Systemy Agentowe główne cechy. Mariusz.Matuszek WETI PG

Podobne dokumenty
Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD II: Agent i jego środowisko

Systemy hybrydowe reaktywno-racjonalne

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta

Autonomia robotów. Cezary Zieliński Instytut Automatyki i Informatyki Stosowanej Wydział Elektroniki i Technik Informacyjnych Politechnika Warszawska

Wykorzystanie wieloagentowych systemów w optymalizacji operacji łańcucha dostaw

Elementy kognitywistyki III: Modele i architektury poznawcze

Jacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013

Systemy Informatyki Przemysłowej

Obliczenia inspirowane Naturą

Sztuczna inteligencja

Modelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński

Modelowanie i Programowanie Obiektowe

Metody symulacji komputerowych Modelowanie systemów technicznych

RACHUNEK ZDAŃ 7. Dla każdej tautologii w formie implikacji, której poprzednik również jest tautologią, następnik także jest tautologią.

PL Zjednoczona w różnorodności PL A8-0005/4. Poprawka

Ontologie, czyli o inteligentnych danych

Matematyczne podstawy informatyki Mathematical Foundations of Computational Sciences. Matematyka Poziom kwalifikacji: II stopnia

STUDIA I MONOGRAFIE NR

Systemy autonomiczne wykorzystujące sterowanie reaktywne

Wprowadzenie do teorii systemów ekspertowych

Modele bezpieczeństwa logicznego i ich implementacje w systemach informatycznych / Aneta Poniszewska-Marańda. Warszawa, 2013.

SZTUCZNA INTELIGENCJA

Struktury organizacyjne. Marek Angowski

AUTOMATYKA INFORMATYKA

PL Zjednoczona w różnorodności PL. Poprawka. Beatrix von Storch w imieniu grupy EFDD

Obliczenia inspirowane Naturą

1. TESTY PSYCHOLOGICZNE

Logika Stosowana. Wykład 1 - Logika zdaniowa. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2016/2017

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

INFORMATYKA Pytania ogólne na egzamin dyplomowy

Architektury usług internetowych. Tomasz Boiński Mariusz Matuszek

Wykład 4. Decyzje menedżerskie

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz

Zagadnienia egzaminacyjne INFORMATYKA. Stacjonarne. I-go stopnia. (INT) Inżynieria internetowa STOPIEŃ STUDIÓW TYP STUDIÓW SPECJALNOŚĆ

2. Metody podejmowania decyzji w warunkach pewności... 37

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski

ZAGADNIENIA DO EGZAMINU DYPLOMOWEGO NA STUDIACH INŻYNIERSKICH. Matematyka dyskretna, algorytmy i struktury danych, sztuczna inteligencja

Projektowanie oprogramowania cd. Projektowanie oprogramowania cd. 1/34

Zależność cech (wersja 1.01)

Komunikowanie grupowe. Grupowe podejmowanie decyzji Sytuacje konfliktowe Różnice kulturowe

Inteligentne wydobywanie informacji z internetowych serwisów społecznościowych

zakładane efekty kształcenia

Zastosowanie symulacji Monte Carlo do zarządzania ryzykiem przedsięwzięcia z wykorzystaniem metod sieciowych PERT i CPM

Budowanie skutecznego zespołu przez product managera

Cele i zadania systemu informacyjnego (SI), jego miejsce w organizacji.

Inteligencja emocjonalna a sukces ucznia

Efekt kształcenia. Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej.

Elementy kognitywistyki II: Sztuczna inteligencja

Systemy uczące się wykład 1

Elementy kognitywistyki III: Modele i architektury poznawcze

PRZEWODNIK PO PRZEDMIOCIE

Mariusz Nowak Instytut Informatyki Politechnika Poznańska

Paradygmat agenta: rodowód, różnorodność definiowania, zastosowania

Zagadnienia egzaminacyjne INFORMATYKA. stacjonarne. I-go stopnia. (INT) Inżynieria internetowa STOPIEŃ STUDIÓW TYP STUDIÓW SPECJALNOŚĆ

M T E O T D O ZI Z E E A LG L O G R O Y R TM

O ISTOTNYCH OGRANICZENIACH METODY

Elementy kognitywistyki III: Modele i architektury poznawcze

JAKIEGO RODZAJU NAUKĄ JEST

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia

Załącznik nr 1 do uchwały Senatu PK nr 119/d/12/2017 z dnia 20 grudnia 2017 r.

