AI - Agenti e ambienti
Un sistema AI è composto da un agente e dal suo ambiente. Gli agenti agiscono nel loro ambiente. L'ambiente può contenere altri agenti.
Cosa sono l'agente e l'ambiente?
Un agent è tutto ciò che può percepire il suo ambiente attraverso sensors e agisce su quell'ambiente attraverso effectors.
UN human agent ha organi sensoriali come occhi, orecchie, naso, lingua e pelle paralleli ai sensori e altri organi come mani, gambe, bocca, per effettori.
UN robotic agent sostituisce le telecamere e i telemetri a infrarossi per i sensori e vari motori e attuatori per gli effettori.
UN software agent ha codificato stringhe di bit come programmi e azioni.
Terminologia dell'agente
Performance Measure of Agent - Sono i criteri che determinano il successo di un agente.
Behavior of Agent - È l'azione che l'agente esegue dopo una data sequenza di percezioni.
Percept - Sono gli input percettivi dell'agente in una data istanza.
Percept Sequence - È la storia di tutto ciò che un agente ha percepito fino ad oggi.
Agent Function - È una mappa dalla sequenza del precetto a un'azione.
Razionalità
La razionalità non è altro che lo stato di essere ragionevole, ragionevole e avere un buon senso del giudizio.
La razionalità riguarda le azioni e i risultati attesi a seconda di ciò che l'agente ha percepito. Compiere azioni con l'obiettivo di ottenere informazioni utili è una parte importante della razionalità.
Cos'è Ideal Rational Agent?
Un agente razionale ideale è quello che è in grado di compiere azioni attese per massimizzare la propria misura di prestazione, sulla base di:
- La sua sequenza percettiva
- La sua base di conoscenza incorporata
La razionalità di un agente dipende da quanto segue:
Il performance measures, che determinano il grado di successo.
Agente Percept Sequence finora.
L'agente prior knowledge about the environment.
Il actions che l'agente può eseguire.
Un agente razionale esegue sempre l'azione giusta, dove l'azione giusta indica l'azione che fa sì che l'agente abbia più successo nella sequenza percettiva data. Il problema risolto dall'agente è caratterizzato da misurazione delle prestazioni, ambiente, attuatori e sensori (PEAS).
La struttura degli agenti intelligenti
La struttura dell'agente può essere vista come:
- Agente = Architettura + Programma agente
- Architettura = la macchina su cui viene eseguito un agente.
- Programma agente = un'implementazione di una funzione agente.
Agenti riflessi semplici
- Scelgono le azioni solo in base alla percezione corrente.
- Sono razionali solo se una decisione corretta viene presa solo sulla base del precetto corrente.
- Il loro ambiente è completamente osservabile.
Condition-Action Rule - È una regola che mappa uno stato (condizione) in un'azione.
Agenti riflessi basati su modelli
Usano un modello del mondo per scegliere le loro azioni. Mantengono uno stato interno.
Model - conoscenza di “come accadono le cose nel mondo”.
Internal State - È una rappresentazione di aspetti inosservati dello stato attuale che dipendono dalla storia percettiva.
Updating the state requires the information about −
- Come si evolve il mondo.
- Come le azioni dell'agente influenzano il mondo.
Agenti basati sugli obiettivi
Scelgono le loro azioni per raggiungere gli obiettivi. L'approccio basato sugli obiettivi è più flessibile dell'agente riflesso poiché la conoscenza a supporto di una decisione è modellata in modo esplicito, consentendo così le modifiche.
Goal - È la descrizione di situazioni desiderabili.
Agenti basati su utilità
Scelgono le azioni in base a una preferenza (utilità) per ogni stato.
Gli obiettivi sono inadeguati quando:
Ci sono obiettivi contrastanti, di cui solo pochi possono essere raggiunti.
Gli obiettivi hanno una certa incertezza di essere raggiunti e devi valutare la probabilità di successo rispetto all'importanza di un obiettivo.
La natura degli ambienti
Alcuni programmi funzionano interamente artificial environment limitato a input da tastiera, database, file system del computer e output di caratteri su uno schermo.
Al contrario, alcuni agenti software (robot software o softbot) esistono in domini softbot ricchi e illimitati. Il simulatore ha un filevery detailed, complex environment. L'agente software deve scegliere tra una lunga serie di azioni in tempo reale. Un softbot progettato per scansionare le preferenze online del cliente e mostrare articoli interessanti al cliente lavora inreal così come un artificial ambiente.
La più famosa artificial environment è il Turing Test environment, in cui uno reale e altri agenti artificiali vengono testati su un terreno uguale. Questo è un ambiente molto impegnativo in quanto è molto difficile per un agente software da eseguire come un essere umano.
Test di Turing
Il successo di un comportamento intelligente di un sistema può essere misurato con Turing Test.
Partecipano alla prova due persone e una macchina da valutare. Delle due persone, una interpreta il ruolo del tester. Ognuno di loro si trova in stanze diverse. Il tester non sa chi è macchina e chi è umano. Interroga le domande digitandole e inviandole a entrambe le intelligenze, alle quali riceve le risposte digitate.
Questo test mira a ingannare il tester. Se il tester non riesce a determinare la risposta della macchina dalla risposta umana, si dice che la macchina sia intelligente.
Proprietà dell'ambiente
L'ambiente ha molteplici proprietà:
Discrete / Continuous- Se esiste un numero limitato di stati dell'ambiente distinti e chiaramente definiti, l'ambiente è discreto (ad esempio, gli scacchi); altrimenti è continuo (ad esempio, guida).
Observable / Partially Observable- Se è possibile determinare lo stato completo dell'ambiente in ogni punto temporale dalle percezioni è osservabile; altrimenti è solo parzialmente osservabile.
Static / Dynamic- Se l'ambiente non cambia mentre un agente sta agendo, allora è statico; altrimenti è dinamico.
Single agent / Multiple agents - L'ambiente può contenere altri agenti che possono essere dello stesso tipo o diverso da quello dell'agente.
Accessible / Inaccessible - Se l'apparato sensoriale dell'agente può avere accesso allo stato completo dell'ambiente, allora l'ambiente è accessibile a quell'agente.
Deterministic / Non-deterministic- Se lo stato successivo dell'ambiente è completamente determinato dallo stato corrente e dalle azioni dell'agente, l'ambiente è deterministico; altrimenti è non deterministico.
Episodic / Non-episodic- In un ambiente episodico, ogni episodio consiste nell'agente che percepisce e poi agisce. La qualità della sua azione dipende proprio dall'episodio stesso. Gli episodi successivi non dipendono dalle azioni negli episodi precedenti. Gli ambienti episodici sono molto più semplici perché l'agente non ha bisogno di pensare al futuro.