Adimen artifizialeko agenteak

Hona hemen emandako testuko ikasketa-oharrak:

Agenteak

• Adimen artifizialaren funtsezko helburua gizakiak bezala jokatzen duen sistema arrazionala sortzea da.
• Ikerlariek irizpide desberdinak erabili zituzten, metodologia zehatzik ez zegoelako.
• Irizpide ugarik zaildu egin zuen teknologiaren garapena.
• Julián Vicente eta Vincent Botti ikerlariek metodologia unibertsala zehaztu nahi izan zuten (Agentes Inteligentes o Paradigma de Agentes, 1999).

Agenteak: definizioa

• Arazoak konpontzen dituzten sistema autonomoak dira.
• Arazoak azpi-arazotan zatitu eta beste agenteekin elkarlanean aritu daitezke.
• Hiru jakintza-arlo konbinatzen dituzte:
  • Software ingeniaritza:
    • Entitate independenteetan banatzen da arazoa.
    • Kapsulatzea eta independentzia
    • Objektuen arteko komunikazioa
    • Klaseak eta herentzia
  • Sistema banatuak:
    • Hardware/software osagaiak fisikoki bananduta daude.
    • Komunikazio sare batez konektatzen dira.
    • Datuen eta prozesuen banaketa.
    • Konektibitatea, sareak eta protokoloak.
    • Elkarreragingarritasuna eta Interneta.
  • Adimen artifiziala:
    • Ezagutza (ingurunearen irudikapena), arrazoibidea eta ikasketa

Objektuak VS Agenteak

• Objektuek mezuak bidaltzen dizkiete beste batzuei (adibidez, Java).
  • Metodo publiko eta pribatuak dituzte
  • Objektuek beren egoera ezagutzen dute, baina ez dute portaera kontrolatzen.
  • Objektuek ezin diete beste objektuei bere metodo publikoak erabiltzea eragotzi.
• Agenteek beste batzuekin komunikatzen dira eta ekintzak eskatzen dizkiete.
  • Objektuek esandakoa soilik egiten dute, agenteek ez.
  • Agenteak erreaktiboak, proaktiboak edo sozialak izan daitezke.
  • Multiagenteen kasuan, agente bakoitzak bere exekuzio haria du.

Agentearen definizioa

• Russell & Norvig: Ingurunea sentsoreen bidez ikusi eta eragingailuen(actuators) bidez eragiten duen edozer da.
• Maes: Sistemak konputazionalak dira eta ingurune dinamiko konplexuetan daude.Informazioa bildu eta helburuak betetzeko diseinatuta daude.
• Wooldridge & Jennings: Ingurunean kokatzen den sistema konputazionala da, autonomiaz jarduten da helburuak betetzeko.

Agentea eta Ingurunea

• Agenteek sentsoreen bidez informazioa jasotzen dute eta eragingailuen bidez eragiten dute.
• Agentearen helburua erabiltzailearentzat baliagarri diren ataza konplexuak exekutatzea da.
• Software informatiko guztiak ez dira agenteak. Agenteak autonomoak, erreaktiboak, proaktiboak eta komunikatiboak dira.

Erreaktibotasuna (Erreakzioa)

• Agente erreaktiboek ez dute ingurunearen eredu sinbolikorik; ingurunearen uneko egoerari buruz duten informazioaren arabera jokatzen dute.

Proaktibitatea

• Agenteak ez dira inguruko informaziora mugatzen. Gertakariak aurreikusteko gai dira, eta helburua burutzeko ekimenak hartzen dituzte.

Komunikazioa

• Agenteek beste agente batzuekin elkarreragin dezakete (elkarlana, koordinazioa, negoziazioa), ACL(Agent Comunication Languaje) lengoaia erabiliz atazak burutzeko.

Agente erreaktibo sinple baten egitura

• Adimen mugatua dute eta uneko pertzepzioaren arabera egiten dute, aurrekoak kontuan hartu gabe.
• Erabakitze prozesuan uneko egoera bakarrik behatzen da.
• Ezagutza baldintza-ekintza arauetan gordetzen da.

Agente erreaktibo sinple baten diseinua

• Interpret-input: Pertzepzioa emanda uneko egoeraren deskribapen abstraktua itzuli
• Rule-match: Emandako egoerarekin bat datorren arau multzoko lehen araua itzuli.
• Arazoa: Erabat ikusten ez diren inguruneetan begizta infinituak gerta daitezke (memoriarik ez).
• Soluzioa: Ausazko ekintzak aukeratu EZ DA ARRAZIONALA.

Adibidea: oztopoak sahiesten dituen robot mugikorra

• Hurbiltasuna neurtzen duten hiru sentsore ditu (aurrekoa, eskuinekoa eta ezkerrekoa).
• Hiru ekintza posible ditu (aurrera, ezkubira biratu, ezkerrera biratu).
• Portaera taula baten bidez adieraz daiteke.

