i t I Vtělená kognitivní věda PSY 481 KÍ asiCKy prístup i Klasický přístup používá předzpracovanou informaci (transdukované člověkem) směrovanou na vstupy systému. 0í • Komplexní informace o prostředí je transformována do podoby, které systém rozumí. • Nový požadavek - systém sám musí obsahovat mechanismy, které umožní transdukci informace na podobu, se kterou je schopen pracovat. p rostre Nutnost přejít do komplexnější roviny přemýšlení Nazření problematiku inteligentních systému v kontextu jeho pobytu a pohybu v prostředí. t I • Rozšiřujeme tak původní schéma o vnímání a konání, čímž konstituujeme agenta (racionálního agenta, inteligentního agenta, autonomního agenta). tá prostředí Klasický příklad s mravencem na pláži Je trajektorie jeho cesty složitostí mravencova mozku nebo složitosti prostředí? ti prostředí i ^^^^ ......... ^^^^^t Prostředí mají iicjmjlia. ^iiíuoiligi-ibíuji. ^ojuauiii uuiiciiiusu. • Přístupné a neprístupné: zda agentovy sensory umožňují poskytnou kompletní informaci o stavu prostředí. Pokud ano, je prostredí prístupné, jinak je nepřístupné. Sensory by měly umožnit získat údaje relevantní pro výber akce. Přístupné prostredí má tu výhodu, že si agent nemusí udržovat vnitřní stavy sledovaného sveta. • Deterministické a nedeterministické: je-li následující stav prostředí zcela určen současným stavem a akcemi zvolenými agentem, pak se jedná o deterministické prostředí. V principu nemá agent starosti s nejistotou v přístupném a detenninistickém prostředí. Zdaje prostředí deterministické se obvykle musí určit přímo z hlediska agenta. • Episodické a neepisodické: v episodickém prostředí je agentova znalost/zkušenost rozdělena mexi "episody". Každá episoda se skládá z agentových vnímání následovaných akcemi. Kvalita agentovy akce závisí pouze na dané episodě, protože následné episody na předcházej icích nezávisejí co do jejich vlastní kvality. Episodická prostředí mají výhodu v tom, že agent nemusí myslet dopředu. VI asinosu prostře Statické a dynamické: pokud se prostřed! mění během agentova uvažování, pak je prostředí z jeho hlediska dynamické, jinak je statické. Statická prostředí mají výhodu v tom, že během svého uvažování nemusí agent sledovat svět, a také se nemusí zabývat časem* Semidynamické: pokud se prostředí nemění v čase, ale agentova výkonnost na čase záleží, mluvíme o semidynamlckém prostředí. Diskrétní a kontinuální: existuje-li omezené množství odlišných a jasně určených vnímání a akcí, pak se jedná o duAré^ prostředí (např. šachy jsou diskrétní prostředí—existuje pevné množství možných tahů v každé pozici)' Řízení taxíku je kontirruální—rychlost a poloha taxíku včetně ostatních vozidel se mění v intervalu spojitých hodnot Poza; Při dostatečně jemné úrovni granularity může dokonce i prostředí taxíku být diskrétní, protože obraz kamery je digitalizován na diskrétní hodnoty pixelů, ale smysluplný program agenta je normálně na abstraktnější úrovni, tj. na úrovni, kde je grarxularita považována za spojitou záležitost Prostredí Přístupné Deterministické Episodické Statické Diskrétní Šachy s hodinami ano ano ne semi ano Šachy bez hodin ano ano ne ano ano Poker ne ne ne ano ano Backgammon ano ne ne ano ano Řízení taxi ne ne ne ne ne Medicínská diagnostika ne ne ne ne ne Analýza obrazu ano ano ano semi ne Robot třídící součástky ne ne ano ne ne Řízení čističky ne ne ne ne ne Interaktivní učitel angličtiny ne ne ne ne ano Aa • a ^ 1 ^ genti a prostredí J i i | Typ agenta Vnímání Akce Cfle Prostředí | Medicínský diagnostický systém