Exemple de milieu continu

Exemple de milieu continu

Règle de condition-action − il s`agit d`une règle qui mappe un État (condition) à une action. Il ya plusieurs aspects qui dintuiguish environnements AI. Accessible/inaccessible − si l`appareil sensoriel de l`agent peut avoir accès à l`état complet de l`environnement, l`environnement est accessible à cet agent. Des environnements partiellement observables, comme ceux rencontrés dans les scénarios de véhicule auto-conducteur, traitent d`informations partielles afin de résoudre les problèmes d`IA. Ils choisissent leurs actions afin d`atteindre leurs objectifs. L`analyse de la parole est un problème qui fonctionne sur les environnements AI statiques. Les capteurs humains comprennent les yeux, les oreilles et le nez. Si l`environnement a un nombre limité de percepts et d`actions distincts et clairement définis, l`environnement est discret. En général, les capteurs sont ce que les agents utilisent pour obtenir des choses de l`environnement pour faire la perception.

Si l`environnement ne change pas pendant un certain temps, puis il change en raison de la performance de l`agent est appelé environnement semi-dynamique. En outre, l`environnement peut avoir de nombreux facteurs mutables, (certains continus, certains discrets). Si l`environnement change pour l`action de l`agent, l`environnement est dynamique pour cet agent sinon il est statique. Russell et Norvig (2009) introduisent sept façons de classer les environnements d`IA, qui peuvent être rappelés avec le mnémonique “D-imbibé. Est peut avoir des capteurs de nombreux types, y compris ceux analogues à la perception humaine, mais aussi y compris certains que les humains n`ont pas, tels que sonar, infrarouge, signaux GPS, etc. Les environnements AI déterministes sont ceux sur lesquels le résultat peut être déterminé de base sur un état spécifique. La forme et la fréquence des données, la nature du problème, le volume de connaissances disponibles à un moment donné sont certains des éléments qui différencient un type d`environnement d`IA d`un autre. L`exécution d`actions dans le but d`obtenir des informations utiles est une partie importante de la rationalité. De ce point de vue, il existe plusieurs catégories que nous utilisons pour regrouper les problèmes d`IA en fonction de la nature de l`environnement. En général, les agents intelligents de tous types (y compris les rats, les personnes, ainsi que les programmes d`AI) interagissent avec leurs environnements de deux manières principales: la perception et l`action.

Au lieu de cela, ils peuvent être classés comme stochastiques. Les environnements d`AI collaboratifs reposent sur la coopération entre plusieurs agents d`IA. L`action est exécutée dans l`environnement complexe. Séquence percept − c`est l`histoire de tout ce qu`un agent a perçu jusqu`à la date. Ce test vise à tromper le testeur. Observable/partiellement observable − s`il est possible de déterminer l`état complet de l`environnement à chaque point de temps à partir des percepts, il est observable; Sinon, elle n`est que partiellement observable. Les environnements d`IA compétitifs font face à des agents de l`IA les uns contre les autres afin d`optimiser un résultat spécifique. Norvig, S. static/Dynamic − si l`environnement ne change pas pendant qu`un agent agit, alors il est statique; Sinon, il est dynamique. Dans la conception d`un agent, la première étape doit toujours être de spécifier l`environnement de tâche aussi pleinement que possible. En principe, un agent ne doit pas s`inquiéter de l`incertitude dans un environnement pleinement observable et déterministe. Il est conçu pour numériser des sources de nouvelles en ligne et montre les actions avec le traitement du langage naturel.

Comments are closed.

    About

    This is the deafult sidebar, add some widgets to change it.