Tiểu Luận - Trí Tuệ Nhân Tạo - Đề Tài - Các Agent Thông Minh

Function TABLE-DRIVEN-AGENTpercept returns action static: percepts, một dãy cảm nhận, khởi đầu rỗng table, bảng các hành động ứng với chuỗi cảm nhận Thêm percept vào cuối dãy percepts

TRƯ NG Đ I H C Ờ Ạ Ọ

SƯ PH M K THU T THÀNH PH H CHÍ MINH Ạ Ỹ Ậ Ố Ồ

HCMC University of Technology and Education

KHOA ĐÀO T O CH T L Ạ Ấ Ư NG CAO Ợ

CÁC AGENT THÔNG MINH

0

CÁC LOẠI AGENT

CÁC LOẠI MÔI TRƯỜNG

Agent là gì ? Môi trường là gì ? Hàm Agent ?

Các agent tương tác với môi trường thông qua sensor và các effector

Định nghĩa

OKE

YY

Function TABLE-DRIVEN-AGENT(percept)

returns action static: percepts, một dãy cảm

nhận, khởi đầu rỗng table, bảng các hành động ứng với chuỗi cảm nhận Thêm percept vào cuối dãy percepts

action LOOKUP(percepts, table)

Return action

01 AGENT VÀ MÔI

TRƯỜNG

Agent là gì ? Môi trường là gì ? Hàm Agent ?

Các agent tương tác với môi trường thông qua sensor và các effector

Định nghĩa

OKE

YY

01 AGENT VÀ MÔI

TRƯỜNG

 Ba hình thức được mô tả như sau:

 Human Agent: Agent con người sử dụng Mắt, Mũi, Lưỡi và các cơ quan cảm giác khác làm cảm biến để cảm nhận thông tin từ môi trường và sử dụng chân tay và đường thanh âm làm cơ quan truyền động để thực hiện một hành động dựa trên thông tin

 Robotic Agent: Robotics Agent sử dụng máy ảnh và radar hồng ngoại làm cảm biến để ghi lại thông tin từ Môi trường và nó sử dụng động cơ phản xạ làm bộ truyền động để đưa đầu ra trở lại môi trường

 Software Agent: Tác nhân phần mềm sử dụng các thao tác trên bàn phím, lệnh âm thanh làm cảm biến đầu vào và màn hình hiển thị làm thiết bị

truyền động

Hình thức

01 AGENT VÀ MÔI

TRƯỜNG

 Agent có cấu trúc gồm 2 phần:

 Kiến trúc (Architecture): Kiến trúc là

bộ máy mà Agent thực hiện hành động của nó. Về cơ bản, nó là một thiết bị có

bộ truyền động và cảm biến nhúng

 Chương trình (Program): Việc thực

hiện Chức năng Agent được thực hiện bởi Chương trình Agent Việc thực thi xảy ra trên Kiến trúc tác nhân và tạo ra chức năng mong muốn

Cấu trúc

E: Đường xá, giao thông, người đi bộ, thời tiết…

A: Hệ thống lái, phanh, máy gia tốc…

S: GPS, động cơ cảm biến, video…

01 AGENT VÀ MÔI

TRƯỜNG

 Môi trường (environment) là một tổ hợp các yếu tố tự nhiên và xã hội bao quanh bên ngoài của một hệ thống hoặc một cá thể, sự vật nào đó

 Các ví dụ về quan hệ giữa Agent và môi trường:

Môi trường

 Nhận thức (percept) để chỉ tín hiệu tri giác

nhận được của Agent

 Mỗi thời điểm Agent chọn tác động phụ

thuộc vào chuỗi nhận thức có được lúc đó

 Dựa trên chuỗi nhận thức, Agent chọn ứng

xử được mô tả như là hàm Agent (Agent

function) và có thể biểu diễn bởi bảng

 Bảng là đặc trưng ngoài của hàm Agent

còn bên trong là một chương trình

● If trạng_thái = Bẩn then return Hút_Bụi

● Else if vị_trí = A then return Qua_Phải

● Else if vị_trí = B then return Qua_Trái

● End Function

02 CÁC AGENT HỢP LÝ

 Đối với mỗi chuỗi nhận thức có thể, một Agent hợp

lý sẽ chọn tác động hướng tới cực đại độ đo thực

hiện dựa vào biểu hiện của chuỗi nhận thức và tri

thức đã có

 Ví dụ xét Agent máy hút bụi và giả sử:

1 Độ đo: thưởng một điểm cho mỗi ô sạch ở mỗi bước

và có 1000 bước

2 Tri thức: Chưa biết phân phối bụi và vị trí làm sạch

3 Tác động: Chỉ có các tác động sang phải, trái, hút và

không làm gì

4 Chuỗi nhận thức: Agent chưa nhận thức đúng vị trí

của nó và chưa biết còn bụi hay không

Agent này chưa hợp lý vì phần tri thức và chuỗi nhận thức biểu hiện

chưa tốt để đưa đến độ đo cực đại

Kiểm tra

02 CÁC AGENT HỢP LÝ

Đặc tính

• Biết được kết quả hiện thời về tác động và

cho được các tác động phù hợp Quán thông (Omniscience)

