Vũ Bảo Lâm – 2022700068
Trần Phi Lực – 2022700047
Nguyễn Đức Thắng 2022700064
INTELLIGENT
AGENTS
INTELLIGENT AGENTS LÀ GÌ?
Tác tử - Agent được hiểu là
bất cứ thứ gì cảm nhận mơi
trường quanh nó thơng qua
các cảm biến và tác động trở
lại môi trường thông qua các
bộ kích hoạt
Tác nhân thơng minh Intelligent Agents là các
thực thể, có thể là robot hoặc 1
chương trình máy tính có thể
thay thế con người trong 1 số
hoạt động nào đó mà trong
các hoạt động đó nó sẽ đưa ra
các quyết định trên bộ kích
hoạt 1 cách chính xác và có
hiệu quả nhất.
INTELLIGENT AGENTS LÀ GÌ ?
Ví dụ: Người máy chỉ đường
Cảm biến: Camera, các bộ dò đường hồng ngoại
Bộ kích hoạt: Mơ tơ
Ví dụ: Nếu con người được xem là 1 tác tử thì
Cảm biến: Mắt, tai, da, …
Bộ kích hoạt: Chân, tay
Các ví dụ điển hình như: Máy bay không người lái, xe tự hành, google search, chat
bot …
KIẾN TRÚC
Ở đây hàm tác tử là ánh xạ từ tập cảm biến
trong quá khứ tới hành động tương ứng :
f: P* ⇾ A
Chương trình tác tử này chạy trên kiến trúc
vật lý để tạo ra hàm f
KIẾN TRÚC
Sensor: là một thiết bị phát hiện sự thay đổi trong môi
trường và gửi thông tin đến các thiết b ị điện tử khác.
Một tác nhân quan sát mơi trường của nó thơng qua các
cảm biến.
Effectors: là những thiết bị ảnh hưởng đến mơi
trường. Hiệu ứng có thể là chân, bánh xe, cánh tay,
ngón tay, cánh, vây và màn hình hiển thị.
Actions: là thành phần của máy móc chuy ển đổi năng
lượng thành chuyển động.
Environment: Môi trường
Percepts: Bộ cảm biến với môi trường
Agent: Tác tử như đã giới thiệu
KIẾN TRÚC
Cấu trúc của 1 chương trình tác tử dựa trên bảng điều kiện
Function: TABLE-DRIVEN-AGENT(percept) :
static: percepts, một dãy cảm biến, khởi tạo table rỗng, bảng các hành đ ộng ứng v ới chu ỗi c ảm
Thêm percept vào cuối dãy percepts
action ← LOOKUP(percepts, table)
Return action
Nhược điểm: sự bùng nổ về kích thuớc của table
biến
KIẾN TRÚC
Ví dụ: Máy hút bụi thơng minh
Cảm biến: Vị trí (A hoặc B), trạng thái (sạch hoặc bẩn)
Hành động: Qua phải, qua trái, hút bụi
Function Reflex-Agent([vi_tri, trang_thai]) => return
Action:
if trang_thai == Ban then retun hut_bui
else if vi_tri == A then return qua_phai
else if vi_tri == B then return qua_trai
End function
Liệu chương trình của tác tử trên hoạt động có hợp lý
khơng ?
Dãy cảm nhận
Hành
động
[B, Sạch]
Qua trái
[B, Bẩn]
Hút bụi
[A, Sạch]
Qua phải
[A, Bẩn]
Qua phải
[A, Sạch][A, Bẩn]
Hút bụi
[A, Sạch][A, Sạch]
Qua phải
ĐẶC ĐIỂM
Hiểu được mục đích và mục tiêu của chính nó.
Có thể nhận thức mơi trường theo một cách nào.
Việc quan sát phải được sử dụng để đưa ra quyết định hiệu quả và chính xác và từ đó
đưa ra các hành động tiếp theo.
Tương tác với môi trường xung quanh, phản ứng với những thay đổi của mơi trường
xung quanh.