Jazda autonomiczna Delphi zgodna z zasadami sztucznej inteligencji

MASKI SIECIOWE W IPv4

Multi-wyszukiwarki. Mediacyjne Systemy Zapytań wprowadzenie. Architektury i technologie integracji danych Systemy Mediacyjne

Warstwowa struktura układów sterowania ciągłymi procesami przemysłowymi

Kinematyka manipulatora równoległego typu DELTA 106 Kinematyka manipulatora równoległego hexapod 110 Kinematyka robotów mobilnych 113

Systemy Robotów Autonomicznych

Web 3.0 Sieć Pełna Znaczeń (Semantic Web) Perspektywy dla branży motoryzacyjnej i finansowej. Przyjęcie branżowe EurotaxGlass s Polska 10 luty 2012

Elementy kognitywistyki III: Modele i architektury poznawcze

AUTOMATYZACJA PROCESÓW CIĄGŁYCH I WSADOWYCH

SZTUCZNA INTELIGENCJA

Podstawy organizacji i zarządzania

KIERUNKOWE EFEKTY KSZTAŁCENIA

Metoda tabel semantycznych. Dedukcja drogi Watsonie, dedukcja... Definicja logicznej konsekwencji. Logika obliczeniowa.

BUDOWANIE POZYCJI FIRMY NA KONKURENCYJNYM GLOBALNYM RYNKU

Powstawanie i samoorganizacja języka pomiędzy agentami

Plan wykładów METODY SZTUCZNEJ INTELIGENCJI W UKŁADACH STEROWANIA

Systemy Optymalizacji Oświetlenia Zewnętrznego Kontekst Informatyczny. Dr hab. Leszek Kotulski, prof. AGH Dr Adam Sędziwy KIS WEAIiIB AGH

Metody doboru próby do badań. Dr Kalina Grzesiuk

Metody numeryczne Technika obliczeniowa i symulacyjna Sem. 2, EiT, 2014/2015

Efekty kształcenia dla kierunku studiów INFORMATYKA, Absolwent studiów I stopnia kierunku Informatyka WIEDZA

Wprowadzenie do Sztucznej Inteligencji

ZDZISŁAW PIĄTKOWSKI, ANNA KUŁAKOWSKA WSTĘP... 7 BEATA MIELIŃSKA-LASOTA ROZDZIAŁ I ISTOTA I PRZEDMIOT ORGANIZACJI I ZARZĄDZANIA...9

METODY ANALIZY DANYCH ORAZ PREZENTACJI INFORMACJI GEOPRZESTRZENNYCH

Jarosław Żeliński analityk biznesowy, projektant systemów

Aproksymacja funkcji a regresja symboliczna

OfficeObjects e-forms

KARTA PRZEDMIOTU. 1) Nazwa przedmiotu: INŻYNIERIA SYSTEMÓW I ANALIZA SYSTEMOWA. 2) Kod przedmiotu: ROZ-L3-20

RZECZYWISTOŚĆ SPOŁECZNA: DZIAŁANIA SPOŁECZNE, GRUPA SPOŁECZNA, ZACHOWANIA ZBIOROWE, Jagoda Mrzygłocka-Chojnacka

Spis treści WSTĘP... 9

Zestawy zagadnień na egzamin dyplomowy (inżynierski) dla kierunku INFORMATYKA (studia I stopnia)

Hybrydowe racjonalno reaktywne systemy sterowania

Problemy Decyzyjne Markowa

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma studiów: Stacjonarne. audytoryjne. Wykład Ćwiczenia

Mechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych

UMCS, Lublin 28 listopada 2016 r. Stanisław Koziej PAŃSTWO JAKO PODMIOT BEZPIECZEŃSTWA: CIĄGŁOŚĆ I ZMIANA

Komputerowe Systemy Przemysłowe: Modelowanie - UML. Arkadiusz Banasik arkadiusz.banasik@polsl.pl

OPIS ZAKŁADANYCH EFEKTÓW KSZTAŁCENIA DLA KIERUNKU STUDIÓW: ZINTEGROWANE PLANOWANIE ROZWOJU

Motywowanie pracowników do wykonywania pracy

Prezentacja specjalności Inżynieria Systemów Informatycznych

Transkrypt:

Systemy Agentowe główne cechy Mariusz.Matuszek WETI PG

Definicja agenta Wiele definicji, w zależności od rozpatrywanego zakresu zastosowań. Popularna definicja: Jednostka obliczeniowa (program, robot), która może być widziana jako zdolna do postrzegania stanu środowiska w którym się znajduje, oraz oddziaływania na to środowisko, będąc jednocześnie autonomiczną w tym sensie, że przynajmniej niektóre z jej zachowań są zależne od nabytego przez nią doświadczenia (wiedzy).

