Рассел С., Норвиг П. Искусственный интеллект. Современный подход (2-е изд., 2006) (1245267), страница 72
Текст из файла (страница 72)
Логика не позволяет должным образом представить такую неопределенность, поэтому в части У рассматривается теория вероятностей, которая дает такую возможность. В частях У! и У!! рассматриваются многие другие способы представления (в том числе основанные на континуальной математике), такие как сочетания гауссовых распределений, нейронных сетей и других представлений.
В разделе 7.4 этой главы представлена простая логика, называемая пропозициональной логикой. Несмотря на то что она является гораздо менее выразительной по сравнению с логикой первого порядка (глава 8), пропозициональная логика может служить для иллюстрации всех основных понятий логики. Кроме того, существует 284 Часть 111. Знания и рассуждения хорошо разработанная технология формирования рассуждений в пропозициональной логике, которая будет описана в разделах 7.5 и 7.6. Наконец, в разделе 7.7 рассматривается сочетание понятия логических агентов с технологией пропозициональной логики, применяемое для создания некоторых простых агентов, действующих в мире вампуса.
В этом разделе указаны некоторые ограничения пропозициональной ло~ики, которые послужили стимулом к разработке более мощных версий логики, рассматриваемых в следующих главах. 7.1. АГЕНТЫ, ОСНОВАННЫЕ НА ЗНАНИЯХ Пентральным компонентом любого агента, основанного на знаниях, является его 'еь база знаний, или сокращенно КВ (Кпов1ег)8е Ваке). Неформально базу знаний можно определить как множество 'ъ высказываний. (Здесь слово "высказывание" используется в качестве формального термина.
Смысл этого термина близок, но не идентичен понятию высказывания в английском и других естественных языках.) Каждое высказывание выражено на языке, называемом навыком представления знаний, и представляет некоторое утверждение о мире. должен существовать определенный способ добавления новых высказываний к базе знаний, а также способ извлечения из этой базы тех знаний, которые в ней содержатся. Стандартными названиями для этих операций являются соответственно те11 и Аэ) с Обе такие операции могут быть связаны с проведением ж логического вывода, т.е.
могут потребовать получения новых высказываний из старых. В 'з. логических агентах, которые служат основной темой исследования данной главы, логический вывод должен подчиняться тому фундаментальному требованию, что ответ на запрос к базе знаний, переданный с помощью операции Аэ)с, должен следовать из того, что было сообщено базе знаний (или точнее, введено с помощью операции те11) до сих пор. Ниже будет дано более точное определение важного понятия "логического следствия". А на данный момент будем считать, что в соответствии с этим понятием в процессе логического вывода не должны выполняться операции, не подчиняющиеся строгим правилам. Общая схема программы агента, основанного на знаниях, приведена в листинге 7.1. Как и все агенты, описанные в данной книге, этот агент принимает на входе результаты акта восприятия рехсер с и возвращает действие а с гуоп.
Агент поддерживает базу знаний, КВ, которая может первоначально содержать некоторые 1ж фоновые знания. После каждого вызова программа агента выполняет три этапа. Во-первых, программа вводит в базу знаний с помощью операции те11 результаты акта восприятия, вовторых, передает в базу знаний с помощью операции Ав)с запрос о том, какое действие следует предпринять.
В процессе поиска ответа на этот запрос могут быть проведены исчерпывающие рассуждения в отношении текущего состояния мира, результатов возможных последовательностей действий и т.д. В-третьих, агент регистрирует свой выбор с помощью операции те11 и выполняет действие. Вторая операция те11 необходима для передачи в базу знаний информации о том, что гипотетическое действие ассу оп действительно было выполнено. Подробные сведения о языке представления скрыты в трех функциях, которые реализуют интерфейс между датчиками и исполнительными механизмами, а также Глава 7.
Логические агенты 285 между основным представлением и системой формирования рассуждений. Функция маке-рехсерб-Бепгепсе формирует высказывание, подтверждающее, что агент получил результаты данного конкретного акта в текущий момент времени. Функция маКе-Асг1оп-()цеху формирует высказывание, представляющее собой запрос о том, какое действие должно быть выполнено в текущий момент времени. Наконец, функция маке-Асгйоп-яепсепсе формирует высказывание, подтверждающее, что выбранное действие было выполнено. Подробные сведения о механизме логического вывода скрыты внутри функций те11 и АзК. Эти подробные сведения булут представлены в следующих разделах. Листинг 7.1. Универсальный агент, основанный ив знаниях Гепсвйоп КВ-Адепс (рессерс) кевпкпв действие асезоп ивав1с: КВ, база знаний счетчик, обозначающий время, первоначально равный О Те11(КВ, Маке-рессеро-яепеепсе(рессере, С)) асейоп ь- Азк(кВ, маке-Асегоп-янезу(с)) Те11(КВ, Маке-Ассьоп-зепдепсе(асеуоп, С)) — С а 1 кеепкп ассзоп Алгоритм агента, приведенный в листинге 7.), внешне кажется весьма аналогичным алгоритмам агентов с поддержкой внутреннего состояния, описанных в главе 2.