Symptomy, nálezy, pacientovy odpovědi Otázky, testy, léčba Zdravý pacient, minimální náklady Pacient, nemocnice Systém analýzy satelitních snímků Pixely různé intensity, barva Tisk kategorie záběru Správná kategorizace Obrazy z obíhajícího satelitu Robot sbírající součástky Pixely různé intensity Zvednutí součástky a její uložení do přihrádky Umístění součástek do správných přihrádek Pás přepravující součástky Řízení čističky Teplota, tlak Otevření, zavřeni ventilů; přizpůsobení teploty Maximalizace čistoty, vydatnosti, bezpečnosti Čistička Interaktivní učitel angličtiny Napsaná slova Tisk cvičení, nápověda, opravy Maximalizace studentových výsledků v testech Soubor studentů (Re) a rezentacionismus Prezentacionismus Vnímání je naučeným odhadem Ekologický přístup Realismus Vjemy svázány přímo s prostředím Inteligence je již obsažena v samotném prostředí způsobem jeho průběhu t i Reprezentacionismus Inferenční přístup Idealismus Možnost vytváření aktivní kopie reality v paměti inteligentních systémů Mentální reprezentace- schopnosti být univerzálním zástupcem skupiny jevů či objektů (stejně jako třída či kategorie) = abstraktní a hypotetické entity. • Agent je cokoliv, co může být nahlíženo jako vnímající prostředí skrze své senzory a konající v prostředí skrze efektory (Russel&Norwig, 1995) • Inteligentní agent vykonává nepřetržitě tři funkce: vnímá dynamické podmínky prostředí; koná tak, aby ovlivnil prostředí; a uvažuje aby interpretoval vnímané, řešil problémy, vyvozoval závěry a vytvářel jednání (Hayes-Roth, 1995) • Autonomní agent je systém schopný autonomních a cílevědomých činů v reálném světě (Brustoloni, 1991). Autonomní agent je systém situovaný v prostředí jako součást prostředí, který jej vnímá a koná v něm, ve snaze získat takové vlastní uspořádání, které mu umožní ovlivnit své budoucí vnímání (Franklin, 1996). 0í Základní dělení Autonomní agenti Reaktivní agenti Deliberativní agenti voroa agentu Základní požadavky na autonomního agenta: Vtělenost - je brána jako potřeba robota se pohybovat v prostředí, které je mimo něj a mít možnost toto okolí vnímat skrze svou senzorovou výbavu. I I i"! Situovanost - agent (robot) je situován, jestliže dokáže získat dostatečnou informaci o své poloze v prostředí a odpovědět na ni patřičným chováním. Autonomie - je vlastně kombinací vtělenosti a situovanosti. Při jejich splnění bude agent schopen samostatně interagovat s prostředím. Taxonomie autonomních agentů i© 1 •---- ■ - Autonomní agenti Biologičtí agenti RobotiČtí agenti Komputační agenti Výzkumní agenti Průmysloví agenti Softwaroví agenti A-life agenti Simulovaní agenti Agenti pro specifické úlohy Virusy Zábavní agenti (Chatbots) Reaktivní agenti i I I Sensorické vstupy mohou být mapovány relativně přímo na efektory. Hlavním mottem je: „Svět sám je svou nejlepší reprezentací". • Interní reprezentace je třeba konstruovat pouze v případech, pokud je to nezbytně nutné. • Úzká vazba systému na prostředí . Inteligence je emergentní vlastností interakce organismu s prostředím. Machina speculatrix i ► * Ashby tvrdil, že komplexní chování je založeno na velkém množství komponentů a jejich vzájemném prostředí v systému. šil • Grey Walter se snažil o dokázání opaku. I s malým počtem komponent dosáhnout velmi komplexního raitenbergovy vozítka Základy reaktivního přístupu položil Braitenberg v experimentech se svými vozítky, které jsou nejvyšší formou redukce tvorbou systémů, jejichž vstupy jsou propojeny přímo s výstupy (v pokročilejší verzi s určitou formou redundance). 