В классических задачах планирования агент может предположить, что он является единственной действующей в мире системой, позволяющей ему быть уверенным в последствиях своих действий. Однако, если агент не единственный актер, то от агента потребуется, чтобы он мог обосновать неопределенность. Это требует наличия агента, способного не только оценить свою среду и сделать прогнозы, но и оценить свои прогнозы, и адаптироваться на основе их оценки.
Многоагентным планированием используется сотрудничество и конкуренция многих агентов для достижения заданной цели. Возникающее поведение, такое как это, используется эволюционными алгоритмами и искусственным интеллектом.
Машинное обучение
Машинное обучение, являющееся фундаментальной концепцией исследований AI с момента его создания, занимается изучением компьютерных, автоматически улучшающихся благодаря опыту алгоритмов.
Под неконтролируемым обучением принято понимание способности нахождения шаблонов в потоке ввода. В него включается классификация и численная регрессия. Использование классификации служит определению того, к какой из категорий причисляется обучение. Классификация производится путем просмотра примеров из ряда категорий. Регрессию понимают как попытку создания функции, описывающей взаимосвязь между входами и выходами и предсказания изменений выходных данных при изменении данных входных.
Под неконтролируемым обучением принято понимание способности нахождения шаблонов в потоке ввода. В него включается классификация и численная регрессия. Использование классификации служит определению того, к какой из категорий причисляется обучение. Классификация производится путем просмотра примеров из ряда категорий. Регрессию понимают как попытку создания функции, описывающей взаимосвязь между входами и выходами и предсказания изменений выходных данных при изменении данных входных.
В обучении для подкрепления агента вознаграждают за ответы, считающиеся хорошим, и наказывают за ответы, относящиеся к плохим. Агентом эта последовательность вознаграждений и наказаний используется для формирования стратегии работы в собственном проблемном пространстве.
Все типы обучения можно проанализировать с позиций теории принятия решений с использованием такого понятия, как утилита.
Если говорить о математическом анализе алгоритмов машинного обучения и их эффективности, это имеет отношение к теоретической информатике, известной как теория вычислительного обучения.
В рамках развития робототехники происходит разработка подходов к обучению, чтобы имело место развитие, содействующее накоплению роботами репертуара новых навыков благодаря автономному самопознанию, социальному взаимодействию с преподавателями-людьми и использованию механизмов наведения (использованию активного обучения, созревания, синергии двигателя и т. д.).
1.4 Обработка естественного языка. Восприятие машины и область робототехники
Обработка естественного языка
Дерево разбора представляет собой синтаксическую структуру предложения в соответствии с некоторой формальной грамматикой.
Обработка естественного языка дает машинам возможность читать и понимать человеческий язык. Достаточно мощная система обработки естественного языка позволит использовать пользовательские интерфейсы на естественном языке и получить знания непосредственно из письменных источников, таких как тексты новостей. Некоторые простые приложения обработки естественного языка включают в себя поиск информации, интеллектуальную обработку текста, ответы на вопросы и машинный перевод.
Общим методом обработки и извлечения смысла из естественного языка является семантическая индексация. Хотя для этих индексов требуется большой объем ввода пользователя, ожидается, что увеличение скорости процессора и снижение затрат на хранение данных приведут к повышению эффективности.
Восприятие машины и область робототехники
Восприятие машины это возможность использовать входные сигналы от датчиков (таких, как камеры, микрофоны, тактильные датчики, гидролокатор и другие) для вывода аспектов мира. Компьютерное зрение это способность анализировать визуальный ввод. Несколько выбранных подзадач распознавание речи, распознавание лиц и распознавание объектов.
Область робототехники тесно связана с AI. Интеллект необходим, чтобы роботы обрабатывали такие задачи, как манипулирование объектами и навигация, с такими проблемами, как локализация, сопоставление и планирование движения. Эти системы требуют, чтобы агент мог: быть пространственно осведомленным о своем окружении, учиться и строить карту своей среды, выяснять, как добраться из одной точки в пространстве в другую, и выполнять это движение (оно часто связано с совместимым движением, процессом, в котором движение требует поддержания физического контакта с объектом).
1.5 Аффективные вычисления Вычислительное творчество, искусственный общий интеллект и AI-complete
Аффективные вычисления
Под аффективными вычислениями принято понимание исследований и разработок систем, способных к распознаванию, интерпретированию, обработке и моделированию человеческих аффектов. Их рассматривают в качестве междисциплинарного поля, обеспечивающего охват таких областей как компьютерные науки, психология и когнитивная наука.