انواع محیط های عامل در هوش مصنوعی + مثال و توضیح

۲۹۶۶ بازدید
آخرین به‌روزرسانی: ۰۱ خرداد ۱۴۰۲
زمان مطالعه: ۹ دقیقه
انواع محیط های عامل در هوش مصنوعی + مثال و توضیح

در حیطه «هوش مصنوعی» (Artificial Intelligence)، برای تعریف سیستم‌های هوشمند می‌توان ۲ بخش کلی «عامل هوشمند» (Intelligent Agent) و «محیط» (Environment) را در نظر گرفت. عامل هوشمند به عنوان موجودیتی در محیط پیرامون خود اقداماتی را انجام می‌دهد و بازخوردهایی را دریافت می‌کند. محیط‌های پیرامون عامل هوشمند دارای ویژگی‌های مختلفی هستند و می‌توان معیارهایی را برای تفکیک آن‌ها از یکدیگر قائل شد. در مطلب حاضر، به انواع محیط های عامل در هوش مصنوعی می‌پردازیم و برای هر یک از آن‌ها مثالی ملموس از دنیای واقعی ارائه می‌کنیم.

997696

عامل هوشمند چیست ؟

در انواع هوش مصنوعی، مفهوم عامل هوشمند به هر موجودیتی اطلاق می‌شود که بتواند محیط اطراف را از طریق حسگرهای خود درک کند و با انجام اقداماتی، بر محیط اثرگذار باشد. بنابراین، می‌توان گفت عامل هوشمند سه گام درک کردن، فکر کردن و اقدام کردن را انجام می‌دهد.

در تعاریف متعدد هوش مصنوعی و اجزای سیستم‌های هوشمند، عامل هوشمند را می‌توان به سه نوع تقسیم کرد که در ادامه به آن‌ها اشاره شده است:

  • عامل انسانی: عامل انسانی حسگرهایی مانند گوش، چشم، بینی و دهان دارد و از دستان و پاهای خود برای انجام یک سری فعالیت‌ها استفاده می‌کند.
  • عامل ربات: عامل ربات دارای دوربین یا رادار است که از طریق آن‌ها، داده‌های ورودی را از محیط دریافت می‌کند. همچنین، چنین عامل‌هایی دارای یک سری موتورها هستند که با استفاده از آن‌ها می‌توانند فعالیت‌ها و کارهایی را انجام دهند.
  • عامل نرم‌افزاری: این نوع عامل می‌تواند فایل‌ها یا داده‌هایی را به عنوان ورودی خود دریافت کند و پس از اعمال تغییرات یا محاسباتی بر روی آن‌ها، خروجی را ارائه دهد.
انواع عامل هوشمند

بدین ترتیب، می‌توان گفت دنیای اطراف ما پر از عامل‌های مختلف نظیر تلفن همراه، دوربین، مایکروویو و مواردی از این قبیل است و حتی خودِ انسان نیز به عنوان عامل هوشمند محسوب می‌شود.

محیط عامل در هوش مصنوعی چیست ؟

افرادی که علاقه‌مند به رشته هوش مصنوعی هستند و بر اساس نقشه راه هوش مصنوعی در این مسیر به عنوان تازه‌وارد قدم می‌گذارند، در اصطلاحات متداول هوش مصنوعی، با عبارت «محیط» مواجه می‌شوند.

دنیایی پیرامون عامل هوشمند وجود دارد که به آن محیط عامل گفته می‌شود. محیط پیرامون عامل، خود عامل را دربر نمی‌گیرد. به عبارتی، می‌توان گفت محیط، آن شرایط و موقعیتی است که عامل در آن حضور دارد. در بازی شطرنج، صفحه شطرنج به عنوان محیط و بازیکن‌های شطرنج به عنوان عامل‌های هوشمند محسوب می‌شوند.

عامل از طریق حسگرهای خود، از محیط اطراف اطلاعاتی را دریافت می‌کند و سپس با پردازش آن‌ها، تصمیم می‌گیرد چه اقدامی انجام دهد و چه تاثیری بر محیط پیرامون خود بگذارد. زمانی که با استفاده از هوش مصنوعی قصد داریم مسئله‌ای را حل کنیم، لازم است محیط پیرامون عامل را بشناسیم و ویژگی‌های مختلف محیط را مد نظر قرار دهیم.

محیط عامل در هوش مصنوعی

چنانچه به سرفصل‌های درس هوش مصنوعی نگاهی بیندازیم، می‌بینیم که بخشی از مبحث مقدماتی این درس، مربوط به توضیح انواع محیط های عامل در هوش مصنوعی است که به عنوان یکی از اجزای اصلی سیستم‌های هوشمند محسوب می‌شود. در ادامه، به توضیح هر یک از انواع محیط های عامل در هوش مصنوعی می‌پردازیم.

