728x90
Agent의 4가지 타입
- 4가지 다 learning agent로 일반화 할 수 있음(학습을 통해 performance를 향상하는 모형)
simple reflex agent
- current percept를 기준으로 action을 선택한다.
- 그 전의 percept는 잊는다.
- environment가 fully observable해야만 작업 가능하다.
- 직전의 로봇청소기와 같은 경우이다
- simple but limited
- reflex = 생각 없는 단순 반응(반사 반응)
- 무한 Loop에 빠질 수도 있다.
model based reflex agent
- environment에 대한 model을 가지고 있는 것
- 모든 environment에 대해서 알 수는 없다. 하지만 keep track of the part of the world agent cant see now (지나온 것에 대해서도 계속 기억하거나 전체 환경의 지도를 가지고 있거나) ⇒ handle partial observability
- internal state는 percept history에 기반해 결정됨 (best guess)
- model of the world는 agent가 환경에 미친 영향과 환경이 이와 독립적으로 변화한 것에 기반함
- vacuum cleaner 예시를 돌아본다.
- simple reflex였을 때에는
- 무한 루프 : A->B, B->A
- 반면 model based는
- A, B 모두 clean하면 정지 : A, B까지만 있다는 것을 알기 때문
goal based agent
- 앞선 것들은 Goal이 없었는데, 여기선 Goal이 있다. 현재를 알고 있는 것은 충분하지 않음 → Goal에 대한 정보가 필요함
- goal 정보와 환경 모델을 결합하여 action을 결정함 (goal을 달성하기 위해)
utility based agent
- Goal을 달성하는 것 말고 goal까지 가는 더 빠르고 안전하고 저렴한 경로를 알 필요가 있음 → Utility = Goal에 가까운지 아닌지 판단
- utility function = agent’s performance measure
- Expected Utility를 최대/최소로하는 action을 선택한다 (세상의 불확실성으로 인해 expected)
- Search algorithm → heuristic function, Genetic algorithm → Fitness function, NN → Loss function
learning agent
- critic: how well is he agent is doing
- problem generator : allow the agent to explore
- performance element: responsible for selecting external actions,
- learning element: responsible for making imorvements
agent organization
- Atomic Representation: Each state of the world is a blackbox that has no internal structure. E.g., finding a driving route, each state is a city. AI algorithms: search, games, Markov decision processes, hidden Markov models, etc
- Factored Representation: Each state has some attributevalue properties. E.g., GPS location, amount of gas in the tank. AI algorithms: constraint satisfaction, and Bayesian networks.
- Structured Representation: Relationships between the objects of a state can be explicitly expressed. AI algorithms: first order logic, knowledge-based learning, natural language understanding.
728x90
