Samenvatting van al het materiaal die je nodig hebt voor de midterm ZONDER PROLOG. Het materiaal van LPN staat in een aparte samenvatting. Alle afleidingsregeles in propositielogica staan uitgebreid uitgelegd in de samenvatting, maar zo nauwkeurig hoef je het niet te weten (al helemaal niet als je ...
Intelligente Systemen: deel 1
Rationele agenten
Kunstmatige intelligentie
De definitie van kunstmatige intelligentie (KI) kan opgesplitst worden in vier categorieën:
Mensenlijk denken KI die kan denken als mensen Rationeel denken KI die logisch kan redeneren, uitkomen op
op basis van studies (cognitieve neurowetenschap) antwoorden die logisch volgen uit gegeven permissen
Mensenlijk handelen KI die de manier waarop Rationeel handelen KI die optimaal kan handelen, binnen de
mensen handelen naabootst (Turing test) beperkingen van een bepaalde onzekerheid
Een rational agent is een agent die handelt naar de beste of de best mogelijke uitkomst.
Intelligente agenten
Agent: een entiteit die zijn omgeving kan waarnemen met sensoren en kan handelen in die omgeving
met actuatoren
Percept: waarneming (percept) van de agent op een bepaald moment
→ Percept sequence: de volledige geschiedenis van alle waarnemingen op chronologische volgorde
Het gedrag van een agent wordt beschreven door een agent function, deze koppelt een actie aan een
bepaalde percept sequence. De agent function wordt geïmplementeerd door een agent programma.
→ Een agent programma genereert het gedrag van een agent
→ Een agent functie beschrijft het gedrag van een agent
De agent voert acties uit, als zijn acties tot de gewenste uitkomst leiden, dan heeft de agent goed
gepresteerd.
→ Dit wordt gemeten in de performance measure
→ De performance measure is afhankelijk van de taak van de agent
Wat op een bepaald moment rationeel is, hangt af van vier factoren:
De performance measure die succes bepaalt
De voorkennis die de agent heeft over de omgeving
De acties die de agent kan uitvoeren
De huidige percept sequence
Hieruit volgt de definitie van een rationele agent:
☝ Voor elke mogelijke percept sequence kiest een rational agent de actie die zijn performance
measure maximaliseert, gebaseerd op de percept sequence en ingebouwde voorkennis.
Table-driven agent: een agent die handelt op basis van een tabel waarin aan elke mogelijke percept
sequence een actie is gekoppeld
→ Dit is geen handige aanpak, want de tabel wordt al snel veel te groot
Intelligente Systemen: deel 1 1
, De uitdaging voor KI is om uit te zoeken hoe je programma’s kan schrijven die rationeel gedrag vertonen
uit een ‘klein’ programma in plaats van zo’n gigantische tabel.
Er zijn vier soorten basic ‘intelligente’ typen agent programma’s: simpele reflex agent, model-based reflex
agent, goal-based agent & utility-based agent
Simpele reflex agent
Een simpele reflex agent selecteert een actie op basis van de huidige waarneming en negeert daarbij de
gehele percept history.
Een simpele reflex agent
werkt alleen als de juiste
beslissing gemaakt kan
worden op basis van de
huidige observatie → de
omgeving moet dus volledig
observeerbaar zijn!
In een slecht observeerbare
omgeving kan er een
oneindige loop ontstaan
(hieraan kan je ontsnappen
door het randomizen van
acties)
Simpele reflex agent
Model-based reflex agent
Als je niet alles tegelijkertijd kan waarnemen, is het handig om een internal state bij te houden op basis
van de percept history. Je hebt hiervoor informatie nodig over hoe de omgeving veranderd door- en
onafhankelijk van de agent → maak een model van de wereld.
Een model-based agent
baseert zijn acties op een
model van de wereld.
Het model is niet altijd de
werkelijkheid, dus de huidige
omgeving is vaak gewoon een
goede gok. Keuzes worden
dus gemaakt met een
bepaalde onzekerheid.
Model-based reflex agent
Intelligente Systemen: deel 1 2
, Goal-based agent
Een goal-based agent
selecteert acties die hem
helpen bij het behalen van een
bepaald doel. Dit doel kan
veranderen en het kan op
verschillende manieren bereikt
worden.
Een goal based agent is niet
altijd even efficiënt, maar is
wel heel flexibel.
Goal-based agent
Utility-based agent
Een utility-based agent kan verschillende doeltoestanden onderscheiden en kiest de beste manier om
een doel te bereiken.
De utility-based agent maakt
gebruik van de utility function;
deze internaliseert de
performance measure.
Als de interne utility function
en de externe performance
measure in overeenstemming
zijn, is een agent die acties
kiest om utility te
maximaliseren rationeel
volgens de performance
measure.
Utility-based agent
De utility function zorgt voor een goede trade-off bij conflicting goals en kan onderscheid maken tussen
hoe belangrijk doelen zijn wanneer er meerdere doelen zijn
Intelligente Systemen: deel 1 3
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur MarlindeD. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €5,99. Vous n'êtes lié à rien après votre achat.