انواع محیط های عامل در هوش مصنوعی

کاربردهای هوش مصنوعی را امروزه می‌توان در سطوح مختلف زندگی بشر ملاحظه کرد. عامل‌های هوشمند در محیط‌های مختلف به دنبال رسیدن به اهداف خود هستند. محیط های عامل در هوش مصنوعی دارای ویژگی‌های مختلفی هستند و عامل‌های هوشمند برای رسیدن به اهداف و کسب موفقیت در به سرانجام رساندن اقدامات و فعالیت‌های خود، باید به ویژگی‌ها و شرایط محیط پیرامون خود اشراف داشته باشند.

می‌توان برای انواع محیط های عامل در هوش مصنوعی معیارهای مختلفی را در نظر گرفت و آن‌ها را به دسته‌های مختلفی تقسیم‌بندی کرد. در ادامه، فهرستی از انواع محیط‌های عامل در هوش مصنوعی فراهم شده است:

  1. «محیط قابل مشاهده» (Fully Observable Environment) و «محیط نیمه پنهان» (Partially Observable Environment)
  2. «محیط قطعی» (Deterministic Environment) و «محیط تصادفی» (Non-deterministic Environment)
  3. «محیط پویا» (Dynamic Environment) و «محیط ثابت» (Static Environment)
  4. «محیط گسسته» (Discrete Environment) و «محیط پیوسته» (Continuous Environment)
  5. «محیط دوره‌ای» (Episodic Environment) و «محیط متوالی» (Non-episodic Environment)
  6. «محیط قابل دسترس» (Accessible Environment) و «محیط غیرقابل دسترس» (Inaccessible Environment)
  7. «محیط تک عامله» (Single Agent Environment) و «محیط چند عامله» (Multiple Agent Environment)
  8. «محیط رقابتی» (Competitive Environment) و «محیط تعاملی» (Collaborative Environment)
  9. «محیط شناخته شده» (Known Environment) و «محیط ناشناخته» (Unknown Environment)
  10. «محیط کامل» (Complete Environment) و «محیط ناقص» (Incomplete Environment)

در بخش‌های بعدی این مطلب، به توضیح هر یک از انواع محیط های عامل در هوش مصنوعی می‌پردازیم.

 

۱. محیط قابل مشاهده و محیط نیمه پنهان

یکی از انواع محیط های عامل در هوش مصنوعی ، محیط قابل مشاهده در مقابل محیط نیمه پنهان است. در محیط قابل مشاهده، عامل برای این که وظیفه خود را به‌طور صحیح و کامل انجام دهد، از طریق سیستم هوش مصنوعی به تمامی اطلاعات مورد نیاز دسترسی خواهد داشت.

به بیان دیگر، در این محیط، عامل هوشمند با استفاده از حسگرهای خود می‌تواند محیط اطراف را به‌طور کامل بشناسد و راه‌حل خود را برای حل مسئله ارائه دهد. چنانچه بخواهیم مثالی از دنیای واقعی برای محیط قابل مشاهده ارائه کنیم، می‌توانیم به خودروی در حال حرکت در جاده اشاره کنیم. راننده (عامل هوشمند) قادر است مسیر رو به روی خود و محیط اطراف جاده مثل پیاده‌رو و افراد و درختان و سایر خودروها را کاملا ببیند. بنابراین، مسیر پیش روی عامل، به عنوان یک محیط قابل مشاهده محسوب می‌شود.

محیط قابل مشاهده و محیط نیمه پنهان

در محیط نیمه پنهان هوش مصنوعی، در یک لحظه خاص، تمامی شرایط محیط برای عامل هوشمند قابل مشاهده نیستند. بدین ترتیب، این عامل‌ها از روش‌های آماری برای استنتاج دانش از محیط استفاده می‌کنند. بازی‌های دو نفره یا چند نفره مثالی از محیط‌های نیمه پنهان به حساب می‌آیند. بازیکن فقط درباره اقدامات و حرکت‌های بعدی خود می‌تواند آگاهی داشته باشد و از بازی سایر بازیکن‌ها و اقدامات بعدی‌شان آگاهی ندارد.

۲. محیط های قطعی و تصادفی به عنوان یکی از انواع محیط های عامل در هوش مصنوعی

محیط‌های قطعی و تصادفی از دیگر انواع محیط های عامل در هوش مصنوعی به شمار می‌روند. در محیط قطعی، شرایط و اتفاقات آتی برای عامل هوشمند مشخص است و هیچ گونه حالت و احتمال رویداد غیرقطعی در محیط وجود ندارد. چراغ راهنمایی و رانندگی به عنوان محیط قطعی برای عامل هوشمند انسانی محسوب می‌شود که وضعیت بعدی آن برای عامل مشخص است.

محیط تصادفی به عنوان یکی دیگر از انواع محیط های عامل در هوش مصنوعی محسوب می‌شود که در آن، شرایط بعدی محیط برای عامل به‌طور قطعی مشخص نیست. ایستگاه رادیویی و مسابقه فوتبال به عنوان محیط‌های تصادفی تلقی می‌شوند. دریافت کننده سیگنال رادیویی از دریافت سیگنال‌های بعدی مطمئن نیست. در بازی فوتبال نیز، هیچ یک از بازیکن‌ها نمی‌توانند حدس بزنند در چه زمانی فرصت گل زدن را پیدا خواهند کرد.