Działanie agenta Zakłada się, że działania agenta cechują: Inteligencja (w znaczeniu racjonalności i elastyczności) Racjonalność i elastyczność uzyskiwane są przez Wnioskowanie Planowanie Uczenie się Rozwiązywanie problemów Podejmowanie decyzji

Cechy wspólne agentów Autonomiczność (samodzielność) Proaktywność (zdolność do inicjowania czynności) Mobilność (zdolność do zmiany położenia w systemach wykorzystujących agenty mobilne) uwaga: agent nie jest wirusem mobilność wymaga wsparcia ze strony środowiska wykonania.

Definicja uogólniona Agent inteligentny jest to system informatyczny (program, robot) osadzony w środowisku, posiadający zdolność do autonomicznego oraz inteligentnego decydowania o swoich akcjach w ramach tego środowiska, w celu spełnienia swojej misji.

Architektura agenta

Typowa arch. aplikacji agentowej

Przykład aplikacji złożonej

Taksonomia środowisk agentowych Agent w większości przypadków posiada zestaw funkcji poznawczych (sensorów) odbierających stan otoczenia jak też zestaw akcji (efektorów) pozwalających na dokonywanie zmian w środowisku. Zróżnicowanie cech środowiska, w którym osadzony jest agent, będzie miało zasadniczy wpływ na jego konstrukcję. Często spotykana klasyfikacja środowisk (cd..)

Dostępne niedostępne Środowisko jest określane mianem dostępnego wtedy, gdy agent może uzyskać pełną, dokładną i aktualną informację o stanie całego środowiska. Należy zauważyć, że większość złożonych środowisk osadzenia agenta jest niedostępna. W szczególności świat człowieka czy Internet są przykładami środowisk niedostępnych.

Deterministyczne niedeterministyczne Środowisko jest deterministyczne wtedy, gdy dana akcja podejmowana przez agenta przynosi zawsze takie same rezultaty przy dowolnej liczbie powtórzeń nie występuje niepewność co do stanu środowiska osiąganego w wyniku wykonanej przez agenta akcji. (świat człowieka jest mocno niedeterministyczny)

Bezkontekstowe kontekstowe Środowisko jest bezkontekstowe (epizodyczne) wtedy, gdy każda z akcji podejmowanych przez agenta nie jest powiązana z akcjami wykonywanymi wcześniej. Agent dokonuje wyboru akcji do wykonania wyłącznie w oparciu o bieżący stan środowiska (zadanie do wykonania) nie uwzględniając możliwych interakcji z akcjami (i ich wynikami) wcześniejszymi bądź przyszłymi.

Statyczne dynamiczne Środowisko jest uznawane za statyczne wtedy, gdy nie zachodzą w nim zmiany inne niż te spowodowane działaniami agenta. W środowisku dynamicznym mają także miejsce zmiany niezależne od działań agenta, spowodowane procesami zachodzącymi w samym środowisku bądź nieskoordynowanymi działaniami innych agentów.

Dyskretne ciągłe W środowisku dyskretnym istnieje ustalona, skończona liczba możliwych stanów przyjmowanych przez środowisko (postrzeganych przez agenta) oraz skończona liczba różnych akcji (i ich stanów wynikowych) możliwych do wykonania przez agenta. Przykładem takiego środowiska może być gra planszowa o ustalonych regułach.

Architektury agentów inteligentnych Oparte na logice formalnej (np. BDI) Reaktywne (np. mikrotezy) Warstwowe Pozioma Pionowa jednoprzebiegowa Pionowa dwuprzebiegowa

Architektura stanowa agenta

decyzje oparte o logikę formalną Pierwsze, najbardziej tradycyjne podejście Zakłada, że możliwe jest uzyskanie inteligentnego zachowania agenta poprzez przedstawienie cech jego otoczenia i zasad pożądanego zachowania w postaci symbolicznej (formuł logicznych), a nastepnie dokonywania syntaktycznych manipulacji tą reprezentacją (dedukcja, dowodzenie).

Zalety i wady Zalety Bardzo eleganckie podejście Wady Niepraktyczne Brak gwarancji reakcji O czasie Właściwej Trudno znaleźć mapowanie perceptów na język logiki formalnej

Reaktywne podejmowanie decyzji Antidotum na ułomności stosowania logiki formalnej: Odrzucenie reprezentacji otoczenia i zachowań agenta w postaci symbolicznej Rezygnacja z manipuacji syntaktycznych Założenie, że inteligentne działanie nie istnieje w próżni, lecz jest wynikiem interakcji z otoczeniem Założenie, że zachowanie inteligentne wyłania się z interakcji wielu prostych zachowań i czynności.

Architektury warstwowe Próba dekompozycji procesu decyzyjnego na specjalizowane podsystemy Podsystemy uporządkowane w hierarchiczne warstwy, pomiędzy którymi zachodzą interakcje Minimum dwie warstwy Reaktywna Proaktywna

c.d. Architektura pozioma i arch. pionowe