هوش مصنوعي فصل دوم عاملهاي هوشمند

هوش مصنوعي Artificial Intelligence فهرست عامل خواص محيطهاي وظيفه برنامه هاي عامل

عاملهاي هوشمند-تعريف عامل (agent) به هر چيزي اطلاق مي‌شود، که قادر به درک محيط پيرامون خود از طريق حس‌گرها(sensor) و اثرگذاري‌ بر روي محيط از طريق اثرکننده‌ها (effector) باشد. عامل انسان: (حس کردن: گوش، چشم، بيني، ديگر ارگان‌ها، اثرگذاري: دست، پا، اندام‌هاي ديگر) عامل روبات: (حس کردن: دوربين، حسگرهاي مادون قرمز، اثرگذاري: موتور)

sensors effectors percepts actions environment ? agent

f : P * ® A عاملهاي هوشمند-تعريف دنباله ادراک تابع عامل سابقه کامل هر چيزي است که عامل تاکنون درک کرده است. تابع عامل رفتار عامل توسط تابع عامل توصيف ميشود که هر دنباله ادراک را به يک فعاليت نقش ميکند.   f : P * ® A فعاليت دنباله ادراک : تابع عامل

عاملهاي هوشمند عامل ادراک ها حسگرها عامل ? محيط فعاليت ها محرکها

عاملهاي هوشمند-تعريف معيارهاي کارايي معيار کارايي، معياري براي موفقيت رفتار عامل است. بر اساس خواسته هاي عامل در محيط انتخاب ميشود تاكسي خودكار: ايمني و آسايش، رسيدن به مقصد، رعايت قانون رفتار عقلايي: آنچه در هر زمان منطقي است به چهار چيز وابسته است: معيار کارايي که ملاکهاي موفقيت را تعريف ميکند دانش قبلي عامل نسبت به محيط فعاليتهايي که عامل ميتواند انجام دهد دنباله ادراک عامل در اين زمان

عاملهاي هوشمند-تعريف عامل عالـِم Omni science)) خروجي واقعي و كامل فعاليت خود را ميداند و ميتواند بر اساس آن عمل کند. دانش كل غير ممكن است. عامل منطقي (Rational agent) فعاليتي را انتخاب ميکند که معيار کارايي اش را حداکثر ميکند. عامل اين انتخاب را بر اساس جمع آوري اطلاعات، اکتشاف، يادگيري انجام مي‌دهد. (مثل تاکسي خودکار) عامل خود مختار رفتار عامل مي‌تواند متکي بر دو پايه تجربه خود و دانش دروني بنا نهاده شود. عامل هوشمند واقعاً خود مختار، بايد قادر به عمل موفقيت‌آميز در دامنه وسيعي از محيط‌ها باشد و البته بايد زمان کافي براي تطبيق نيز به آن داده شود. Omniscience: علم لايتناهي و بي پايان

موارد مورد نیاز برای طراحی یک عامل (PEAS) بازدهی (Performance measure) محيط (Environment) عملگرها (Actuators) حسگرها (Sensors) مثال: تاکسی خودکار، خريد اينترنتی، جاروبرقی، شطرنج

عاملهاي هوشمند-خواص محيط‌ها کاملاً قابل مشاهده درمقابل قابليت مشاهده جزئي قطعي درمقابل غير قطعي رويدادي درمقابل ترتيبي(اپيزوديك در مقابل غير اپيزوديك) ايستا درمقابل پويا گسسته درمقابل پيوسته تک عاملي درمقابل چند عاملي چند عاملي رقابتي درمقابل چندعاملي همياري

مثال‌هايي از انواع محيط و ويژگي‌هاي آنها قابل دسترسي قطعي رويدادي ايستا گسسته شطرنج به همراه ساعت YES NO Semi شطرنج بدون ساعت پوکر تخته نرد راندن تاکسي سيستم تشخيص پزشکي سيستم تحليل تصوير ربات جابجا کننده اشياء کنترل‌کننده پالايشگاه آموزش‌دهنده انگليسي با ارتباط متقابل

عاملهاي هوشمند ساختار عاملها برنامه + معماري = عامل برنامه هاي عامل برنامه + معماري = عامل کار هوش مصنوعي طراحي برنامه عامل است که تابع عامل را پياده سازي ميکند برنامه هاي عامل عاملهاي واکنشي مدل گرا عاملهاي واکنشي ساده عاملهاي سودمند عاملهاي هدف گرا