Agente erreaktiboen laburpena

• Uneko egoeretan oinarritzen dira ekintzak aukeratzean.
• Ez dituzte ekintzen ondorioak kontuan hartzen.
• Agente erreaktiboak arrazionalak izan daitezke?

Planifikatzen duten agenteak

• "Zer gertatuko litzateke baldin..." galdetzen dute.
• Erabakiak ekintzen ondorioetan oinarritzen dituzte.
• Inguruneak ekintzei nola erantzuten dien eredu bat behar dute.
• Etorkizunean ingurunea nolakoa izango den hartzen dute kontuan.
• Planifikazio optimoa vs planifikazio osoa.

Planifikatzen duten hiru agente motak

• Memoria duten agenteak (modeloak) - Aurretiko egoerei buruzko informazioa gordetzeko barne egoera erabiltzen dute.
• Helburua aurkitzera bideratuta dauden agenteak - Ereduaz gain, helburua lortzeko egoera desiragarriei buruzko informazioa dute.
• Ekintzen erabilgarritasuna hobetzera bideratzen diren eragileak - Aurreko guztia dute eta erabakiak arrazionalki hartzen dituzte baliagarritasunean oinarrituta.

Ereduetan oinarritzen den agente erreaktiboaren egitura

• Ingurunearen ikusgarritasuna partziala denez, aurretik bisitatutako munduen informazioa gordetzen da barne egoeran.
• Horretarako, bi ezagutza kodetu behar dira: munduaren eboluzioa eta ekintzek duten eragina.

Ereduetan oinarritzen den agente baten diseinua

• Barne egoeraren ezagutzak ez dira beti nahikoak. Adibidez, norabide egokian mugitu behar da nabigazio arazoetan.
• Helburua zein den jakin behar da.

Adibidea: oztopoak saihesten dituen robot bat

• Sentsoreek hurbiltasuna neurtzen dute (aurrea, eskuina, ezkerra).
• Aurrera, eskuinera eta ezkerrera biratu ekintzak daude.
• Portaera taula baten bidez adieraz daiteke.
• Igarotako pertzepzioetatik eta ekintzetatik(mugimenduak), hormak eta oztopoak dituen gelako mapa osatzen da.
• Robotak ekintza hobeak has ditzake mapa bat izatean (oztopo gutxiago duten bideak, adibidez).

Helburuetan oinarritzen den agente baten egitura

• Agenteek egoera eta helburuei buruzko informazioa gordetzen dute; horrela, helburuak betetzeko ekintzak burutu ditzakete.

Helburuetan oinarritzen den agente baten diseinua

• Helburuak lortzeko, ekintza-sekuentzia bat ebazten da, bilaketa eta planifikazioa beharrezkoak direlarik.
• Agente mota honek eraginkortasun txikiagoa izan dezake, baina malguagoa eta moldagarriagoa da.
• Egitura hau nahikoa al da? Soluzio guztiak berdinak al dira helburua betetzeko aukera desberdinak badaude?

Adibidea: oztopoak saihesten dituen robot bat

• Sentsoreak: aurrea, eskuina, ezkerra.
• Ekintzak: aurrera, ekuineera egin, ezkerrera egin
• Ekintzak ez dira taula baten bidez lotzen uneko egoera eta ekzio artean. Mapa bat sortzen da hormak zein oztopoak markatzeko.
• Helburuek helmuga adierazten dute.
• Neurri bat behar da ekintza bakoitzak duen eragina neurtzeko adibidez, ni gertuago nago helburutik?
• Botak helburura joateo balio duen ekintza bilatzen du.
• Ekintza batzuekin helburura hurbiltzean , zein da onena? Onura maximizatzen duena.

Helburuetan oinarritzea vs onuran oinarritzea

• Helburuak ez dira kalitate handiko portaera sortzeko nahikoak.
• Erromara hainbat bide daude,batzuk motzagoak dira. Helburua Erromara iristea bada, ez da onura funtziorik behar.
• Onura: etekina neurtzeko funtzio erabil dezakezu itxarondako etekin maximizatze aldera.

Ezaugarri gehiago

• Franklin eta Nwanak ezaugarri gehiago gehitu zizkieten agentei:
  • Denbora-jarraitasuna: denbora-mugarik gabeko prozesua
  • Arrazionaltasuna: irizpideak aintzat hartzea.
  • Moldagarritasuna: denborarekin ikasi.
  • Mugikortasuna: makinetatik mugikortasuna
  • Egiatasuna: gezurrik ez esatea.
  • Borondate ona: laguntzeko prest egotea helburuak kontraesanean jartzen ez badira.

Agente arrazionalagoak: ikasteko gaitasuna

• Ikasketa automatikoa: jokabideak esperientzian erabilita hobetzekoak(software).
• Esperientziatik bi eratan ikasi:
  • Erabiltzaileek eragindakoan (ikasketa gainbegiratua).
  • Inguruarekin elkarreraginean( indartze erako ikasketa)
• Irakaskuntzak ekintza maila hobetzen du.