Về trí thơng minh thì phải có khả năng tự học hỏi từ nhưng quan sát trong quá khứ
để phát triển và thích nghi.
TÁC TỬ HỢP LÝ ?
Tác tử cần phấn đấu để ”làm đúng việc cần làm”, dựa trên những gì nó nh ận th ức (nh ận bi ết) đ ược
và dựa trên các hành động mà nó có thể thực hiện
Một hành động hợp lý(đúng) là một hành động giúp cho tác tử đ ạt đ ược thành công cao nh ất đ ối v ới
mục tiêu đặt ra
Đánh giá hiệu quả hoạt động: là tiêu chu ẩn để đánh giá m ức đ ộ thành công trong ho ạt đ ộng c ủa 1
tác tử
Ví dụ: tiêu chí đánh giá mức độ hiệu quả của 1 máy ch ỉ đường: mức đ ộ ch ỉ đ ường đi đúng và
ngắn nhất, thời gian xử lý, mức độ điện năng tiêu tốn, mức độ ti ếng ồn gây ra, …
TÁC TỬ HỢP LÝ ?
Tác tử hợp lý:
Với mỗi chuỗi nhận thức có được
Một tác tử cần phải lựa chọn một hành động giúp cực đại hóa tiêu chí đánh giá hi ệu qu ả ho ạt
động của tác tử đó
Dựa trên các thơng tin được cung cấp bởi chuỗi nh ận thức và các tri th ức đ ược s ở h ữu b ởi tác t ử
đó
TÁC TỬ HỢP LÝ ?
Sự hợp lý ≠ Sự thống suốt mọi thứ
Sự thông suốt mọi thứ = Biết tất cả mọi thứ, với tri thức vô hạn.
Vì các nhận thức có thể khơng cung cấp các thơng tin liên quan.
Các tác tử có thể thực hiện các hành động nhằm thay đổi các nh ận th ức trong t ương lai, v ới m ục
đích thu được các thơng tin hữu ích.
Tác tử tự trị(Autonomous agent) là 1 tác tử mà các hành động đ ược quy ết đ ịnh b ởi chính kinh
nghiệm của tác tử đó.
PEAS – CÁC YẾU TỐ XEM XÉT KHI THIẾT KẾ IA
Khi thiết kế, xây đựng 1 tác tử cần phải xem xét 4 y ếu tố tạo thành sau:
Performance measure: Hàm đo hiệu năng
Environment: Môi trường
Actuator: Bộ kích hoạt
Sensor: Cảm biến
PEAS : MỘT SỐ VÍ DỤ
Tác tử xe tự hành
Tác tử máy cắt cỏ tự
động
Tác tử lọc thư spam
Performance measure
Độ an toàn, tốc độ, đúng Độ an toàn, tốc độ, mức
luật, lợi ích
độ sạch và đều đặn của
cỏ sau khi cắt
Phân loại sai
Environment
Đường, giao thông,
người đi bộ, lái xe
Sân vườn, cây cối, …
Phần mềm email trên
server/ client
Actuator
Bánh xe, chân ga, phanh
Bánh xe, dao cắt cỏ
Các thư được gán nhãn
Sensor
Camera, máy đo tốc độ
Camera, máy đo tốc độ
Nội dung thư, tiêu đề,
thời gian
PHÂN LOẠI TÁC TỬ (AGENT)
Có 5 tác tử cơ bản được phân loại dựa trên mức độ thông minh và mức độ nhận thức:
Tác tử phản xạ đơn giản (Simple reflex agents)
Tác tử phản xạ dựa trên mơ hình (Model-based reflex agents)
Tác tử dựa trên mục tiêu (Goal-based agents)
Tác tử dựa trên lợi ích (Utility-based agents)
Tác tử học tập (Learning-agents)
PHÂN LOẠI TÁC TỬ (AGENT)
Tác tử phản xạ đơn giản
Tác tử hành động theo một quy luật có điều kiện phù
hợp với trạng thái hiện thời của môi trường, không xét
đến quá khứ
Function SIMPLE-REFLEX-AGENT(percept) -> return
action :
static: rules, a set of condition-action rules
state ← INTERPRET-INPUT(percept)
rule ← RULE-MATCH(state, rules)
action ← RULE-ACTION[rule]
return action
PHÂN LOẠI TÁC TỬ (AGENT)
Tác tử phản xạ dựa trên mơ hình
Tác tử lưu internal states dựa trên chuỗi percept, phản
ánh ít nhất một vài khía cạnh khơng quan sát được môi
trường
Function SIMPLE-REFLEX-AGENT(percept) -> return action :
static: rules, a set of condition-action rules
state, a description of the current world state
action, the most recent action, initianly none
state ← UPDATE-STATE(state, action, percept)
rule ← RULE-MATCH(state, rules)
action ← RULE-ACTION[rule]
return action
PHÂN LOẠI TÁC TỬ (AGENT)
Tác tử phản xạ dựa trên mục tiêu
Các dạng đích :
Một trạng thái.
