Απλοποίηση μοντέλων AI με το σύστημα αντιπροσώπευσης PEAS –

September 29, 2022 0 Von admin

Αυτό το άρθρο δημοσιεύτηκε ως μέρος του Data Science Blogathon.

Εισαγωγή

Η ικανότητα μιας τεχνητής μηχανής να σκέφτεται και να ενεργεί λογικά ή σαν άνθρωπος μπορεί να ονομαστεί Τεχνητή Νοημοσύνη. Η τεχνητή νοημοσύνη είναι ένα υποσύνολο της επιστήμης δεδομένων που δίνει ζωή σε μια μηχανή. Οι επιστήμονες δεδομένων εκτελούν προγνωστική ανάλυση δεδομένων με βάση τη μηχανική μάθηση που βασίζεται σε αλγόριθμους, ένα υποσύνολο της τεχνητής νοημοσύνης. Οι μηχανές αποκτούν γνώση μέσω μιας ποικιλίας τεχνικών και στη συνέχεια χρησιμοποιούν αυτή τη γνώση κατά τη λήψη αποφάσεων ή την εκτέλεση εργασιών. Το Deep Learning είναι ένας νέος κλάδος της μηχανικής μάθησης που δημιουργήθηκε λόγω των πιο πρόσφατων εξελίξεων στην τεχνητή νοημοσύνη στον τομέα των νευρωνικών δικτύων. Με την έρευνα για την επίτευξη αυτοματισμού επιπέδου 5 για αυτόνομα οχήματα, η τεχνητή νοημοσύνη είναι το μέλλον των αυτοοδηγούμενων αυτοκινήτων. Με βάση τη δύναμη και την εφαρμογή του AI, μπορεί να ταξινομηθεί γενικά σε τρεις τύπους. Αδύναμο, δυνατό και Super AI.

47.752 Φωτογραφίες τεχνητής νοημοσύνης - Δωρεάν & Royalty-Free στοκ φωτογραφίες από το Dreamstime

Τύποι AI

  • Αδύναμη τεχνητή νοημοσύνη: Το αδύναμο AI, που αναφέρεται επίσης ως στενό AI, είναι η νοημοσύνη ενός μηχανήματος που εφαρμόζεται σε έναν συγκεκριμένο τομέα ή εφαρμογή. Είναι το πιο κοινό και ευρέως παρόν AI. Σε αντίθεση με το όνομά του, το Weak AI είναι ένα πολύ ισχυρό και έξυπνο AI ικανό να σκέφτεται και να ενεργεί λογικά. Όταν εκπαιδεύεται, μπορεί να εκτελέσει μια εργασία τέλεια. Μπορούμε να πούμε ότι έχει μια πολύ στενή προσέγγιση στο να κάνει πράγματα. Θα πετύχει μόνο αυτό που έχει εκπαιδευτεί ή προγραμματιστεί να κάνει. Παραδείγματα περιλαμβάνουν αυτοκίνητα αυτόνομης οδήγησης, συστήματα συστάσεων, φιλτράρισμα ανεπιθύμητων μηνυμάτων, ανίχνευση απάτης κ.λπ.
  • Ισχυρό AI: Το ισχυρό AI (Γενικό AI) πιστεύεται ότι αλληλεπιδρά και λειτουργεί διάφορες ανεξάρτητες και άσχετες εργασίες. Η ισχυρή τεχνητή νοημοσύνη λέγεται ότι έχει μια ανθρώπινη νοημοσύνη που μπορεί να αποδώσει με βάση τις στρατηγικές σκέψης και λήψης αποφάσεων. Η ισχυρή τεχνητή νοημοσύνη εξακολουθεί να είναι μια θεωρητική έννοια, καθώς τώρα έχουμε μόνο αδύναμα AI. (ναι, ακόμα και η πιο ικανή τεχνητή νοημοσύνη είναι αδύναμη τεχνητή νοημοσύνη) Θα χρειαστεί πολύς χρόνος μέχρι να υιοθετήσουμε το AGI, δηλαδή την Τεχνητή Γενική Νοημοσύνη.
  • Super AI: Το Super AI, γνωστό και ως συνειδητό AI ή τεχνητή υπερευφυΐα (ASI), μπορεί να ξεπεράσει την ανθρώπινη νοημοσύνη. Πιστεύεται ότι έχουν ανθρώπινη συνείδηση. Μπορεί να κάνει τα πάντα με τον καλύτερο τρόπο. Είναι ικανοί να παίρνουν αποφάσεις ορθολογικά παρά ανθρώπινα. Το Super AI είναι καθαρά εικαστικό σε αυτό το στάδιο και μέρος της επιστημονικής φαντασίας. Το Super AI μπορεί να θεωρηθεί ως «Ρομπότ που καταλαμβάνουν και υποδουλώνουν τους ανθρώπους. Το Super AI μπορεί να θεωρηθεί ως «Chitti» από την ταινία Robot του θρυλικού Rajnikant.

