🍀 Ch04 Agent and Search 🍀

1. Problem-Solving Agents 문제 해결 에이전트

Agent 에이전트

센서를 통해 환경을 감지하고 actuator를 통해 해당 환경에 따라 작동하는 것으로 볼 수 있는 모든 것

인간, 로봇, 소프트봇, 온도 조절 장치 등등

agent function은 인지 이력으로부터 행동으로 엮음

f : P* -> A

에이전트 프로그램은 f를 생성할 물리적 아키텍처에서 실행됨

The Nature of Environments 환경의 본질

PEAS

합리적 에이전트를 설계하려면, 작업 환경을 지정해야 함

성능, 환경, 액추에이터, 센서

작업 환경의 속성

완전히 관찰 가능 vs 부분적으로 관찰 가능

결정론적 vs 확률론적(비결정론적)

에피소드형 vs 순차형

정적 vs 동적

이산 vs 연속

단일 에이전트 vs 다중 에이전트

환경 유형은 에이전트 디자인을 크게 결정함

에이전트 유형

일반적이 증가하는 순서

Simple reflex agents / Model-based reflex agents / Goal-based agents 등

Table driven agents 테이블 기반 에이전트

실패할 운명...

-

AI의 핵심 과제는 가능한 한 거대한 테이블보다는 작은 프로그램으로부터

합리적인 행동을 이끌어내는 프로그램을 작성하는 방법을 찾는 것

-

Simple reflex agents 단순 반사 에이전트

나머지 지각 이력을 무시하고, 현재 인식에 따라 조치 선택

Model-based reflex agents 모델 기반 반사 에이전트

지각 이력에 따라 어떤 종류의 내부 상태를 유지하고, 이를 통해 현재 상태의 관찰되지 않은 측면 중 일부를 최소한 반영

Goal-based agents 목표 기반 에이전트

목표에 대한 바람직한 상황을 묘사하는 어떤 종류의 정보가 필요함

 

 

State 상태

에이전트와 그 환경의 구성

initial state 초기 상태

에이전트가 시작하는 상태

actions 

상태에서 내릴 수 있는 선택

actions(s)는 s 상태에서 실행될 수 있는 action 세트를 반환

transition model 전환 모델

해당 상태에서 적용 가능한 action을 수행하면 어떤 상태가 발생하는지에 대한 설명

result(s, a) 는 state에서 작업을 수행한 결과의 상태를 반환

state space 상태 공간

초기 상태에서 모든 동작 시퀀스를 통해 도달할 수 있는 모든 상태의 집합

goal test 

주어진 상태가 목표 상태인지 여부를 결정하는 방법

ex) 네비게이터 앱에서 goal test는 에이전트의 현재 위치가 목적지에 있는지 여부

Path Cost 경로 비용

주어진 경로와 관련된 수치적 비용

목표 상태에 도달할 수 있는 가장 빠른 방법을 찾는 것

문제 및 해결책 검색

문제 정의 <initial state, actions, transition model, goal test, path cost>

문제에 대한 최적의 해결책은 최소 비용으로 초기 상태에서 목표 상태로 이어지는 행동 순서

state space에서의 탐색으로서의 문제 해결

목표 설정 : 목표는 목적을 제한함으로써 행동을 조직함

문제 공식화 : 고려되어야하는 동작과 상태가 수행되어야 하는지 결정하는 과정

검색 : state space의 목표에 도달하는 일련의 동작을 찾는 과정

실행 : 에이전트는 솔루션의 작업을 한 번에 하나씩 실행할 수 있음

 

이어서...