پاورپوینت عاملهای هوشمند

عاملهای هوشمند

هوش مصنوعی Artificial Intelligence
فهرست
عامل
خواص محیطهای وظیفه
برنامه های عامل

عامل:
به هر چیزی اطلاق می شود، که قادر به درک محیط پیرامون خود از طریق حس گرها(sensor)
و اثرگذاری بر روی محیط از طریق اثرکننده ها (effector) باشد.
environment
?
agent
sensors
effectors
percepts
actions

عاملهای هوشمند
عامل
حسگرها
محرکها
?
محیط
ادراک ها
فعالیت ها
عامل

عوامل انسانی
sensor: گوش، چشم، دیگر ارگان ها
effector: دست، پا، بینی، اندام های دیگر
عوامل روباتیک
sensor: دوربین، یابنده های مادون قرمز
effector: موتور- چرخها–بازوها
عامل نرم افزاری:
1.effector:فشرده شدن کلید-بیت های(01101(-
2-effector:نمایش روی صفحه کلید-رمزگذاری(abc)

عاملهای هوشمند
تابع عامل
رفتار عامل توسط تابع عامل توصیف میشود که هر دنباله ادراک را به یک عمل نقش میکند.
دنباله ادراکی
تاریخچه وسابقه کامل هر چیزی است که عامل تاکنون درک کرده است.

عمل دنباله ادراک : تابع عامل
تفاوت percept و percept sequence

The vacuum-cleaner world
Environment: square A and B
Percepts: [location and content] e.g. [A, Dirty]
Actions: left, right, suck, and no-op

برنامه عامل(مبتنی بر جدول)

برنامه عامل(واکنشی ساده)
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

12
عاملهای هوشمند
عاملهای هوشمند
عامل عالـِم Omni science))
خروجی واقعی فعالیت خود را میداند و میتواند بر اساس آن عمل کند

عامل خردمند (Rational agent)
عاملی است که خوب عمل می کند وفعالیتی را انتخاب میکند که معیار کارایی اش را حداکثر میکند و این کار با توجه به شواهدی که از طریق دنباله ی ادراک بدست می آید و دانش درونی عامل صورت می گیرد.
جمع آوری اطلاعات، اکتشاف، یادگیری
عامل خردمند باید خودمختار باشد

عامل خود مختار
نقص دانش قبلی خود را میتواند جبران کند.
اگر عامل بجای ادرکات خود براساس دانش قبلی طراح خود رفتارکند گوییم عامل خودمختار نیست

13
معیارهایی کارآیی برای عاملهای هوشمند
معیار کارآیی، معیاری برای موفقیت رفتار عامل است
بدیهی است برای تمام عاملها معیار ثابتی وجود ندارد
این معیار معمولا توسط طراح عامل مشخص می شود
انتخاب معیار کارآیی همواره ساده نیست
کدام بهتراست؟ اقتصادی که در آن هر کسی تاحدی فقیر است یا اقتصادی که در آن بعضی بسیار ثروتمند و بعضی دیگر فقیرند؟

14
عاملهای هوشمند
معیار کارایی که ملاکهای موفقیت را تعریف میکند
دانش قبلی عامل نسبت به محیط
فعالیتهایی که عامل میتواند انجام دهد
دنباله ادراک عامل در این زمان
عقلایی بودن در هر زمان به 4 چیز بستگی دارد

تفاوت میان منطقی بودن و دانش کل (omniscience):

عامل دانای کل معنی خروجی واقعی اعمال خود را دانسته و بر پایه آن عمل می کند اما دانش کل در واقعیت غیرممکن است.
اگر معین کنیم که هر عامل هوشمند همواره باید همان کاری را انجام دهد که در عمل مناسب است، هیچگاه نمی توان عاملی را طراحی نمود که این مشخصات را مرتفع سازد.

16
تعیین محیط وظیفه
اولین قدم در طراحی عامل ، مشخص کردن محیط وظیفه ی آن است

برای هر عامل خردمند باید معیار کارآیی ، محیط ، حسگرها و محرک ها
را مشخص کنیم تمام این موارد تحت عنوان محیط وظیفه در نظر گرفته
گرفته می شوند و PEAS خوانده می شود
Performance,Environment,Actuator,Sensor

17
توصیف PEAS (چند مثال)

عاملهای هوشمند
خواص
محیط های وظیفه
کاملاً قابل مشاهده درمقابل قابلیت مشاهده جزئی
قطعی درمقابل غیر قطعی
راهبردی
رویدادی درمقابل ترتیبی
ایستا درمقابل پویا
گسسته درمقابل پیوسته
تک عاملی درمقابل چند عاملی
چند عاملی رقابتی درمقابل چندعاملی همیاری

قابل دسترسی در مقابل غیرقابل دسترسی

محیط قابل دسترسی: محیطی که عامل آن توسط ابزار حس کننده اش امکان دسترسی به وضعیت کامل محیط را داشته باشد.
محیط قابل دسترسی راحت است، زیرا عامل نیازمند دستکاری هیچ وضعیت داخلی برای حفظ دنیا را نخواهد داشت.