اکنون چه عملي بايد انجام دهم عاملهاي هوشمند عاملهاي واکنشي ساده اين عاملها فعاليت را بر اساس درک فعلي و بدون در نظر گرفتن سابقه ادراک، انتخاب ميکند به خاطر حذف سابقه ادراک برنامه عامل در مقايسه با جدول آن بسيار کوچک است انتخاب فعاليت بر اساس يکسري قوانين موقعيت شرطي انجام ميشود عامل حسگرها جهان چگونه است محيط قانون شرط عمل اکنون چه عملي بايد انجام دهم محرکها

عاملهاي هوشمند T مثالي از عامل واکنشي ساده در دنياي جاروبرقي تصميم گيري آن بر اساس مکان فعلي و کثيف بودن آن مکان صورت ميگيرد انتخاب فعاليت بر اساس قانون. مثل: If dirty then suck T function REFLEX-VACUUM-AGENT ([location, status]) return an action if status == Dirty then return Suck else if location == A then return Right else if location == B then return Left

جهان چگونه تکامل مي يابد اکنون چه عملي بايد انجام دهم عاملهاي هوشمند عاملهاي واکنشي مدل گرا استفاده از دانش “چگونگي عملکرد جهان” که مدل نام دارد عامل بخشي از دنيايي را که فعلا ميبيند رديابي ميکند عامل بايد حالت داخلي را ذخيره کند که به سابقه ادراک بستگي دارد در هر وضعيت, عامل ميتواند توصيف جديدي از جهان را کسب کند حسگرها حالت جهان چگونه تکامل مي يابد جهان چگونه است محيط کار فعاليت چيست قانون شرط عمل اکنون چه عملي بايد انجام دهم عامل محرکها

عاملهاي هوشمند عاملهاي هدف گرا محيط عامل حسگرها محرکها حالت اين عامل علاوه بر توصيف حالت فعلي، براي انتخاب موقعيت مطلوب نيازمند اطلاعات هدف نيز ميباشد جست و جو و برنامه ريزي، دنباله اي از فعاليتها را براي رسيدن عامل به هدف، پيدا ميکند اين نوع تصميم گيري همواره آينده را در نظر دارد و با قوانين شرط عمل تفاوت دارد اين نوع عامل کارايي چنداني ندارد، اما قابليت انعطاف بيشتري دارد جهان چگونه است جهان چگونه تکامل مي يابد اگر فعاليت A را انجام دهم چه خواهد شد محيط کار فعاليت چيست اکنون چه عملي بايد انجام دهم اهداف عامل محرکها

عاملهاي هوشمند عاملهاي سودمند محيط عامل حسگرها محرکها حالت اين عامل براي اهداف مشخص، راه هاي مختلفي دارد، که راه حل بهتر براي عامل سودمندتر است. تابع سودمندي، حالت يا دنباله اي از حالتها را به يک عدد حقيقي نگاشت ميکند که درجه رضايت را توصيف مِيکند. وقتي اهداف متضاد باشند، بعضي از آنها برآورده ميشوند اگر هيچيک از اهداف به طور قطعي قابل حصول نباشند، احتمال موفقيت با اهميت هدف مقايسه ميشود جهان چگونه است جهان چگونه تکامل مي يابد اگر فعاليت A را انجام دهم چه خواهد شد محيط کار فعاليت چيست عامل های سودمند برای محیط هایی که بصورت جزئی قابل دسترسی هستند و محیط های تصادفی خیلی مفید است. مثل راننده تاکسی و محیط قماربازی در چنين حالتي چقدر رضايت دارم سودمند اکنون چه عملي بايد انجام دهم عامل محرکها

عاملهاي هوشمند عاملهاي يادگيرنده محيط عامل حسگرها محرکها استاندارد کارايي عنصرِِيادگيرنده مسئول ايجاد بهبودها عنصر کارايي مسئول انتخاب فعاليتهاي خارجي منتقد مشخص ميکند که يادگيرنده با توجه به استانداردهاي کارايي چگونه عمل ميکند مولد مسئله مسئول پيشنهاد فعاليتهايي است که منجر به تجربيات آموزنده جديدي ميشود عنصر کارايي منتقد حسگرها بازخورد محيط تغييرات عنصر يادگيرنده دانش اهداف يادگيري مولد مسئله عامل محرکها