• Tính khám phá và thu nhập thông tin

Học (Learning)

• Có nhiều nhận thức mới hơn là dựa vào tri

thức người thiết kế

Tự trị (Autonomy)

Agent hợp lý thứ ba:

 Sự thông suốt mọi thứ = Biết tất cả

mọi thứ, với tri thức vô hạn

 Vì các nhận thức có thể không cung

cấp tất cả các thông tin liên quan

 Các tác tử có thể thực hiện các hành

động nhằm thay đổi các nhận thức trong tương lai, với mục đích thu được các thông tin hữu ích (ví dụ: thu thập thông tin, khám phá tri thức)

 Tác tử tự trị (autonomous agent) là

một tác tử mà các hành động của nó được quyết định bởi chính kinh

nghiệm của tác tử đó (cùng với khả năng học và thích nghi)

 Một hành động đúng (hợp lý) là hành

động giúp cho tác tử đạt được thành công cao nhất đối với mục tiêu đặt ra

 Đánh giá hiệu quả hoạt động: là tiêu

chuẩn để đánh giá mức độ thành công trong hoạt động của một tác tử

 Ví dụ: Tiêu chí đánh giá hiệu quả

hoạt động của một tác tử máy hút bụi

có thể là: mức độ làm sạch, thời gian hút bụi, mức độ điện năng tiêu tốn, mức độ tiếng ồn gây ra, …

 Dựa trên các thông tin được cung

cấp bởi chuỗi nhận thức và các tri thức được sở hữu bởi tác tử đó

THIẾT LẬP ĐỘ ĐO, MÔI

TRƯỜNG

03

 Một độ đo thực hiện làm tiêu chuẩn cho

thành công của hành vi của một Agent

 Khi một Agent được thả vào một môi

trường, nó phải tạo ra một chuỗi tác động

phù hợp với các nhận thức mà nó tiếp

nhận

 Không có một độ đo chung nào cho mọi

Agent

 Cần có độ đo khách quan đặt ra cho người

thiết kế mỗi Agent

 Lựa chọn độ đo là vấn đề khó…

Ví dụ với Agent hút bụi có thể đo bằng số bụi hút được hoặc diện tích sạch

=> Cần thiết kế độ đo phù hợp với môi trường muốn có hơn là phù hợp với Agent.Định nghĩa

THIẾT LẬP ĐỘ ĐO, MÔI

Artificial Environment Môi trường nhân tạo: Gồm các yếu tố nhân tạo có tính chất vật lý, hóa học… do con người tạo

dựng và chịu sự chi phối của con người

 Một số loại môi trường tác nghiệp:

4 CÁC LOẠI MÔI TRƯỜNGCác thuộc tính của môi trường

tác nghiệp

 Hòa hợp và Không hòa hợp (Accessible vs Inaccessible)

Nếu cơ cấu giác quan của agent đem đến cho nó một trạng thái đầy đủ của môi trường thì chúng ta nói rằng môi trường hòa hợp với agent Một môi trường là thực sự hòa hợp nếu các sensor phát hiện ra tất cả các khía cạnh liên quan đến sự lựa chọn hành động

 Nếu trạng thái tiếp theo của môi trường là hoàn toàn

xác định thông qua trạng thái hiện thời và hành động

mà agent đã lựa chọn, thì ta nói môi trường là xác

định

 Theo nguyên tắc, agent mong muốn không phải lo nghĩ

về một môi trường có thể không chắc chắn xác định Tuy nhiên, nếu một môi trường là không thể thì nó có thể được xem như không xác định

 Môi trường xác định hoặc môi trường không xác định

đối với điểm nhìn của agent thường được cho là tốt

nhất

 Trong mỗi đoạn gồm có sự nhận biết của agent và

hành vi khi có được nhận biết đó

 Đặc tính của hành động phụ thuộc vào chính đoạn

đó, bởi vì các đoạn tiếp theo không phụ thuộc vào các hành động trong đoạn trước đó

 Môi trường phân đoạn là rất đơn giản.

4 CÁC LOẠI MÔI TRƯỜNGCác thuộc tính của môi trường

tác nghiệp

 Tĩnh và Động (Static vs Dynamic)

 Nếu môi trường có thể thay đổi trong khi agent đang cân nhắc,

thì chúng ta nói rằng môi trường là động đối với agent, ngược lại môi trường là tĩnh

 Môi trường tĩnh rất dễ giao tiếp bởi vì agent mong muốn không

phải theo dõi thế giới xung quanh trong khi đang quyết định lựa chọn hành động và cũng mong muốn không phải lo nghĩ thời gian đã trôi qua

 Nếu môi trường không thay đổi theo thời gian nhưng sự thực

hiện của agent thành công, thì chúng ta nói rằng môi trường

phần nào là động

4 CÁC LOẠI MÔI TRƯỜNGCác thuộc tính của môi trường

tác nghiệp

 Rời rạc và Liên tục (Discrete vs Continuous)

 Nếu có một số lượng giới hạn nhất định các tri

giác và hành động rõ ràng thì ta nói rằng môi trường là rời rạc

 Môi trường “Chơi cờ” là rời rạc - có một số lượng

cố định “nước đi có khả năng” trong mỗi lần đi

 Môi trường “Lái taxi” là liên tục - tốc độ, vị trí

của taxi và các xe cộ khác nhận giá trị trong một khoảng giá trị liên tục

4 CÁC LOẠI MÔI TRƯỜNGCác thuộc tính của môi trường

tác nghiệp

 Đơn và Đa (Single vs Multi)

 Nếu môi trường có một agent hoạt động là Single.

