Intelligent agenter
Intelligent agenter kan vara varje enhet eller objekt som människor, programvara, maskiner. Dessa medel kan fatta beslut baserade på de ingångar den får från miljön med hjälp av dess sensorer och agerar på miljön med hjälp av ställdon. AI-aktiverade agenter samlar in input från miljön genom att använda sensorer som kameror, mikrofon eller andra avkänningsenheter. Agenterna utför en viss realtidsberäkning på ingången och levererar utdata med hjälp av ställdon som skärm eller högtalare. Dessa agenter har förmågor som problemlösning i realtid, analys av fel eller framgångsfrekvens och informationshämtning.
Tre former av intelligent agent
Intelligent Agent kan komma i någon av de tre formerna, till exempel: -
- Human-Agent
- Robotagent
- Software Agent
Dessa tre former beskrivs nedan:
Human-Agent: En Human-Agent använder ögon, näsa, tunga och andra sensoriska organ som sensorer för att uppfatta information från miljön och använder lemmar och vokalvägar som ställdon för att utföra en handling baserad på informationen
Robotic Agent: Robotics Agent använder kameror och infraröda radarer som sensorer för att spela in information från miljön och den använder reflexmotorer som ställdon för att leverera utmatning tillbaka till miljön.
Software Agent: Software Agent använder knappsatser, ljudkommandon som insignaler och visningsskärm som ställdon.
Till exempel - AI-baserade smarta assistenter som Siri, Alexa. De använder röstsensorer för att få en begäran från användaren och söka efter relevant information i sekundära källor utan mänsklig ingripande och ställdon som dess röst- eller textmodul-reläinformation till miljön.
Typer och regler för intelligenta agenter
Dessa medel klassificeras i fem typer baserat på deras kapacitetsintervall och omfattning av intelligens
1. Enkla reflexmedel
De är den grundläggande formen av medel och fungerar endast i det nuvarande tillståndet. De har mycket låg intelligensförmåga eftersom de inte har förmågan att lagra tidigare tillstånd. Denna typ av agenter svarar på händelser baserade på fördefinierade regler som är förprogrammerade. De fungerar bra endast när miljön är fullt observerbar. Dessa medel är användbara endast i ett begränsat antal fall, något som en smart termostat. enkla reflexagenter har ett statiskt bord där de hämtar alla de fördefinierade reglerna för att utföra en åtgärd.
2. Modellbaserade medel
Det är en avancerad version av Simple Reflex-agenten. Liksom Simple Reflex Agents kan den också svara på händelser baserade på de fördefinierade förhållandena, och dessutom har den förmågan att lagra det interna tillståndet (tidigare information) baserat på tidigare händelser. Modellbaserade agenter uppdaterar det interna tillståndet vid varje steg. Dessa interna stater hjälper agenter vid hantering av den delvis observerbara miljön. För att utföra någon åtgärd förlitar den sig både på inre tillstånd och aktuell uppfattning. Men det är nästan nästan omöjligt att hitta det exakta tillståndet när man hanterar en delvis observerbar miljö.
3. Målbaserade agenter
Åtgärderna vidtagna av dessa medel beror på avståndet från deras mål (önskad situation). Åtgärderna är avsedda att minska avståndet mellan det aktuella tillståndet och det önskade tillståndet. För att uppnå sitt mål använder den sök- och planeringsalgoritmen. En nackdel med målbaserade agenter är att de inte alltid väljer den mest optimerade vägen för att nå det slutliga målet. Detta brist kan övervinnas med hjälp av Utility Agent som beskrivs nedan.
4. Hjälpmedel
De åtgärder som vidtas av dessa agenter beror på slutmålet så att de kallas Utility Agent. Utility Agents används när det finns flera lösningar på ett problem och det bästa möjliga alternativet måste väljas. Det valda alternativet är baserat på varje stats användbarhet. De utför en kostnads-nyttoanalys av varje lösning och väljer den som kan uppnå målet med minimikostnader.
5. Lärande agenter
Lärande agenter har inlärningsförmågor så att de kan lära av sina tidigare erfarenheter. Dessa typer av agenter kan börja från början och över tid kan skaffa sig betydande kunskaper från sin miljö. Lärande agenter har fyra huvudkomponenter som gör det möjligt att lära av sin tidigare erfarenhet.
- Kritiker : Kritikern utvärderar hur väl agenterna presterar i förhållande till det fastställda riktmärket.
- Inlärningselement: Det kommer från kritikern och hjälper Agent att förbättra prestandan genom att lära sig från miljön.
- Prestationselement: Den här komponenten bestämmer vilka åtgärder som ska vidtas för att förbättra prestandan.
- Problemgenerator: Problemgenerator tar input från andra komponenter och föreslår åtgärder som kommer att resultera i en bättre upplevelse.
regler
Det finns få regler som agenter måste följa för att betecknas Intelligent Agent.
- Regel 1 : Agenten måste ha förmågan att förstå information från miljön med sina sensorer
- Regel 2 : Ingångarna eller observationen som samlas in från miljön bör användas för att fatta beslut
- Regel 3: Det beslut som gjorts från observationen bör resultera i någon konkret handling
- Regel 4: Åtgärderna bör vara en rationell åtgärd
Strukturen för Intelligent Agent
Den intelligenta agentstrukturen är kombinationen av Agentfunktion, Arkitektur och Agentprogram.
Agent = Arkitektur + Agentprogram
De tre enheterna beskrivs nedan
1. Arkitektur: Arkitektur är det maskiner som agenten utför sin åtgärd på. Det är i huvudsak en enhet med inbäddade ställdon och sensorer. Exempel: Autonoma bilar som har olika rörelse- och GPS-sensorer anslutna till den och ställdon baserade på ingångarna hjälper till att köra faktiskt.
2. Agentfunktion: Agentfunktion hjälper till att kartlägga all information den har samlat in från miljön till handling
3. Agentprogram: Utförandet av Agentfunktionen utförs av Agentprogrammet. Utförandet sker ovanför Agent Architecture och producerar önskad funktion.
Slutsats
Slutmålet för varje agent är att utföra uppgifter som annars måste utföras av människor. Agenter fungerar som intelligent assistent som kan möjliggöra automatisering av upprepade uppgifter, hjälpa till att sammanfatta data, lära av miljön och ge rekommendationer för rätt handlingsförlopp som hjälper till att nå måltillståndet. Intelligenta agenter används enormt idag och dess användning kommer bara att växa framöver.
Rekommenderade artiklar
Detta är en guide till intelligenta agenter. Här diskuterar vi strukturen och några regler tillsammans med de fem typerna av intelligenta agenter utifrån deras kapacitetsintervall och omfattning av intelligens. Du kan också titta på följande artikel för att lära dig mer -
- 10 steg för att göra en ekonomiskt intelligent karriärrörelse
- Vad är konstgjord intelligens
- Emotionell intelligens på arbetsplatsen
- En hälsosam arbetsmiljö