Ποιοι είναι οι 3 τύποι τεχνητής νοημοσύνης;  |  Deccan Herald

πηγή: DeccanHerald

Σύνθεση ΑΙ

Ένα σύστημα AI αποτελείται από πράκτορες και περιβάλλοντα.

Πράκτορες: Πράκτορες είναι λογισμικό, υλικό ή συνδυασμός και των δύο συσκευών που λειτουργεί στο περιβάλλον για την επίτευξη ορισμένων στόχων. Ένας ευφυής πράκτορας δρα αυτόνομα και επιμένει για μεγαλύτερο χρονικό διάστημα. Θα πρέπει επίσης να είναι σε θέση να προσαρμόζεται σε αλλαγές για την επιδίωξη ενός συγκεκριμένου στόχου. Οι πράκτορες αντιλαμβάνονται μέσω Αισθητήρες και λειτουργούν στο περιβάλλον μέσω ενεργοποιητές. Ένα περιβάλλον μπορεί να έχει έναν μόνο πράκτορα ή πολλούς πράκτορες.

Οι πράκτορες μπορούν να ταξινομηθούν με βάση διάφορα χαρακτηριστικά:

  1. Απλός παράγοντας Reflex
  2. Απλό Reflex με κρατικό πράκτορα
  3. Πράκτορας με βάση το στόχο
  4. Πράκτορας που βασίζεται σε βοηθητικά προγράμματα
  5. Πράκτορας που βασίζεται στη μάθηση

Παράδειγμα: Οι βοηθοί φωνής όπως η Alexa και η Siri είναι Softbots ή πράκτορες λογισμικού. Τα ρομποτικά αυτοκίνητα είναι ένα τέλειο παράδειγμα πρακτόρων Hardware.

Ορθολογικός Πράκτορας: Ένας πράκτορας που έχει πλήρη γνώση, σαφείς προτιμήσεις, μοντελοποιεί την αβεβαιότητα και συμπεριφέρεται με τρόπο που να μεγιστοποιεί το μέτρο της απόδοσής του μέσω όλων των εφικτών ενεργειών λέγεται ότι ενεργεί ορθολογικά. Ένας ορθολογικός πράκτορας θα κάνει πάντα το σωστό.

Αυτόνομος Πράκτορας: Ένας πράκτορας που μπορεί να αποφασίσει αυτόνομα τις ενέργειες που πρέπει να γίνουν στην τρέχουσα περίοδο για να μεγιστοποιήσει την πρόοδο προς τους στόχους του.

Τι είναι το PEAS;

Το PEAS είναι ένα σύστημα αντιπροσώπευσης για πράκτορες τεχνητής νοημοσύνης που φροντίζει για τη μέτρηση της απόδοσης σε σχέση με το περιβάλλον, τους αισθητήρες και τους ενεργοποιητές. Για να σχεδιάσουμε έναν πράκτορα, πρέπει να γνωρίζουμε το περιβάλλον εργασίας μας. Το σύστημα PEAS βοηθά στον καθορισμό του περιβάλλοντος εργασίας. Το PEAS είναι μια σύντομη φόρμα για Performance, Environment, Actuators και Sensors. Ο εντοπισμός του PEAS μπορεί να βοηθήσει στη σύνταξη βέλτιστων αλγορίθμων για AI.

Αισθητήρες: Οι αισθητήρες βοηθούν τους πράκτορες να αντιληφθούν το περιβάλλον τους δίνοντάς τους ένα πλήρες σύνολο εισόδων. Η δράση των πρακτόρων εξαρτάται από το παρελθόν ιστορικό και το τρέχον σύνολο εισόδων. Παραδείγματα αισθητήρων περιλαμβάνουν κάμερες, GPS, χιλιομετρητές, διάφορα εργαλεία ανίχνευσης κ.λπ.

Ενεργοποιητές: Οι ενεργοποιητές βοηθούν τους πράκτορες να λειτουργούν στο περιβάλλον. Οι ενεργοποιητές περιλαμβάνουν πίνακες οθόνης, βραχίονες επιλογής αντικειμένων, μηχανισμούς αλλαγής τροχιάς, κ.λπ. Οι ενέργειες που εκτελούνται από πράκτορες μπορούν επίσης να επιφέρουν αλλαγή στο περιβάλλον.

