Matthias Bernauer - Freiburg im Breisgau
      Start > Skript-Sammlung > Kuenstliche Intelligenz > Rationale Agenten >>







Rationale Agenten

Methoden

  • Suchen und Lösen

  • Wissenspräsentation und Umgang damit (--> Action planing)

  • Maschine learning (aus Wissensdatenbank und aus bisherigen Handlungen)


Viele KI-Probleme sind oft NP-hart. Sonst gibt es meist auch schon Algorithmen (ohne KI) dafür.

Simon says: build a systeme (to be a good scientist)



Agent

  • physikalisch (Roboter) oder virtuell (Programm, Softbots)

  • agieren mittels Effektoren (z.B. Nachrichten verschicken, Räder)

  • nimmt Input mittels Sensor auf

  • In-/Outbut mit Umwelt

  • z.B. ABS, Sensor ob Räder noch drehen --> Bremsdruck regulieren



rationale Agenten --> Agenten, die 'das Richtige tun'


Meßung der Perfomance:

z.B. Staubsauger: m²/Stunde, Grad der Sauberheit, Energieverbrauch, Lautstärke, Sicherheit (Boden unversehrt, Verteilt Dreck am Schluss wieder,...).

Das Maß muss also richtig definiert sein. Schwierig Informationen zur Messung zu bekommen.


Rationalität <-> Allwissenheit

allwissenheit: Agent kennt immer die Effekte seiner Aktionen

Ein rationaler Agent versuch in Abhängigkeit der percepts und seines Wissens die erwartete performance zu maximieren.

z.B. handelt ein Agent auch dann rational, wenn er weis, dass er beim Verlassen des Hauses von einem Meteoriten getroffen werden kann und es trotz seines Wissens (<-> Allwissenheit) nicht in Betracht zieht. Auch wenn er tatsächlich getroffen werden sollte, handelte er rational, da die Wahrscheinlichkeit gering ist. Dafür reagiert er optimal, indem er durch die Nicht-Kontrolle seine Performance maximiert.


Rationales Verhalten hängt ab von

  • Performancedefinition

  • Wahrnehmung über Umgebung

  • gesammeltes Wissen

  • mögliche Handlungen


Idealer rationaler Agent
...sollte für jede mögliche Sequenzen von Wahrnehmung, die Actionen generieren, die das Perfomancemaß maximieren unter Berücksichtigung seines vorhandenen Wissens (nicht unserem umfasserenden Wissen). ActionFunktion: WahrnehmungsInput x Wissen -> Handlung


Agenten: Diagnoseprogramm, interaktivier Englischlehrer, Müllsortiersystem, ...

Agenten bestehen aus einer Architektur und einem Programm



Einfachster Agent ist der „Tabellen-Driven-Agent“, der für alle Wahrnehmungen eine Tabelle verwendet, in der er nachschauen kann, wie er reagieren.
Funktion TDA(perception) returns an action

sequenz percepts anfangs leer
table actions, anfangs komplet spezifiziert, indiziert by Wahrnehmungssequenz

hänge Wahrnehmung an's Ende der Wahrnehmungsliste an (append)

action = lookup(Wahrnehmung, Tabelle)

return action

--> sehr große Tabelle und Initialisierung der Tabelle praktisch unmöglich


hat keine Historie --> kann sich nichts merken

--> nicht lernfähig


Tabelle besteht aus Condition-Action-Rules

Actuatoren aktuallisieren die Umwelt

neuer Zustand --> neuer Sensor eindruck



Google MSN Suche
<< Start | Studium | Poolmgr | Tanzen | GPG | Impressum >>
Matthias Bernauer