Intelligente agenter

Fra Wikipedia, den frie encyklopedi
Gå til: navigasjon, søk

I Kunstig_intelligens, er intelligent agent (IA) en selvstendig Entitet som observerer miljøet og handler ut i fra de observasjonene som er gjort. De handlingene som er gjort basert på observasjoner er også rettet for å kunne oppnå sitt mål. Læring av sine egne handlinger, eller observasjon av andre sine handlinger samt bruk av kunnskap er deler av adferden til noen intelligent agenter. En intelligent agent kan være fra de trivielle maskinene som en Robot støvsuger til ekstremt kompliserte agenter slik som mennesker, eller avanserte ekspert systemer.

For å konstruere Logikken bak en IA så blir det brukt et logisk språk for å beskrive handlingene som skal inntreffe gitt en tilstand. Målrettete adferd er i følge flere (Russell & Norvig 2003) essensen av intelligent adferd, og derfor brukes uttrykkene rasjonelle agenter og Intelligente agenter om hverandre.


IA innen Kunstig_intelligens er nært knyttet agenter innen Økonomi, og andre versjoner av Intelligente agenter innen fagfelt blant annet Kognitiv vitenskap og Etikk.

Programvare agenter er nært knyttet Intelligente agenter. Autonome programvare agenter som på vegne av brukere eller systemer utfører oppgaver. Slik oppgaver som diagnostiseringssystemer, slik som er brukt av blant annet General Motors Corporation. Innen Informatikk blir Intelligente agenter brukt om en programvare agent som har en form for intelligens . Programmeringsspråk brukes for å konstruere logikken bak en programvare agent er blant annet mer spesial språk som Lisp, Prolog (programmeringsspråk)samt mer utbrette språk som Java (programmeringsspråk).

Definisjoner på en intelligent agent[rediger | rediger kilde]

Det er ingen defacto definisjon av hva en intelligent agent skal være. I den mest brukte læreboken om kunstig intelligens (Russell & Norvig 2003) er om en agent er rasjonell det viktigste. Alan Turing sin Turingtest der oppfattet oppførsel til agentene vil være det essensielle for å kunne skille inteligente agenter fra andre agenter.


Arkitekturen til en intelligent agents[rediger | rediger kilde]

Pseudokode av en enkel refleksiv agent:

'''funksjon''' enkel refleksivagent (Persepsjon) '''returnerer''' handling
Statisk regler, et sett av kondisjonsbaserte regler

situasjon <- Tolkeomverden(Persepsjon )
regel <- Matche Regel(situasjon , regeler)
handling <- RegeltilHandling[regel]

'''returnerer''' handing

Klasser av intelligente agenter[rediger | rediger kilde]

enkel refleksiv agent
model-basert refleksiv agent
måldrevet agent agent
nytte-based agent
lærings drevene agent

(Russell & Norvig 2003) Bruker hovedsakelig 5 klasser av agenter basert på sitt kompleksitet, kapasitet og grad av intelligense:

  1. Enkel refleksiv agent
  2. Model-basert refleksiv agent
  3. Måldrevet agent agent
  4. Nytte-based agent
  5. Lærings drevene agent


enkel refleksiv agent

Gitt hvordan det persepsjonen av miljøet er nå, utfør en handling som er predefinert gitt hvordan miljøet er.

Begrensinger med enkel refleksiv agent: - Begrenset domener der en slik agent kan brukes. - For å ha et sett med regler som passer for alle situasjoner innen sjakk vil være praktisk umulig grunnet at det finnes for mange forskjellige situasjoner i sjakk - Alle handlingene er bare basert på Persepsjonene av omverden, men ikke hvordan verden har endret seg. Det er en svakhet som kan føre til at en valgt handling vil ikke føre til den endringen som er tiltenkt. - Når en endring av miljøet forekommer så må regel til handlings forløpet endres av andre enn agenten.


Model-basert refleksiv agent

Her blir verden også sett på som hvordan den var før, altså agenten har en hukommelse på hvordan verden har vært.

Måldrevet agent agent

Gjør den handlingen som gjør at jeg kommer til et gitt målet. En robot støvsuger vil ha et mål om at et rom skal være rent. Alle handlingene som agenten gjør vil være handlinger som vil føre agenten til målet.

Nytte-based agent

Nytte baserte agenter har en nyttefunksjon. Nyttefunksjon kan skille mellom målbaserte tilstander og ikke målbaserte tilstander, samt hvor ønskelig en gitt situasjon er. Muligheten til å velge en fremtidig situasjon over en annen fremtidig situasjon.

Læringsdreven agent

En læringsagent har flere egenskaper, slik som minne om hvordan verden var før og hvordan handlinger endrer verden. Evnen til å se hva som har skjedd tidligere gitt en handling gjør at agenten bygger opp erfaring og kan lærer av den erfaringen.

Se også[rediger | rediger kilde]

Notes[rediger | rediger kilde]

Referanser[rediger | rediger kilde]

Eksterne lenker[rediger | rediger kilde]