0í Braitebergovy vozítka slouží jako dobrý příklad architektury, která neobsahuje interní reprezentace, ani žádné výpočetní mechanismy, ale kde jsou vstupy rovnou propojeny s výstup. U neuronových sítí se to dá přirovnat k typu, který neobsahuje střední skrytou vrstvu. U klasické architektury jde o systém, kde je procesor pouze místem, přes které prochází propojení, přičemž nedochází k žádné formě zpracování. 25B raitenbergovy vozítka ubsumpce i sbírání senzory > vyhýbání sc motory^ bezpečně vpřed tráveni * konzumace detekce jídla T uchopení rozpoznaní překážkv »■ otočení vlevo otočení vpravo 3 * pohyb vpred pohyb vzad V subsumpční architektuře je vrstva komponována jako soubor modulů. Každý modul je tvořen rozšířeným strojem s konečným počtem stavU (speciální finite state automata) Multiagentni systémy Vedle centralizovaných systémů (s bázemi pravidel a faktů a inferenčním mechanismem) existuje od počátku 80. let i myšlenka na rozdělení systému na moduly, které mezi sebou kooperují podle přesně vytyčených pravidel. Jednoduché agenty se seskupují do agentur, které mohou produkovat složitější jednání, než jednotliví agenti. 0í Social Structures Group 1 Group 2 Internal Structure Agent A (ft) Al Concepts Agent B Interactions Agent D Development Multiagentní systém Ukázka multiagentního systému Framstick z oblasti A-Life. ocietni reorie mys Myšlenka multiagentních systémů vychází ze societní teorie mysli M. Minského. Ten se domnívá, že se mysl skládá z jednoduchých agentů, kteří se sdružují do agentur. Jsou top-agenty a a-agenty (percepce a akce). Mezi nimi jsou spoje několika typů: p-spoje (zpracovávají percepce), a-spoje (vykonávají akce) a k-spoje (přenášejí znalosti). ří ří 0í Novinkou jsou právě k-spoje, znamenající způsob nakládání a ukládání znalostí. Jsou založeny na teorii knowledge lines. Paměť při tomto typu ukládána zaznamenává jen část procesů. Jeho následným opakováním lze získat přesnější obraz prostředí, či procesů v okolním prostředí. • Jednoduší reflexní agenti. • Agenti sledující svět. • Agenti zaměření na cíl. • Užitkově zaměření agenti. Reaktivní agent Agent IF-THEN Sensory Jaký je svět nyní Jaká akce má být provedena Efektorj> gent sledující svě i gent zaměřený na cíl stav vývoj světa sensory^- účinek akcí jaký je svět nyní ^^n^Jco se stane [j po akci A cüe jaká akce by měla být provedena Agent efektory o OB a J gent zaměřený na užitek j k stav sensory^- vývoj světa (účinek akcí jaký je svět nyní /^n^Jco se stane IJ po akcí A užitek Agent jaký užitek takový stav přinese ^ jaká akce by mela být provedena Ý efektory hfl OB odmínky tvorby agenta nika prostředí (ekologická nika)! redundance \ kompletní agent i I autonomie soběstačnost situovanost multimodální asociace A* protiklady vtělenost paralelní procesy morfologie architektura mechanismy jednoduchý design vyváženost s prostředím úlohou Ipožadované :hování senzomotor. koordinace 1^ učení sebeorganizace hodnotový systém i tvorb y agenta Typ Agenta Vjemy Akce Cíle Prostředí Řidič taxíku ŤCamerv l ocení Heynečná- Silnice další rychloměr, GPS, sonar, mikrofon _J_ ^/Vh^J. J. J. volantem, akcelerace, brzdění, mluvení k pasažérovi rychlá, předpisová a pohodlná jízda, maximální zisk doprava, chodci, zákazníci Guttner: Church-Turingova teze Neruda: Teoretické otázky neuronových sítí V informačním systému jej naleznete v sekci studijních materiálů. První odkaz je na článek, obsahující filosofické aspekty silné umělé inteligence. Druhý odkaz je na kapitolu z knihy o neuronových sítích