 Nếu môi trường có nhiều agent hoạt động là Multi.

Môi trường tác nghiệp Hòa hợp Xác định Phân đoạn Tĩnh Rời

rạc Đơn

Chess with a clock Yes Yes No Semi Yes No

Medical diagnosis system No No No No No Yes Image analysis system Yes Yes Yes Semi No Yes Part- picking robot No No Yes No No Yes Chess without a clock Yes Yes No Yes Yes No

Interactive English tutor No No No No Yes No

AGE NT

Simpl

e Reflex Agent

Model-Based Agent

Based Agent

Goal-Utility Agent

Learni

ng Agent

 Các Agents được phân

thành 5 loại dựa trên

phạm vi năng lực và

mức độ thông minh của

chúng

Phân loại

Example: a robotic vacuum

cleaner that deliberate in an infinite

loop, each percept contains a state of

a current location [clean] or [dirty] and, accordingly, it decides whether

AGENT(percept) returns an action

static: rules, a set of

condition-action rules

state INTERPRET-INPUT(percept) rule  RULE-MATCH(state, rules) action  RULE-ACTION[rule]

return action

 Là dạng cơ bản của các Agent và chỉ hoạt động ở trạng thái hiện tại

Chúng có khả năng thông minh rất thấp

 Các loại Agent này phản ứng dựa trên các quy tắc được xác định trước

được lập trình

 Chúng chỉ hoạt động tốt khi môi trường hoàn toàn có thể quan sát được.

Example: the self-steering mobile

vision, where it's necessary to check

the percept history to fully understand

how the world is evolving

 Đây là phiên bản nâng cao của Agent Phản xạ đơn giản.

 Nó còn có khả năng lưu trữ trạng thái bên trong (thông tin quá khứ) dựa

trên các sự kiện trước đó

 Để thực hiện bất kỳ hành động nào, nó dựa vào cả trạng thái bên

trong và cảm nhận hiện tại

 Hành động mà những tác nhân này thực hiện phụ thuộc vào khoảng cách

với mục tiêu của chúng

 Các hành động nhằm mục đích giảm khoảng cách giữa trạng thái hiện tại

và trạng thái mong muốn Để đạt được mục tiêu, nó sử dụng thuật toán tìm kiếm và lập kế hoạch

 Một hạn chế của Agent dựa trên mục tiêu là không phải lúc nào cũng

chọn con đường tối ưu hóa nhất để đạt được mục tiêu cuối cùng

function

MODEL-GOAL-BASED-AGENT(percept) return an action

persistent: state, what the current

agent sees as the world state model, a

description detailing how the next state

is a result of the current state and

action

goals, a set of goals the agent needs to

accomplish

action, the action that most recently

occurred and is initially null

Example: Any searching

robot that has an initial location

and wants to reach a destination

 Hành động được thực hiện bởi các Agent

này phụ thuộc vào mục tiêu cuối cùng nên chúng được gọi là Agent tiện ích

 Agent Tiện ích được sử dụng khi có nhiều

giải pháp cho một vấn đề và phải chọn giải pháp thay thế tốt nhất có thể

 Giải pháp thay thế được chọn dựa trên tiện

ích của từng state Thực hiện phân tích chi phí – lợi ích của từng giải pháp và chọn giải pháp có thể đạt được mục tiêu với chi phí tối thiểu

0

 Agent tiện ích (Utility Agent)

Phân loại

Example: the route

recommendation system which

solves the 'best' route to reach a

destination.

 Agent học tập (Learning Agent)

 Agent Học tập có khả năng học tập để có thể học hỏi từ những kinh

nghiệm trong quá khứ của chúng Những loại Agent này có thể bắt đầu từ đầu và theo thời gian có thể thu được kiến thức đáng kể từ môi trường của chúng

 Các Agent học tập có 4 thành phần chính cho phép nó học hỏi từ kinh

nghiệm trong quá khứ:

CỐ

Phân loại

The human is an example of a

learning agent For example, a

human can learn to ride a bicycle,

even though, at birth, no human

possesses this skill

BẮT ĐẦU

Câu 1: Cấu trúc của Agent là gì?

Câu 2: Yếu tố nào dưới đây không phải là yếu tố của Agent hợp lý?

Câu 3: Đáp án nào dưới đây sai?

Agent

thành công của hành vi Agent

Câu 4: Môi trường nào dưới đây có thuộc tính phân đoạn?

Câu 5: Agent nào dưới đây được sử dụng khi có nhiều giải pháp cho một vấn đề và phải chọn giải pháp thay thế tốt nhất có thể?