هوش مصنوعی و عوامل آن قسمت صد و سی و یکم

هوش مصنوعی و عوامل آن قسمت صد و سی و یکم

عوامل مدل سازی جهان

 

تعریف حالت باور بسیار کلی است و آنچه را که عامل باید به خاطر بسپارد محدود نمی کند. اغلب برای عامل مفید است که مدلی از جهان را حفظ کند، حتی اگر مدل آن ناقص و نادرست باشد. مدل یک جهان نمایشی از وضعیت جهان در یک زمان خاص و/یا پویایی جهان است. یک روش این است که عامل باور خود را در مورد جهان حفظ کند و این باورها را بر اساس دستورات خود به روز کند. این رویکرد نیازمند مدلی هم از وضعیت جهان و هم از پویایی جهان است. با توجه به وضعیت در یک زمان، و پویایی، وضعیت در زمان بعدی قابل پیش بینی است. این فرآیند به عنوان محاسبه مرده شناخته می شود. به عنوان مثال، یک ربات می تواند تخمین خود را از موقعیت خود حفظ کند و آن را بر اساس اقدامات خود به روز کند. هنگامی که جهان پویا است یا هنگامی که محرک های پر سر و صدا وجود دارد (مثلاً چرخی می لغزد، دقیقاً قطر مناسبی ندارد، یا شتاب آنی نیست)، نویز جمع می شود، به طوری که تخمین های موقعیت به زودی آنقدر نادرست می شوند که آنها را نشان می دهد. بی فایده هستند با این حال، اگر مدل در سطحی از انتزاع دقیق باشد، ممکن است مدل مناسبی برای آن سطح از انتزاع باشد. یک جایگزین، استفاده از ادراک برای ساختن مدلی از بخش مربوطه از جهان است. ادراک استفاده از اطلاعات حسی برای درک جهان است. به عنوان مثال، این می تواند شامل استفاده از بینایی برای تشخیص ویژگی های جهان و استفاده از این ویژگی ها برای تعیین موقعیت یک ربات و موانع یا بسته هایی باشد که باید برداشته شوند. ادراک متمایل به مبهم و پر سر و صدا است. ساختن مدلی از دنیای سه بعدی بر اساس یک تصویر واحد از جهان دشوار است.

 

اشکال مختلف


یک رویکرد امیدوارکننده تر ترکیب پیش بینی عامل از وضعیت جهانی با اطلاعات حسی است. این می تواند اشکال مختلفی داشته باشد: • اگر هم نویز پیش بینی رو به جلو و هم نویز حسگر مدل شوند، حالت باور بعدی را می توان با استفاده از قانون بیز تخمین زد( به این مورد در مقاله های قبل اشاره شده) این به عنوان فیلتر شناخته می شود • با حسگرهای پیچیده تری مانند بینایی، می توان از یک مدل برای پیش بینی جایی که ویژگی های بصری یافت می شود استفاده کرد و سپس از دید می توان برای جستجوی این ویژگی ها نزدیک به مکان پیش بینی شده استفاده کرد. این امر کار بینایی را بسیار ساده‌تر می‌کند و بینایی می‌تواند تا حد زیادی خطاهای موقعیت ناشی از پیش‌بینی رو به جلو را کاهش دهد.