемонстрировать улучшение.

Структура агентов в искусственном интеллекте

Агенты в искусственном интеллекте следуют этой простой структурной формуле:

Архитектура + Программа агента = Агент

Это термины, наиболее часто ассоциирующиеся со структурой агентов:

• Архитектура: это механизм или платформа, которая выполняет агента.
• Функция агента: Функция агента сопоставляет предписание Действию, представленное следующей формулой: f: P * – A
• Программа-агент: Программа-агент представляет собой реализацию функции агента. Программа-агент создает функцию f путем выполнения на физической архитектуре.

Многие агенты ИИ используют модель PEAS в своей структуре. PEAS – это сокращение от измерения производительности, окружающей среды, исполнительных механизмов и датчиков. Возьмем, к примеру, пылесос.

• Производительность: Чистота и эффективность
• Окружающая среда: Ковер, деревянный пол, гостиная
• Привод: щетки, колесики, вакуумный мешок
• Датчики: Датчик обнаружения грязи, датчик удара

Из чего состоят агенты в искусственном интеллекте?

Агенты в искусственном интеллекте обладают следующими свойствами:

• Внедрение
• Автономные
• Гибкость
• Реактивные
• Проактивность
• Использование правил реагирования

Теперь давайте обсудим их подробно.

Окружающая среда

Агент находится в заданной среде.

Автономные

Агент может работать без прямого вмешательства человека или других программных методов. Он контролирует свою деятельность и внутреннюю среду. Агент самостоятельно определяет, какие шаги он предпримет в своем текущем состоянии для достижения наилучших улучшений. Агент достигает автономии, если его эффективность измеряется его опытом в контексте обучения и адаптации.

Гибкость

• Реактивные: Агенты должны распознавать свое окружение и реагировать на изменения внутри себя.
• Проактивность: Агенты должны не только действовать в ответ на окружение, но и уметь проявлять инициативу, когда это уместно, и осуществлять оппортунистические, целенаправленные действия.
• Социальные: Агенты должны работать с людьми или другими нечеловеческими агентами.

Реактивные

• Реактивные системы поддерживают постоянное взаимодействие со своей средой, реагируя на ее изменения.
• Окружение программы может быть гарантировано, не заботясь о ее успехе или неудаче.
• Большинство сред динамичны, что означает, что вещи постоянно находятся в состоянии изменений, а информация неполна.
• Программы должны предусматривать возможность сбоя.

Проактивность

Проявление инициативы в постановке целей и попытках их достижения.

Использование правил реагирования

Цель агента – это направленное поведение, заставляющее его делать что-то за пользователя.

• Мобильность: агент должен обладать способностью действовать в рамках системы.
• Достоверность: если информация агента ложна, он не будет общаться.
• Доброжелательность: У агентов нет противоречивых целей. Следовательно, каждый агент всегда будет пытаться делать то, о чем его просят.
• Рациональность: агент будет действовать для достижения своих целей, а не противодействовать им или блокировать их.
• Обучение: Агент должен уметь учиться.

Как улучшить производительность интеллектуальных агентов

Решая вопрос о том, как улучшить работу интеллектуальных агентов, все, что нам нужно сделать, это спросить себя: “Как нам улучшить нашу производительность при выполнении задачи?” Ответ, конечно, прост. Мы выполняем задачу, запоминаем результаты, затем корректируем на основе наших воспоминаний о предыдущих попытках.

Агенты искусственного интеллекта совершенствуются таким же образом. Агент становится лучше, сохраняя свои предыдущие попытки и состояния, учась лучше реагировать в следующий раз. Именно здесь встречаются машинное обучение и искусственный интеллект.

Все об агентах для решения проблем в искусственном интеллекте

Агенты, решающие проблемы в искусственном интеллекте, используют несколько алгоритмов и анализов для разработки решений. Это:

• Алгоритмы поиска: Методы поиска считаются универсальными методами решения проблем. Агенты, решающие проблемы, или рациональные агенты, используют эти алгоритмы и стратегии для решения проблем и получения наилучших результатов.

Неосведомленные алгоритмы поиска: также называемые слепым поиском, неосведомленные поисковики не имеют знаний о предметной области, вместо этого работая методом перебора.

Алгоритмы информированного поиска: Также известные как эвристический поиск, информированный поиск использует знания предметной области для поиска стратегий поиска, необходимых для решения проблемы.

• Алгоритмы восхождения на холмы: Алгоритмы восхождения на холмы – это локальные алгоритмы поиска, которые непрерывно движутся вверх, увеличивая свою ценность или высоту до тех пор, пока не найдут наилучшее решение проблемы или вершину горы.

Алгоритмы лазания по холмам отлично подходят для оптимизации решения математических задач. Этот алгоритм также известен как “жадный локальный поиск”, потому что он проверяет только своего ближайшего соседа.

• Анализ “Средства-цель”: Анализ “средства-цель” – это метод решения проблем, используемый для ограничения поиска в программах искусственного интеллекта, сочетающий методы обратного и прямого поиска.

Анализ “средства-цель” оценивает различия между начальным и конечным состояниями, затем выбирает наилучших операторов, которые могут быть использованы для каждого различия. Затем анализ применяет операторы к каждому совпадающему различию, уменьшая разницу в текущем состоянии и состоянии цели.