探索人工智慧中的智慧代理
介紹
人工智慧,通常稱為 AI,是資訊科技領域一個令人興奮的領域,它滲透到當代生活的許多方面。儘管它可能看起來很複雜,事實上也很複雜,但我們可以透過分別檢視它的每個元件來更加習慣並輕鬆地理解 AI。當我們理解元件如何組合在一起時,我們可以更好地理解並實踐這些概念。
AI 中的代理
在人工智慧的背景下,“代理”是一個獨立的軟體或實體,它透過基於感測器的感知和基於執行器或效應器的動作與其環境進行互動。
代理使用其執行器迴圈執行感知、思考和行動。代理包括以下內容:
軟體 - 此代理處理來自擊鍵、檔案內容和網路資料包的輸入,在螢幕上呈現結果,然後再次執行操作。
是的,我們都是代理。除了眼睛、耳朵和其他感覺器官外,人類還有手、腿、嘴和其他身體部位作為執行器。
機器人 - 機器人代理擁有各種伺服電機和馬達等執行器,以及攝像頭和紅外測距儀等感測器。
人工智慧中的智慧代理是自主的實體,它們使用感測器和執行器與其環境互動以實現其目標。智慧代理還可以從其環境中獲取資訊來實現這些目標。虛擬個人助理 Siri 和自動駕駛汽車是人工智慧 (AI) 智慧代理的例子。
以下四個主要準則任何 AI 代理都必須遵循:
規則 1 - AI 代理需要能夠理解其周圍環境。
規則 2 - 決策必須基於環境觀察。
規則 3 - 決策必須伴隨著行動。
規則 4 - AI 代理的行動必須是合理的。最大限度地提高效能併產生最佳可能結果的行動被認為是理性的。
人工智慧代理的活動
人工智慧代理不斷執行以下任務:
識別不斷變化的環境條件
採取行動改變環境條件
使用邏輯來轉換感知
解決問題
進行推論
決定行動及其結果
代理型別
AI 使用五種主要類別的智慧代理。它們的能力範圍和智慧程度定義了它們:
反射型代理 - 這些代理只關注現在,而不考慮過去。它們的響應使用事件-條件-動作規則。當用戶啟動事件並且代理查閱預先建立的標準和規則列表時,導致預先程式設計的結果,ECA 規則生效。
基於模型的代理 - 這些代理與反射型代理類似地做出關於其行動方針的決策,但它們對周圍環境有更全面的瞭解。內部系統擁有一個環境模型,代理的歷史資訊與之整合。
基於目標的代理 - 這些代理增加了基於模型的代理保留的資料,透過補充有關目標的資訊,例如有關所需結果和情況的資訊。
基於效用的代理 - 這些代理類似於基於目標的代理,但它們還提供第二個效用指標。此評估將每個潛在結果相對於所需結果進行排名,並選擇最佳化結果的行動方案。評級標準的示例包括成功機率或所需資源數量等因素。
學習型代理 - 這些代理使用額外的學習元件,隨著時間的推移逐步改進並學習更多關於其周圍環境的資訊。學習元件根據輸入決定如何逐步更改效能元件以指示改進。
人工智慧代理遵循基本的結構公式:
代理 = 架構 + 代理程式
最常用於描述代理結構的短語如下:
架構 - 用於執行代理的裝置或平臺。
代理函式 - 代理函式,由以下公式描述,將感知與動作聯絡起來。f:P* - A。
代理程式 - 代理程式是將代理函式付諸實踐的好方法。為了建立函式 f,代理程式在物理架構上執行。
PEAS 模型是 AI 代理架構的一個共同要素。PEAS 代表性能度量、環境、執行器和感測器。例如,考慮一臺吸塵器。
清潔度和效能效率
地毯、木地板和客廳
刷子、輪子、吸塵袋執行器
檢測灰塵和碰撞的感測器
代理可以在無需直接人工輸入或使用其他軟體技術的情況下執行。它內部控制其行為和環境。代理自行決定在當前情況下采取的最佳行動方案。如果代理的效能透過其在學習和適應環境中的經驗來衡量,則該代理已實現自主性。
靈活性
代理必須快速響應內部變化並瞭解其周圍環境。
主動性 - 代理應該能夠在必要時主動承擔責任,並採取機會主義的、目標導向的行動,而不僅僅是響應其周圍環境。
代理應該在社會問題上與人類和其他人工智慧合作。
人工智慧中的問題解決代理
解決問題的 AI 代理使用各種演算法和分析來建立解決方案,如下所示:
搜尋演算法 - 搜尋策略被認為是解決問題的普遍方法。理性或解決問題的代理使用這些方法和策略來解決問題並取得最佳結果。
盲目搜尋 - 也稱為非資訊搜尋演算法,使用蠻力並且缺乏任何領域知識。
啟發式搜尋和資訊搜尋演算法都利用領域知識來確定找到問題解決方案所需的搜尋策略。
爬山法 - 稱為“爬山演算法”的區域性搜尋演算法不斷上升,增加其值或高度,直到達到問題的完美解決方案或山頂。
解決數學問題的最佳演算法是那些包含爬山法的演算法。該演算法也稱為“貪婪區域性搜尋”,因為它只考慮其良好的直接鄰居。
手段目的分析 手段目的分析是一種問題解決方法,它結合了前向和後向搜尋技術來限制人工智慧演算法中的搜尋。
在評估初始條件和最終條件之間的差異後,手段目的分析選擇最適合每個差異的運算子。
結論
一種使用人工智慧做出決策並採取行動的實體被稱為 AI 代理。它通常使用感測器來感知其環境,然後使用智慧來選擇一個動作並使用執行器來執行它。在本文中,我們討論了人工智慧的各種代理型別以及能夠解決問題的代理。