Однако в силу приведенных выше определений операций Те11 и АзК агента, основанного на знаниях, уже нельзя рассматривать как произвольную программу для вычисления действий. Он уже больше подходит для описания на в.уровне знаний, в котором для фиксации его поведения требуется указать лишь то, что известно агенту и каковы его цели. Например, автоматизированный агент — водитель такси может иметь своей целью доставку пассажира в район Марин Каунти и знать, что этот район находится в г. Сан-Франциско и что мост "Золотые ворота" является единственным возможным связующим звеном между пунктом отправления и пунктом назначения.
В таком случае вполне можно рассчитывать на то, что автоматизированный водитель поедет через мост "Золотые ворота", поскольку ему известно, что именно так он достигнет цели. Следует отметить, что данный анализ не зависит от того, как будет действовать водитель такси на 'в. уровне реализации. Не имеет никакого значения, реализованы ли его знания географии в виде связных списков или растровых изображений карт, а также проводит ли он рассуждения, манипулируя строками символов, храняшимися в регистрах, или распространяя зашумленные сигналы по сетям из нейронов. Как уже упоминалось во введении к этой главе, зп агент, основанный на знаниях, может быть создан путем передачи ему с помои(ыо операции Те11 той информации, которую ему требуется знать.
Первоначальная программа агента, применяемая до того, как агент начнет получать результаты актов восприятия, создается путем добавления одного за другим тех высказываний, которые представляют знания проектировщика о данной среде. А если удается спроектировать язык представления, позволяюший легко выражать эти знания в форме высказываний, то задача создания агента чрезвычайно упрощается. Описанный выше подход называется ждекларативным 286 Часть ]П. Знания и рассуждения полходом к созданию системы.
В отличие от этого процедурный подход требует представления желаемых правил поведения непосредственно в виде кода программы. Но сведение к минимуму роли явных форм представления и формирования рассуждений позволяет добиться создания гораздо более эффективных систем.
Агенты обоих этих типов рассматриваются в разделе 7.7. В 1970 — ! 980-х годах приверженцы этих двух подходов вступили в ожесточенные дебаты. Однако теперь стало ясно, что успешно действующий агент должен сочетать в своем проекте и декларативные, и процедурные элементы. Кроме передачи основанному на знаниях агенту с помощью операции те11 той информации, которую ему требуется знать, может также потребоваться предоставить ему механизмы, позволяющие обучаться самостоятельно.
Эти механизмы, которые рассматриваются в главе 18, обеспечивают получение общих знаний о среде с помощью ряда актов восприятия. Такие знания могут быть включены в базу знаний агента и использоваться для принятия решений. Благодаря этому агент может стать полностью автономным. Все эти возможности по представлению, формированию рассуждению и обучению опираются на результаты в области теории и практики логики как отрасли математики, накопленные в течение многих столетий. Но прежде чем перейти к описанию теории и практики, создадим простой мир, на примере которого сможем проиллюстрировать их применение.
7.2. МИР ВАМПУСА 'ъ. Мир вампуса — это пещера, состоящая из залов, соединенных проходами. Гдето по этой пещере бродит вампус — страшный зверь, который поедает всех, кто входит в зал, где он находится. Вампус может быть убит агентом, но у агента есть только одна стрела. В некоторых залах есть бездонные ямы, в которые попадают все, кто проходит через эти залы [все кроме вампуса, который слишком велик для того, чтобы в них провалиться). Единственное, что утешает живущих в этой среде, — это возможность найти кучу золота.
Хотя мир вампуса является довольно скромным с точки зрения современных стандартов компьютерных игр, он представляет собой превосходную испытательную среду для интеллектуальных агентов. Первым, кто предложил использовать мир вампуса для такой цели, был Майкл Генезерет. Пример мира вампуса показан на рис. 7.1. Точное определение среды этой задачи, соответствующее требованиям, которые приведены в главе 2, дано с помощью следующего описания РЕАБ. ° Показатели производительности.
За то, что агент находит золото, он получает +1000 очков, за то, что агент попадает в яму или его съедает вампус, ему назначается -1000 очков, он отдает -1 очко за каждое выполненное действие и -10 очков — за использование стрелы. ° Среда. Залы расположены в виде решетки 4х4. Агент всегда начинает движение с квадрата, обозначенного как [1, 1], и смотрит вправо. Местонахождения золота и вампуса выбираются случайным образом с равномерным распределением из числа квадратов, отличных от начального квадрата. Кроме того, в 287 Глава 7. Логические агенты каждом квадрате, отличном от начального, с вероятностью 0,2 может находиться яма. 3 4 2 )Ъс.
7 1. Пример мира вамнуса. Агент находится в вылняем левом углу ° Исполнительные механизмы. Агент может двигаться вперед, поворачиваться влево и вправо на 90'. Агент погибает жалкой смертью, если входит в квалрат, где имеется яма или живой вампус. (Входить в квадрат с мертвым вампусом безопасно, но при этом приходится чувствовать неприятный запах.) Попытка продвижения вперед остается безрезультатной, если перед агентом находится стена. Чтобы схватить объект, находящийся в том же квадрате, где находится агент, можно воспользоваться действием сха)2. С помощью действия ЯВоос можно пустить стрелу по прямой линии в том направлении, куда смотрит агент.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
