Một agents thông minh cần có kiến thức về thế giới thực để đưa ra quyết định và lý luận để hành động hiệu quả.
Knowledge-based agents là những agents có khả năng duy trì trạng thái bên trong của kiến thức, lập luận dựa trên kiến thức đó, cập nhật kiến thức của họ sau khi quan sát và thực hiện hành động. Những đại lý này có thể đại diện cho thế giới bằng một số đại diện chính thức và hành động một cách thông minh.
Các bài viết liên quan:
Knowledge-based agents bao gồm hai phần chính:
- Knowledge-base and
- Inference system.
Agents dựa trên kiến thức phải có khả năng làm những việc sau:
- Một agents phải có thể đại diện cho các trạng thái, hành động, v.v.
- Một agents Có thể kết hợp các khái niệm mới
- Một agents có thể cập nhật đại diện nội bộ của thế giới
- Một agents có thể suy ra đại diện bên trong của thế giới
- Một agents có thể suy ra các hành động thích hợp.
Kiến trúc của Knowledge-based agents:
Knowledge-based agents (KBA) lấy đầu vào từ môi trường bằng cách nhận thức môi trường. Đầu vào được lấy bởi công cụ suy luận của agents và công cụ này cũng giao tiếp với KB để quyết định theo kho kiến thức trong KB. Yếu tố học tập của KBA thường xuyên cập nhật KB bằng cách học kiến thức mới.
Knowledge base: Knowledge base là thành phần trung tâm của Knowledge-based agents, nó còn được gọi là KB. Nó là một tập hợp các câu (ở đây ‘câu’ là một thuật ngữ chuyên môn và nó không giống với câu trong tiếng Anh). Những câu này được diễn đạt bằng một ngôn ngữ được gọi là ngôn ngữ biểu diễn tri thức. Knowledge base của KBA lưu trữ thông tin thực tế về thế giới.
Tại sao phải sử dụng Knowledge base?
Cơ sở kiến thức là cần thiết để cập nhật kiến thức để một đại lý học hỏi kinh nghiệm và hành động theo kiến thức.
Inference system
Suy luận có nghĩa là rút ra câu mới từ câu cũ. Hệ thống suy luận cho phép chúng ta thêm một câu mới vào cơ sở kiến thức. Một câu là một mệnh đề về thế giới. Hệ thống suy luận áp dụng các quy tắc logic cho KB để suy ra thông tin mới.
Hệ thống suy luận tạo ra dữ kiện mới để agents có thể cập nhật KB. Một hệ thống suy luận hoạt động chủ yếu theo hai quy tắc được đưa ra là:
- Forward chaining
- Backward chaining
Hoạt động do KBA thực hiện
Sau đây là ba hoạt động được thực hiện bởi KBA để hiển thị hành vi thông minh:
- TELL: Hoạt động này cho Knowledge base biết những gì nó nhận được từ môi trường.
- ASK: Thao tác này hỏi Knowledge base mà nó sẽ thực hiện hành động nào.
- Perform: Nó thực hiện hành động đã chọn.
Một agents dựa trên kiến thức chung:
Sau đây là phác thảo cấu trúc của một chương trình đại lý dựa trên kiến thức chung:
function KB-AGENT(percept):
persistent: KB, a knowledge base
t, a counter, initially 0, indicating time
TELL(KB, MAKE-PERCEPT-SENTENCE(percept, t))
Action = ASK(KB, MAKE-ACTION-QUERY(t))
TELL(KB, MAKE-ACTION-SENTENCE(action, t))
t = t + 1
return action agents dựa trên kiến thức nhận percept làm đầu vào và trả về một hành động làm đầu ra. agents duy trì cơ sở kiến thức, KB và ban đầu nó có một số kiến thức nền tảng về thế giới thực. Nó cũng có một bộ đếm để chỉ ra thời gian cho toàn bộ quá trình và bộ đếm này được khởi tạo bằng 0.
Mỗi khi hàm được gọi, nó sẽ thực hiện ba hoạt động của nó:
- Đầu tiên nó NÓI với KB những gì nó cảm nhận được.
- Thứ hai, nó hỏi KB hành động cần thực hiện
- Chương trình agents thứ ba NÓI KB rằng hành động nào đã được chọn.
MAKE-PERCEPT-SENTENCE tạo ra một câu dưới dạng cài đặt rằng agents nhận thức được nhận thức đã cho tại thời điểm nhất định.
MAKE-ACTION-QUERY tạo ra một câu để hỏi hành động nào nên được thực hiện tại thời điểm hiện tại.
MAKE-ACTION-SENTENCE tạo ra một câu khẳng định rằng hành động đã chọn đã được thực hiện.
Các cấp độ khác nhau của agents dựa trên kiến thức:
Agents dựa trên kiến thức có thể được xem ở các cấp độ khác nhau được đưa ra dưới đây:
1. Trình độ kiến thức
Cấp độ kiến thức là cấp độ đầu tiên của agents dựa trên kiến thức, và ở cấp độ này, chúng ta cần xác định những gì agents biết và mục tiêu của agents là gì. Với các thông số kỹ thuật này, chúng tôi có thể khắc phục hành vi của nó. Ví dụ: giả sử một đại lý taxi tự động cần đi từ ga A đến ga B và anh ta biết đường từ A đến B, vì vậy điều này chỉ ở cấp độ kiến thức.
2. Mức độ logic:
Ở cấp độ này, chúng ta hiểu rằng cách biểu diễn tri thức của tri thức được lưu trữ. Ở cấp độ này, các câu được mã hóa thành các lôgic khác nhau. Ở cấp độ logic, sự mã hóa kiến thức thành các câu logic xảy ra. Ở cấp độ logic, chúng ta có thể mong đợi đại lý taxi tự động đến được điểm đến B.
3. Mức độ thực hiện:
Đây là đại diện vật lý của logic và kiến thức. Ở cấp độ thực thi, agents thực hiện các hành động theo cấp độ logic và kiến thức. Ở cấp độ này, một đại lý taxi tự động thực sự triển khai kiến thức của mình và logic để anh ta có thể đến đích.
Các cách tiếp cận để thiết kế một agents dựa trên kiến thức:
Chủ yếu có hai cách tiếp cận để xây dựng một agents dựa trên kiến thức:
1. Cách tiếp cận khai báo: Chúng ta có thể tạo Knowledge-based agents bằng cách khởi tạo với Knowledge base trống và nói với agents tất cả các câu mà chúng ta muốn bắt đầu. Cách tiếp cận này được gọi là cách tiếp cận Khai báo.
2. Cách tiếp cận theo thủ tục: Trong cách tiếp cận thủ tục, chúng ta mã hóa trực tiếp hành vi mong muốn dưới dạng mã chương trình. Có nghĩa là chúng ta chỉ cần viết một chương trình đã mã hóa hành vi hoặc agents mong muốn.
Tuy nhiên, trong thế giới thực, một agents thành công có thể được xây dựng bằng cách kết hợp cả phương pháp khai báo và thủ tục, và kiến thức khai báo thường có thể được biên dịch thành mã thủ tục hiệu quả hơn.