Adibideak

• Auto autonomoa
• Trafiko sistemarena
• Burtsan inbertitzea
• NPC bideojokoetan
• ...

Inguruneak

• Ingurune motak agenteen diseinua baldintzatzen du.
  • Osotasuna/ikusgarritasun partziala:
    • Agenteak memoria behar du( barne egoera)
  • Diskretua/jarraitua:
    • Egoera kopuru finitua edo infinitua izan daiteke.
  • Estokastikoa/deterministikoa
    • Inguruneko gertaerak ezberdinak izan daitezke.
  • Episodikoa/sekentziala
    • Agenteek epe luzera(luzeagoan) planifikatu beharko dute.
  • Estatikoa/dinamikoa
  • Agente bakarra/multiagente:
    • Bakarrik edo taldean

Ikusgarritasuna: Osotasunekoa VS Partziala

• Agenteek informazio guztia(osoa, zuzena eta eguneratua) lortzean ikusgarritasun osoa edukiko dute.
• Gero eta informazio gehiago izanda errazago izango da agentea sortzea.
• Baina bizitza errealean oso zaila da. Partziala denean, agenteek memoria erabili beharko du.

Ingurune diskretua vs jarraitua.

• Diskretua jasotzen diren pertzepzioak eta ekintzak finituak direnean, ekintzak eta pertzepzio mugatu batekin.
• Xakea adibidez, diskretua da. Baina taxi bat gidatzea jarraitua da. Pertzepzio jarraituak: taxi abiadura autoen kokapena. Ekintza jarraitua: gidatze angelua. Ingurunea diskretua denean agente bat sortzea errazagoa da.

Ingurune Deterministak vs Estokastikoak

• Ingurunea determinista da ekintza guztiek eragin berdina badute(hasierako egoera berdina).
• Ingurune estokastikoetan, errazagoa da agente baten sorkuntza.

Ingurune Episodikoa vs Sekuentziala

• Episodikotan esperientziak atalka batzen dira denbora mugatuaz.
  • Atal bat amaierara heltzean bukatzen da. -atal desberdinetako ekintzak indepenteak dira
  • xakean adibidez -Hasierako ekintzak epe luzera eragi dezake. - joko batean hartutako akatsak ez du zerikusirik beste joko batekin
• Sailkapen ataza asko episodikoak dira.
• Ingurune sekuentzialak ez dira zatitan banatzen pertzepzio hurrengoa aurrekoakin erlazionatuta dago.

Ingurune estatikoa vs dinamikoa

• Estatikoa denbora igaroagatik agentzien aldaketarik ez badago.
  • mahaiko jokoeatan adibidez.
• Dinamikoa berriz agenteak jarraitu behar badu agentziaren egoera monitorizatzen. - Inguruneak agenteari zer egin nahi duen galdetzen dio. Agentziaren sorrera zailagoa da ingurune dinamikoagoetan.

Multiagenteak

• Multiagenteak hainbat funtzionalitate lortzeko, agente bakarra edukitzearen ordez.
• Ezaugarri garrantzitsuenak:
  • Kooperazioa
  • Gatazka konponketa elkar lanean
  • Negioazioa: erabilgarritasuna sistema globalean maximizatzea. - agente bakoitzak bere proposamenak egingo ditu bateratasun bat lortu arte.
  • Ezagutzen partekatzea

Arkitekturak

• Deliberatiboa edo sinbolikoa: adimenean erabilitako lehen arquitectura -Esquema sekentziala errepikatzailea -Eredu simboliko abstraktuak Arazoak: -Oso konplexua -ez du ingurune dinamikoek aintzat hartzen

Multiagente arquitectura erreaktiboa

• Sentsoreen sarrerak jasota, aurrez definitudako erregelak erabiltzen dituen arquitectura sinpletasunak -deliberatiboak baino askoz azkarragoa da baina Ez du ingurunearen barne egoera aintzat hartzen -ez du barne ereduk, ezta planifikatzeko ahalmenik

Multiagente arquitectura hibridoa

Arkitektura deliberatiboen eboluzioa da: geruzak batu.

Arazoak:

• ezin ditu ingurune dinamikoek Geruza errazak diseinatzeko batzuetan ez da erabiltzen.

Portaera arquitectura.

Modulu paraleloak sistema bilogokietan.

Arazoak:

• bakarra izan behar dute agentzietan, eta ekintzetan ordenatu arazoren bat egon daiteke.

Azpi architecture

Hainbat portaren erabilera : konplexutasunaren arabera Eraz diseinatzeko erraza arkitekturen portaerak. -Goiko geruzek beheko moduluen irteerak geldiaraz ditzakete Ez da erraz diseinatu