قطعی در مقابل غیر قطعی

محیط قطعی: محیطی است که اگر وضعیت بعدی محیط بوسیله وضعیت کنونی و اعمالی که با عامل ها انتخاب گردد، تعیین شود.
بهتر است به قطعی یا غیر قطعی بودن محیط از دیدگاه عامل نگاه کنیم.

23
Example: vacuum world

اپیزودیک در مقابل غیر اپیزودیک

محیط اپیزودیک (episodic)، تجربه عامل به اپیزودهایی تقسیم می گردد.
هر اپیزود شامل درک و عمل عامل است.
کیفیت اعمال آن تنها به خود اپیزود وابسته است.
محیط های اپیزودی بسیار ساده ترند زیرا عامل نباید به جلوتر فکر کند.

ایستا در مقابل پویا

محیط پویا: محیطی که در حین سنجیدن عامل تغییر می کند.
محیط نیمه پویا: محیطی که با گذر زمان تغییر نمی کند اما امتیاز کارایی تغییر می کند.

محیط های ایستا برای کار ساده هستند زیرا عامل نیاز به نگاه کردن به دنیا در حین تصمیم گیری عملی نداشته و همچنین در مورد گذر زمان نیز نگران نمی باشد.

گسسته در مقابل پیوسته

محیط گسسته: اگر تعداد محدود و مجزا از ادراک و اعمال بوضوح تعریف شده باشد.
– بازی شطرنج گسسته است.
– رانندگی تاکسی پیوسته است.

سخت ترین حالت در بین حالات موجود برای محیط:
غیر قابل دسترسی، غیر اپیزودیک، پویا و پیوسته

مثال هایی از انواع محیط و ویژگی های آنها

33
عاملهای هوشمند(چند نکته)
اگر محیط کاملا قابل مشاهده نباشد،غیر قطعی است
بهتر است قطعی یا غیر قطعی بودن را از دیدگاه عامل در نظر بگیریم
در محیطهای رویدادی ، انتخاب فعالیت در هر رویداد به خود رویداد بستگی دارد و به فعالیتهای رویداد قبلی بستگی ندارد
در محیطهای ترتیبی ، تصمیم فعلی می تواند در تصمیمات بعدی موثر باشد
اگر محیط در طول عمر عامل تغییر کند پویاست در غیر اینصورت ایستاست
اگر محیط با گذر زمان تغییر نکند ولی اختیارات کارآیی تغییر کند گوییم محیط نیمه پویاست
محیطهای چند عاملی به دو دسته چند عاملی رقابتی و چند عاملی همیاری تقسیم می شود
سخت ترین محیط، قابل مشاهده ی جزئی ، غغیر قطعی ، ترتیبی ، پویا ، پیوسته و چند عاملی است

34
محیطهای کاری و ویژگیهای آن(چند مثال)

35
ساختار عاملها
برنامه + معماری = عامل
کار هوش مصنوعی طراحی برنامه عامل است که تابع عامل را پیاده سازی میکند، این برنامه بر روی یک دستگاه محاسباتی با حسگرها و محرک های فیزیکی یعنی معماری اجرا می شود.
انواع عاملها
عاملهای واکنشی ساده
عاملهای هدف گرا
عاملهای واکنشی مدل گرا
عاملهای سودمند
عاملهای یادگیرنده

(1) Table – Driven – Agent

1- function TABLE- DRIVEN- AGENT (percept) return action
2 – static:
3 – percepts, a sequence,initially empty
4 – table , a table,indexed by percept sequences, initially fully specified
5 – append percept to the end of percepts
6 -action lookup (percepts,table)
7 – return action

The vacuum-cleaner world

جنبه های مختلف یک عمل، انواع مختلف برنامه های عامل را پیشنهاد خواهد کرد.

برای مثال، 4 عامل را مورد بررسی قرار می دهیم:
عامل های واکنشی ساده
عامل هایی که اثرات دنیا را حفظ می کنند
عامل های هدف گرا
عامل های سودمند

AGENT- BASE-PROGRAM

1- function SKELETON- AGENT
(percept) returns action
2 – static:
3 – memory, the agent memory of the world
4- memory  Update -Memory(memory,percept)
5 – action  Choose- Best- Action(memory)
6 – memory  Update- Memory(memory,action)
7 – return action

عاملهای واکنشی ساده
عاملهای هوشمند
عامل
محیط
حسگرها
در حال حاضر
جهان چگونه است
محرکها
قانون
شرط عمل
حالاچه عملی باید انجام دهم؟
این عاملها فعالیت را بر اساس درک فعلی و بدون در نظر گرفتن سابقه ادراک، انتخاب میکند
به خاطر حذف سابقه ادراک برنامه عامل در مقایسه با جدول آن بسیار کوچک است
انتخاب فعالیت بر اساس یکسری قوانین موقعیت شرطی انجام میشود

