Intelligente agenter
Intelligente agenter kan være enhver enhet eller objekt som mennesker, programvare, maskiner. Disse midlene er i stand til å ta avgjørelser basert på innspillene den mottar fra miljøet ved hjelp av sensorer og handlinger på miljøet ved hjelp av aktuatorer. Agenter med AI-aktivering samler inn innspill fra miljøet ved å bruke sensorer som kameraer, mikrofon eller andre sensorenheter. Agentene utfører noe sanntidsberegning på inngangen og leverer utdata ved hjelp av aktuatorer som skjerm eller høyttaler. Disse agentene har evner som sanntids problemløsning, Feil- eller suksessrate-analyse og innhenting av informasjon.
Tre former for intelligent agent
Intelligent Agent kan komme i hvilken som helst av de tre formene, for eksempel:
- Human-Agent
- Robotic Agent
- Programvareagent
Disse tre skjemaene er beskrevet nedenfor:
Human-Agent: En Human-Agent bruker øyne, nese, tunge og andre sanseorganer som sensorer for å oppfatte informasjon fra omgivelsene og bruker lemmer og vokalveier som aktuatorer for å utføre en handling basert på informasjonen
Robotic Agent: Robotics Agent bruker kameraer og infrarøde radarer som sensorer for å registrere informasjon fra miljøet, og den bruker refleksmotorer som aktuatorer for å levere output tilbake til miljøet.
Software Agent: Software Agent bruker tastaturslag, lydkommandoer som inngangssensorer og visningsskjerm som aktuatorer.
For eksempel - AI-baserte smarte assistenter som Siri, Alexa. De bruker stemmesensorer for å motta en forespørsel fra brukeren og søke etter relevant informasjon i sekundære kilder uten menneskelig inngripen og aktuatorer som informasjon om tale- eller tekstmodulens videresending til miljøet.
Typer og regler for intelligente agenter
Disse agentene er klassifisert i fem typer på grunnlag av deres evneområdet og omfanget av intelligens
1. Enkle refleksmidler
De er den grunnleggende formen for agenter og fungerer bare i gjeldende tilstand. De har veldig lav intelligensevne, ettersom de ikke har muligheten til å lagre tidligere tilstander. Denne typen agenter reagerer på hendelser basert på forhåndsdefinerte regler som er forhåndsprogrammert. De klarer seg bra bare når miljøet er fullt observerbart. Disse midlene er nyttige bare i et begrenset antall tilfeller, noe som en smart termostat. enkle refleksmidler har et statisk bord der de henter alle de forhåndsdefinerte reglene for å utføre en handling.
2. Modellbaserte agenter
Det er en avansert versjon av Simple Reflex-agenten. Som Simple Reflex Agents kan den også svare på hendelser basert på de forhåndsdefinerte forholdene, på toppen av at den også har muligheten til å lagre den interne tilstanden (tidligere informasjon) basert på tidligere hendelser. Modellbaserte agenter oppdaterer den interne tilstanden på hvert trinn. Disse interne statene hjelper agenter med å håndtere det delvis observerbare miljøet. For å utføre noen handling, er det avhengig av både indre tilstand og nåværende oppfatning. Imidlertid er det nesten nesten umulig å finne den eksakte tilstanden når man arbeider med et delvis observerbart miljø.
3. Målbaserte agenter
Handlingen som disse agentene tar, avhenger av avstanden fra målet (ønsket situasjon). Handlingene er ment å redusere avstanden mellom gjeldende tilstand og ønsket tilstand. For å oppnå målet bruker den søke- og planleggingsalgoritmen. En ulempe med målbaserte agenter er at de ikke alltid velger den mest optimerte banen for å nå det endelige målet. Denne mangelen kan overvinnes ved å bruke Utility Agent beskrevet nedenfor.
4. Utility Agents
Handlingen som disse agentene gjør, avhenger av sluttmålet, så de kalles Utility Agent. Utility Agents brukes når det er flere løsninger på et problem og det best mulige alternativet må velges. Det valgte alternativet er basert på hver enkelt stats nytte. De utfører en kostnads-nytte-analyse av hver løsning og velger den som kan oppnå målet med minimumskostnader.
5. Læringsagenter
Læringsagenter har læringsevner, slik at de kan lære av tidligere erfaringer. Disse typer agenter kan starte fra bunnen av og over tid kan skaffe betydelig kunnskap fra miljøet. Læringsmidlene har fire hovedkomponenter som gjør det mulig å lære av tidligere erfaringer.
- Kritiker : Kritikeren evaluerer hvor godt agenten presterer i forhold til den faste ytelsen.
- Læringselementer: Det kommer med innspill fra kritikeren og hjelper Agent med å forbedre ytelsen ved å lære fra miljøet.
- Ytelseselement: Denne komponenten bestemmer hvilken handling som skal iverksettes for å forbedre ytelsen.
- Problem Generator: Problem Generator tar innspill fra andre komponenter og foreslår handlinger som vil resultere i en bedre opplevelse.
regler
Det er få regler som agenter må følge for å bli betegnet som Intelligent Agent.
- Regel 1 : Agenten må ha evnen til å oppfatte informasjon fra miljøet ved hjelp av dens sensorer
- Regel 2 : Innspillene eller observasjonen som er samlet inn fra omgivelsene, bør brukes til å ta avgjørelser
- Regel 3: Avgjørelsen som er tatt fra observasjonen, skulle resultere i en konkret handling
- Regel 4: Tiltaket som tas, skal være en rasjonell handling
Struktur av Intelligent Agent
Den intelligente agentstrukturen er kombinasjonen av Agentfunksjon, Arkitektur og Agentprogram.
Agent = Arkitektur + Agentprogram
De tre enhetene er beskrevet nedenfor
1. Arkitektur: Arkitektur er maskineriet som agenten utfører sin handling på. Det er egentlig et apparat med innebygde aktuatorer og sensorer. Eksempel: Autonome biler som har forskjellige bevegelses- og GPS-sensorer festet til den og aktuatorer basert på inngangene hjelpemidler i faktisk kjøring.
2. Agentfunksjon: Agentfunksjon hjelper med å kartlegge all informasjonen den har samlet fra miljøet til handling
3. Agentprogram: Utførelsen av Agentfunksjonen utføres av Agentprogrammet. Utførelsen skjer på toppen av Agent Architecture og produserer ønsket funksjon.
Konklusjon
Endelig mål for ethvert middel er å utføre oppgaver som ellers må utføres av mennesker. Agenter fungerer som intelligent assistent som kan aktivere automatisering av repeterende oppgaver, hjelp i datasammendrag, lære av miljøet og komme med anbefalinger for riktig handlingsforløp som vil hjelpe til med å nå målsettingen. Intelligente agenter er i enorm bruk i dag, og bruken vil bare utvide i fremtiden.
Anbefalte artikler
Dette er en guide til intelligente agenter. Her diskuterer vi strukturen og noen regler sammen med de fem typene intelligente agenter på grunnlag av deres kapasitetsområde og omfang av intelligens. Du kan også se på følgende artikkel for å lære mer -
- 10 trinn for å gjøre et økonomisk intelligent karriereflytt
- Hva er kunstig intelligens
- Emosjonell intelligens på arbeidsplassen
- Et sunt arbeidsmiljø