Tập các trạng thái thỏa mãn một số tính chất nào đó.
Một phép thử áp dụng vào trạng thái và thơng báo có
thỏa đích hay khơng.
Đích khiến tác tử phải suy luận về tương lai hoặc
các trạng thái khác. Có thể có trường hợp khơng có
hành động nào đưa đến đích.
PHÂN LOẠI TÁC TỬ (AGENT)
Tác tử hướng lợi ích
Các tác tử thực hiện hành động sao cho có lợi nhất về lâu
dài.
Các tác tử muốn thực hiện hành động đem lại lợi ích lớn
hơn.
Có thể suy luận về các nhiệm vụ có nhiều đích, về sự
xung đột giữa các đích, và về các tình huống khơng ch ắc
chắn.
PHÂN LOẠI TÁC TỬ (AGENT)
Tác tử với khả năng tự học
Các thành phần giúp tạo nên tác tử có khả năng h ọc tập:
Learing element: Giúp cái thiện hiệu quả hoạt
động dựa trên các đánh giá, để thay đổi cải thiện các
thành phần hành động.
Critic:Để đánh giá hiệu quả hoạt động
Problem generator:Có trách nhiệm đề xuất các
hành động giúp sản sinh dẫn đến có kinh nghi ệm
mới.
Performance element:Đảm nhiệm việc lựa chọn
các hành động
CƠ SỞ TRI THỨC CHO CÁC TÁC TỬ(AGENT)
Một cơ sở tri thức (a knowledge base) là tập các mệnh đề được biểu diễn trong 1 ngơn ng ữ hình
thức, cung cấp tri thức (hiểu biết) cho 1 tác tử.
Tác tử khai thác cơ sở tri thức (mà nó sở hữu) trong quá trình đưa ra hành đ ộng.
Tác tử cần có khả năng:
Thu thập, cập nhật tri thức mới
Cập nhật việc biểu diễn (bên trong tác tử) đối với môi trường xung quanh,
Suy luận để đưa ra hành động hợp lý.
ĐA TÁC TỬ (MULTI-AGENT SYSTEMS)
Các tác tử cạnh tranh nhau.
Mỗi tác tử phải nhận biết được sự tồn tại (và hoạt động) của các tác tử khác
Mỗi tác tử phải tính tốn, dự đốn được các kế hoạch của các tác tử khác.
Mỗi tác tử phải tính tốn, dự đốn được ảnh hưởng của các k ế ho ạch c ủa các tác t ử khác đ ối v ới k ế
hoạch của bản thân nó.
Mỗi tác tử phải quyết định hành động tối ưu nhất đối với dự đoán này.
MỘT SỐ THUẬT TOÁN ĐƯỢC SỬ DỤNG CHO TÁC T Ử
THƠNG MINH TRONG TÌM KIẾM VÀ LẬP KẾ HOẠCH .
Tìm kiếm và lập kế hoạch (Searching And Planning)
Tìm kiếm theo chiều rộng (Breadth First Search)
Tìm kiếm theo chiều sâu (Detpth First Search)
Heuritics Search
THANK YOU
FOR
LISTENING.