(2) Simple Reflex Agents

1 – function SIMPLE _REFLEX_AGENT (percept) returns action
2 – static :
Rules, a set of condition_action rules

3 – state <– INTERPRET-INPUT (percept)
4 – rule <– RULE-MATCH (state,rules)
5 – action <– RULE-ACTION [rule]
6 – return action

function SIMPLE REFLEX_AGENT (percept)returns action
static: Rules, a set of condition_action rules

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

عاملهای هوشمند
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
مثالی از عامل واکنشی ساده در دنیای جاروبرقی
تصمیم گیری آن بر اساس مکان فعلی و کثیف بودن آن مکان صورت میگیرد
در برنامه عامل در مقایسه با جدول آن، تعداد حالتهای ممکن از 4 به 4 کاهش می یابد
انتخاب فعالیت بر اساس موقعیت شرطی:
If dirty then suck
T

عاملهای هوشمند
عاملهای واکنشی مدل گرا
عامل
محیط
حسگرها
در حال حاضر
جهان چگونه است
محرکها
قانون
شرط عمل
حالا چه عملی باید انجام دهم؟
استفاده از دانش “چگونگی عملکرد جهان” که مدل نام دارد
عامل بخشی از دنیایی را که فعلا میبیند ردیابی میکند
عامل باید حالت داخلی را ذخیره کند که به سابقه ادراک بستگی دارد
در هر وضعیت, عامل میتواند توصیف جدیدی از جهان را کسب کند
وضعیت
جهان چگونه در می آید؟
عملکردهای من چه می کنند؟

(2) Simple Reflex Agents

1 – function SIMPLE _REFLEX_AGENT (percept) returns action
2 – static :
Rules, a set of condition_action rules

3 – state <– INTERPRET-INPUT (percept)
4 – rule <– RULE-MATCH (state,rules)
5 – action <– RULE-ACTION [rule]
6 – return action

function SIMPLE REFLEX_AGENT (percept)returns action
static: Rules, a set of condition_action rules

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

(3) Reflex Agents with State

1 – function REFLEX_AGENT_WITH_STATE
(percept) returns action
2 – static:
State,a description of the current world state
Rules,a a set of condition_action rules
3 – state  UPDATE-STATE (state,percept)
4 – rule RULE-MATCH (state,rules)
5 – action  RULE-ACTION [rule]
6 – state UPDATE-STATE (state,action)
7- return action

عاملهای هوشمند
عاملهای هدف گرا
عامل
محیط
حسگرها
جهان حالاچگونه
است
محرکها
اهداف
حالا چه عملی باید انجام دهم؟
وضعیت
جهان چگونه در می آید؟
عملکردهای من چه می کنند؟
این عامل علاوه بر توصیف حالت فعلی، برای انتخاب موقعیت مطلوب نیازمند اطلاعات هدف نیز میباشد
جست و جو و برنامه ریزی، دنباله ای از فعالیتها را برای رسیدن عامل به هدف، پیدا میکند
این نوع تصمیم گیری همواره آینده را در نظر دارد و با قوانین شرط عمل تفاوت دارد
این نوع عامل کارایی چندانی ندارد، اما قابلیت انعطاف بیشتری دارد
دز صورت انجام عمل A جهان چگونه خواهد بود؟

عاملهای هوشمند
عاملهای سودمند
عامل
محیط
حسگرها
حالاجهان چگونه است
محرکها
سودمند
اکنون چه عملی باید انجام دهم
وضعیت
جهان چگونه در می آید؟
عملکردهای من چه می کنند؟
این عامل برای اهداف مشخص، راه های مختلفی دارد، که راه حل بهتر برای عامل سودمندتر است.
تابع سودمندی، حالت یا دنباله ای از حالتها را به یک عدد حقیقی نگاشت میکند که درجه رضایت را توصیف مِیکند.
وقتی اهداف متضاد باشند، بعضی از آنها برآورده میشوند
اگر هیچیک از اهداف به طور قطعی قابل حصول نباشند، احتمال موفقیت با اهمیت هدف مقایسه میشود
دز صورت انجام عمل A جهان چگونه خواهد بود؟
در چنین حالتی چقدر رضایت دارم

عاملهای هوشمند
عاملهای یادگیرنده
عامل
حسگرها
محرکها
عنصرِِیادگیرنده مسئول ایجاد بهبودها
عنصر کارایی مسئول انتخاب فعالیتهای خارجی
منتقد مشخص میکند که یادگیرنده با توجه به استانداردهای کارایی چگونه عمل میکند
مولد مسئله مسئول پیشنهاد فعالیتهایی است که منجر به تجربیات آموزنده جدیدی میشود
محیط
عنصر یادگیرنده
مولد مسئله
استاندارد کارایی
تغییرات
دانش

والسلام

تعداد صفحات : 59 | فرمت فایل : powerpoint

بلافاصله بعد از پرداخت لینک دانلود فعال می شود