Inteligentní agent

Aktuální verze stránky ještě nebyla zkontrolována zkušenými přispěvateli a může se výrazně lišit od verze recenzované 29. října 2018; ověření vyžaduje 1 úpravu .

V informatice  je inteligentní agent program , který nezávisle plní úkol určený uživatelem počítače po dlouhou dobu. K pomoci operátorovi nebo ke shromažďování informací se používají inteligentní agenti. Jedním z příkladů úkolů agentů je úkol neustále vyhledávat a shromažďovat potřebné informace na internetu . Počítačové viry , boti , vyhledávací roboti  – to vše lze také připsat „inteligentním“ agentům. Takoví agenti, stejně jako všichni ostatní, mají komplex, často implementovaný neuronovými sítěmialgoritmu, jako je například vyhledávač Google (experimentální vyhledávání videí). „Inteligence“ je v tomto kontextu chápána jako možnost zpětné vazby v souladu např. s výsledky analýzy vyhledávacích dotazů a jejich zadávání.

V umělé inteligenci se pod pojmem inteligentní agent rozumí entity , které prostřednictvím systému senzorů přijímají informace o stavu procesů , které řídí a ovlivňují je prostřednictvím systému aktuátorů , přičemž jejich reakce je racionální v tom smyslu , že procesy , které provádějí přispět k dosažení určitých parametrů. Nejbližším analogem v živé přírodě je primitivní instinktivní chování hmyzu. Pojem „inteligentní“ neznamená přítomnost jakékoli inteligence, ale zdůrazňuje vyšší úroveň technologie ovládání ve srovnání s primitivními (němými) spouštěcími systémy automatického řízení. Takovým agentem může být buď softwarový systém, nebo komplexní automatizovaný systém, například CNC stroj nebo komplex pro řízení technologických, logistických, finančních nebo jakýchkoli jiných procesů. O agentovi lze říci, že je „inteligentní“, pokud jeho interakce s prostředím odpovídá tomu či onomu systému požadavků. Taková funkčnost nemá nic společného ani s intelektem vyšších zvířat, natož lidí.

Tato dvě použití termínu „inteligentní agent“ nemají nic společného a neexistuje mezi nimi žádná souvislost. Inteligentní agent v prvním smyslu je součástí technologie pro vývoj operačních systémů, a přestože algoritmy v něm používané mohou být založeny na složitějších modelech, než jsou dokonce algoritmy mnoha SCADA  systémů, rozsah a způsob jeho vlivu na stav systému je velmi přísně stanovena. „Inteligentní agent“ ve druhém smyslu také nemůže být zcela nezávislý, plní své úkoly, ale metody jeho rozvoje jsou o mnoho řádů složitější, a to z důvodu zcela jiné úrovně složitosti a složitosti úkolů.

V operačních systémech rodiny UNIX se inteligentní agent pracující v rámci jednoho počítače nebo lokální sítě obvykle nazývá démon , v rodině Windows služba  ( služba). Příklad: cron v systému UNIX a „ Plánovač úloh “ v systému Windows se týkají spouštění úloh zadaných uživatelem v konkrétních časech.

Inteligentní agenti v umělé inteligenci

V umělé inteligenci existuje několik typů agentů. Například:

  1. Fyzický agent - agent, který vnímá okolní svět prostřednictvím nějakých senzorů a jedná s pomocí manipulátorů.
  2. Dočasný agent - agent, který používá časově proměnlivé informace a navrhuje nějakou akci nebo poskytuje data počítačovému programu nebo osobě a přijímá informace prostřednictvím vstupu programu.

Jednoduchý program agenta lze matematicky popsat jako funkci agenta , která promítá jakýkoli relevantní vjemový výsledek do akce, kterou může agent provést, nebo do faktoru, prvku zpětné vazby, funkce nebo konstanty, která může ovlivnit další akce.

Softwarový agent naopak promítá výsledek vnímání pouze do akce.

Všechny agenty lze rozdělit do pěti skupin podle typu zpracování vnímaných informací:

Agenti s jednoduchým chováním

Agenti s jednoduchým chováním jednají pouze na základě aktuálních znalostí. Jejich funkce agenta je založena na schématu podmínka-akce

POKUD (podmínka) PAK akce

Taková funkce může být úspěšná pouze v případě, že je prostředí zcela pozorovatelné. Někteří agenti mohou mít také informace o svém aktuálním stavu, což jim umožňuje ignorovat podmínky, jejichž předpoklady již byly splněny.

