künstliche intelligenz - HKI
Werbung
KÜNSTLICHE INTELLIGENZ INTELLIGENTE AGENTEN UND PROBLEMLÖSUNGEN DURCH SUCHEN AGENTEN UND UMGEBUNGEN • Ein Agent ist jemand oder etwas, der oder das etwas tut • Kann seine Umgebung über Sensoren wahrnehmen • Annahme: Jeder Agent kann seine eigenen Aktionen wahrnehmen (aber nicht immer ihre Wirkung) • Ein Agent führt Aktionen durch • Im Allgemeinen kann die Auswahl einer Aktion durch den Agenten zu jedem bestimmten Zeitpunkt von der gesamten bisherigen Wahrnehmungsfolge abhängig sein • Eine Agentenfunktion für einen künstlichen Agenten wird durch ein Agentenprogramm implementiert. • Die Frage ist: Was macht einen Agenten gut oder schlecht, intelligent oder dumm? DAS KONZEPT DER RATIONALITÄT • Annahme: Man sollte besser das Richtige tun, als das Falsche tun. • Eine Aktion ist dann richtig, wenn sie den Agenten veranlasst, so erfolgreich wie möglich zu sein • Leistungsbewertung notwendig, die vom Entwickler vogegeben wird Quelle: http://ecx.images-amazon.com/images/I/81s6pYBPdcS._SL1500_.jpg 4 FAKTOREN BEEINFLUSSEN, WAS RATIONAL IST • Der Leistungsbewertung, die das Erfolgskriterium definiert • Das Vorwissen des Agenten über die Umgebung • Die Aktionen, die der Agent ausführen kann • Die bisherige Wahrnehmungsfolge des Agenten DEFINITION Ein rationaler Agent soll für jede mögliche Wahrnehmungsfolge eine Aktion auswählen, von der erwartet werden kann, dass sie seine Leistungsbewertung maximiert, wenn man seine Wahrnehmungsfolge sowie vorhandenes Wissen, über das er verfügt, in Betracht zieht. DIE NATUR DER UMGEBUNG • Völlig beobachtbar vs. Teilweise beobachtbar • Deterministisch vs. Stochastisch vs. Strategisch • Episodisch vs. Sequenziell • Statisch vs. Dynamisch • Diskret vs. Stetig • Einzelagent vs. Multiagent (Kooperativ vs. Konkurrierend vs. Partiell kooperativ) EINFACHE REFLEX-AGENTEN MODELLBASIERTE REFLEX-AGENTEN ZIELBASIERTE AGENTEN NUTZENBASIERTE AGENTEN LERNENDE AGENTEN DER PROBLEMLÖSENDE AGENT • Wie ermittelt ein Agent eine Aktionsfolge, mit der er an seine Ziele gelangt, wenn eine einzelne Aktion dafür nicht ausreichend ist? • Der problemlösende Agent ist eine besondere Variante des zielbasierten Agenten • Welche Aktionsfolgen führen zu wünschenswerten Zuständen? • Problemformulierung: Der Prozess, zu entscheiden, welche Aktionen und Zustände berücksichtigt werden sollen, wenn man ein bestimmtes Ziel vor Augen hat • Suche: Der Prozess, eine Folge von Aktionen zu ermitteln, die zu einem Zustand mit dem besten Wert führen • Danach beginnt die Ausführungsphase WOHLDEFINIERTE PROBLEME Ein Problem kann formal durch 4 Komponenten definiert werden: • Dem Ausgangszustand, in dem der Agent beginnt • Eine Beschreibung der möglichen Aktionen, die dem Agenten zur Verfügung stehen • Ein Zieltest, der entscheidet, ob ein bestimmter Zustand ein Zielzustand ist • Eine Pfadkostenfunktion, die jedem Pfad einen numerischen Kostenwert zuweist BEISPIEL: 8-PUZZLE 7 2 4 5 6 8 3 1 1 2 3 4 5 6 7 8 SUCHBAUM Ausgangszustand Zustand 1 Zustand 2 Zustand 3 KNOTEN • State: Der Zustand, der dem Knoten entspricht • Parent-Node: der Knoten im Suchbaum, der diesen Knoten erzeugt hat • Action: Die Aktion, die auf den übergeordneten Knoten angewendet wurde, um den Knoten zu erzeugen. • Path-Cost: Pfadkosten vom Ausgangszustand zu dem Knoten • Depth: Die Anzahl der Schritte entlang des Pfades vom Ausgangszustand aus LEISTUNGSBEWERTUNG FÜR DIE PROBLEMLÖSUNG • Vollständigkeit: Findet der Algorithmus garantiert eine Lösung, wenn es eine solche gibt? • Optimalität: Findet eine Strategie die optimale Lösung? • Zeitkomplexität: Wie lange dauert es, eine Lösung zu finden? • Speicherkomplexität: Wie viel Speicher wird für die Suche benötigt?