Περιβάλλον: Το περιβάλλον του πράκτορα σε μια συγκεκριμένη στιγμή στην οποία λειτουργεί ο πράκτορας ονομάζεται περιβάλλον. Μπορεί να είναι στατικό ή δυναμικό με βάση την κίνηση του πράκτορα. Μια μικρή αλλαγή στο περιβάλλον θα αλλάξει επίσης τους απαιτούμενους αισθητήρες και τις ενέργειες του Agent.

Σύμφωνα με τους Russell και Norvig, ένα περιβάλλον μπορεί να ταξινομηθεί με διάφορους παράγοντες:

  1. Πλήρως παρατηρήσιμο έναντι Μερικώς Παρατηρήσιμο
  2. Στατική εναντίον Δυναμικής
  3. Διακριτικό έναντι Συνεχούς
  4. Ντετερμινιστική εναντίον Στοχαστικής
  5. Single-agent εναντίον Multi-agent
  6. Επεισοδιακό εναντίον διαδοχικού

ΜΕΤΡΗΣΗ ΑΠΟΔΟΣΗΣ: Το μέτρο απόδοσης είναι η μονάδα για τον καθορισμό της επιτυχίας ή της ακρίβειας του πράκτορα στην επίτευξη των καθορισμένων στόχων του.

Κατανόηση του PEAS με ένα παράδειγμα

Ας κατανοήσουμε το σύστημα PEAS για α βιομηχανία παραγωγής κέτσαπ. Για την παραγωγή κέτσαπ καλής ποιότητας, είναι σημαντικό να διαχωρίσετε τις ώριμες ντομάτες και να τις χρησιμοποιήσετε για παραγωγή. Η χρήση κακής ποιότητας ή άγουρων ντοματών μπορεί να μειώσει την ποιότητα του κέτσαπ. Τώρα, η ταξινόμηση των ντοματών μπορεί να γίνει με το χέρι, αλλά θα ήταν μια κουραστική δουλειά για τον άνθρωπο, καθώς ένα εργοστάσιο μπορεί να επεξεργάζεται χιλιάδες ντομάτες καθημερινά. Ως εκ τούτου, μπορούμε να ενσωματώσουμε ένα AI για να μας βοηθήσει. Ως εκ τούτου, πρέπει να γνωρίζουμε για το περιβάλλον εργασιών μας και τον πράκτορα που θα χρησιμοποιήσουμε.

6 Great Sauce Tomatoes - FineGardening

(πηγή: Fine Gardening)

Μέσο: Σύστημα ταξινόμησης τομάτας.

Αισθητήρες: Αισθητήρες ζύγισης, Κάμερες για οπτική είσοδο, ανίχνευση χρώματος κ.λπ.

Ενεργοποιητές: Μηχανισμός αλλαγής τροχιάς για διαχωρισμό, πινακίδες προβολής ή ζώνη Υ για γρήγορη ταξινόμηση σε ώριμες και άγουρες ντομάτες.

Περιβάλλον: Το περιβάλλον μας μπορεί να είναι ένας κινούμενος διάδρομος μέσω του οποίου οι ντομάτες περνούν για διαχωρισμό. Θα πρέπει να έχει καλή πηγή φωτός για καλύτερη είσοδο κάμερας.

Απόδοση: Μετρά πόσο επιτυχημένος είναι ο πράκτορας στην ταξινόμηση των ντοματών. Μπορεί να είναι ένας πίνακας σύγχυσης με αληθινούς θετικούς, αληθινούς αρνητικούς, ψευδώς θετικούς και ψευδώς αρνητικούς αριθμούς ή την ακρίβεια του μοντέλου.

συμπέρασμα

Το PEAS σημαίνει Performance, Environment, Actuators, Sensors. Βοηθούν στον καθορισμό του περιβάλλοντος εργασίας για έναν ευφυή πράκτορα. Ως εκ τούτου, το PEAS είναι ένα σημαντικό σύστημα αναπαράστασης για τον καθορισμό ενός μοντέλου Τεχνητής Νοημοσύνης.

Σε αυτό το άρθρο,

  • μάθαμε για τους 3 τύπους AI.
  • Καταλάβαμε την έννοια των Πρακτόρων και του περιβάλλοντος.
  • Μάθαμε για το σύστημα PEAS και τη σημασία του.
  • Τέλος, είδαμε ένα παράδειγμα ορισμού του συστήματος PEAS.

Εάν βρίσκετε αυτό το ιστολόγιο χρήσιμο, σκεφτείτε να συνδεθείτε μαζί μου στο Linkedin.

Τα μέσα που εμφανίζονται σε αυτό το άρθρο δεν ανήκουν στο Analytics Vidhya και χρησιμοποιούνται κατά την κρίση του συγγραφέα.