Agenti s chováním založeným na modelu

Agenti s chováním založeným na modelu mohou pracovat v prostředí, které je pouze částečně pozorovatelné. Uvnitř agenta je uložena reprezentace součásti, která je mimo rozsah pohledu. Aby měl agent takovou představu, potřebuje vědět, jak svět vypadá, jak funguje. Tyto dodatečné informace doplňují „Obrázek světa“.

Cílení agenti

Účelové agenty jsou podobné předchozímu typu, ale mimo jiné uchovávají informace o těch situacích, které jsou pro ně žádoucí. To dává agentovi možnost vybrat si z mnoha cest, které povedou k požadovanému cíli.

Praktičtí agenti

Cílově orientovaní agenti rozlišují pouze stavy, kdy je cíle dosaženo a kdy není dosaženo. Praktičtí agenti navíc dokážou rozlišit, jak je pro ně aktuální stav žádoucí. Takový odhad lze získat pomocí „funkce užitku“, která promítá množinu stavů do množiny měr užitkovosti stavů.

Learning Agents

V některé literatuře se učící agenti ( LA) také nazývají autonomní inteligentní agenti , což znamená jejich nezávislost a schopnost učit se a přizpůsobovat se měnícím se okolnostem. Podle Nikolaje Kasabova [1] by měl OA systém vykazovat následující schopnosti:  

Subagenti

Aby mohli inteligentní agenti aktivně vykonávat své funkce, mají obvykle hierarchickou strukturu, která zahrnuje mnoho „sub-agentů“. Inteligentní subagenti zpracovávají a provádějí nízkoúrovňové funkce. Inteligentní agenti a sub-agenti tvoří kompletní systém, který je schopen provádět složité úkoly. Chování systému zároveň vytváří dojem rozumnosti.

Existuje několik typů subagentů:

  1. Dočasní agenti (pro operativní rozhodnutí)
  2. Prostoroví klienti (pro interakci s reálným světem)
  3. Senzoričtí agenti (zpracovávají senzorické signály – například agenty založené na neuronové síti )
  4. Agenti zpracování (řeší problémy, jako je rozpoznávání řeči)
  5. Rozhodčí
  6. Učící se agenti (k vytváření struktur a databází pro jiné inteligentní agenty)
  7. Světoví agenti (zkombinujte zbytek tříd agentů pro autonomní chování)

Inteligentní agenti v informatice

V dokumentu je uveden poměrně omezený počet agentů, které lze považovat za polointeligentní (kvůli jejich jednoduchosti, špatné schopnosti rozhodování, omezenému pohledu na vnější svět a špatnému učení) [2] .

Podle něj existují pouze 4 typy takových IA:

  1. Nákupní roboti [2] .
  2. Uživatel nebo osobní agenti .
  3. Osoby pro kontrolu a dohled [2] .
  4. Agenti shromažďující informace .

Nákupní roboti

Takoví roboti, prohlížející síťové zdroje (nejčastěji internet), shromažďují informace o zboží a službách. Nákupní roboti pracují velmi efektivně se spotřebním zbožím, jako jsou CD, knihy, elektrické zboží a další zboží. Amazon.com je skvělým příkladem takového robota. Web vám nabídne seznam položek, které by vás mohly zajímat na základě toho, co jste si v minulosti zakoupili.

Uživatel nebo osobní agenti

Uživatelští agenti jsou inteligentní agenti, kteří jednají vaším jménem, ​​vaším jménem. Tato kategorie zahrnuje inteligentní agenty, kteří neustále nebo po určitou dobu provádějí následující úkoly:

Managing and Supervising Agents

Kontrolní agenti, také známí jako prediktivní agenti, monitorují a hlásí. Například laboratoř Jet Propulsion Laboratory NASA má agenta, který monitoruje stav zásob, plánování, rozvrhování. Takoví agenti obvykle monitorují počítačové sítě a sledují konfiguraci každého počítače připojeného k síti.

Agenti pro shromažďování informací

Takoví agenti operují v datovém skladu a shromažďují informace. Datový sklad kombinuje informace z různých zdrojů. Shromažďování informací  je proces hledání dat pro pozdější použití, jako je zvýšení prodeje nebo přilákání zákazníků. „Klasifikace“ je jednou z nejčastěji používaných technik shromažďování informací, která nalézá a kategorizuje vzorce v informacích. Agenti pro těžbu informací mohou také detekovat klíčové změny ve vývojových trendech a upozornit vás, když jsou k dispozici nové informace.

Viz také

Poznámky

  1. ↑ N. Kasabov, Úvod: Hybridní inteligentní adaptivní systémy. International Journal of Intelligent Systems, svazek 6, (1998) 453-454.
  2. ↑ 1 2 3 Haag, Štěpán. "Manažerské informační systémy pro informační věk", 2006. Strany 224-228

Literatura

Odkazy