۳. محیط پویا و محیط ثابت در هوش مصنوعی چیست ؟

محیط پویا و محیط ثابت دو تا از انواع محیط های عامل در هوش مصنوعی محسوب می‌شوند. محیط پویا به‌طور مداوم در حال تغییر است و عامل هوشمند باید برای انجام اقدام خود، به‌طور مکرر شرایط محیط را کنترل کند. شرایط محیط ثابت بر خلاف شرایط محیط پویا است. در محیط ثابت، هیچ چیز تغییر نمی‌کند و عامل زمانی که برای اولین بار در محیط قرار می‌گیرد، می‌تواند تمام محیط را بررسی کند و دیگر لازم نیست برای گرفتن تصمیمات بعدی خود،‌ محیط را مجددا کنترل کند. به بازی فوتبال می‌توان به عنوان محیط پویا اشاره کرد، زیرا موقعیت‌های بازیکن‌ها در هر لحظه در این بازی تغییر می‌کنند و بازیکن باید برای انجام اقدام بعدی خود، تغییرات محیط اطراف را در نظر بگیرد.

محیط پویا و محیط ثابت یکی از انواع محیط های عامل در هوش مصنوعی

جاروبرقی هوشمند، مثالی از عاملی است که می‌تواند در محیط ثابت، یعنی اتاق، به تمیزکاری بپردازد. به عبارتی،‌ محیط اطراف جارو برقی به طور مداوم در حال تغییر نیست و عامل (جاروبرقی) می‌تواند موقعیت اتاق را فقط یک بار بررسی و کار تمیز کردن را شروع کند.

۴. محیط گسسته و محیط پیوسته

از دیگر انواع محیط های عامل در هوش مصنوعی می‌توان به دو محیط گسسته و پیوسته اشاره کرد. محیط گسسته به محیطی گفته می‌شود که در آن، تعداد اقدامات عامل هوشمند برای رسیدن به هدفش محدود است.

بازی شطرنج را می‌توان به عنوان مثالی از محیط گسسته مطرح کرد. در این بازی، تعداد حرکات مهره‌ها برای رسیدن به وضعیت برد و باخت محدود است، هرچند در هر بازی ممکن است تعداد حرکات بازیکن‌ها متفاوت باشد.

محیط گسسته و محیط پیوسته به عنوان یکی از انواع محیط های عامل در هوش مصنوعی

از طرف دیگر، محیط پیوسته به محیطی گفته می‌شود که نتوان بازه محدودی را در آن برای اقدامات عامل هوشمند در نظر گرفت. ماشین خودران را می‌توان برای محیط پیوسته مثال زد. به عبارتی، برای رانندگی چنین عاملی نمی‌توان تعداد دفعات قائل شد و رانندگی ماشین‌های خودران در یک بازه پیوسته انجام می‌شود.

۵. محیط دوره ای و محیط متوالی در هوش مصنوعی چیست ؟

محیط دوره‌ای و محیط متوالی از انواع محیط های عامل در هوش مصنوعی محسوب می‌شوند. در محیط دوره‌ای، عامل هوشمند بدون در نظر گرفتن اقدامات قبلی خود، در گام فعلی درباره اقدام جدید خود تصمیم‌گیری می‌کند، در حالی که در محیط متوالی، اقدامات و تصمیمات قبلی عامل، در گرفتن تصمیم جدید و انجام فعالیت جدیدِ عامل نقش به‌سزایی دارند. بدین ترتیب،‌ عاملی که در محیط متوالی قرار می‌گیرد، باید دارای حافظه باشد تا تمامی کنش‌ها و واکنش‌های قبلی را در آن ذخیره کند.

چنانچه بخواهیم از دنیای واقعی، مثالی برای محیط دوره‌ای ارائه کنیم، می‌توان به ربات پاسخ‌گو اشاره کرد. این ربات هر بار به پرسش کاربران پاسخ می‌دهد و برای پاسخ به پرسش، نیازی ندارد به پرسش‌های پیشین کاربر توجهی داشته باشد.

محیط دوره ای و محیط متوالی

بازی چکرز نیز مثالی از دنیای واقعی است که می‌توان آن را برای محیط متوالی در نظر گرفت. در این محیط، تمامی حرکات قبلی بازیکن‌ها می‌توانند بر روی حرکات بعدی آن‌ها تاثیرگذار باشند.

۶. محیط قابل دسترس و محیط غیرقابل دسترس به عنوان یکی از انواع محیط های عامل در هوش مصنوعی

از دیگر انواع محیط های عامل در هوش مصنوعی می‌توان به دو محیط قابل دسترس و محیط غیرقابل دسترس اشاره کرد. در محیط‌های قابل دسترس، عامل هوشمند به اطلاعات کامل و دقیقی از شرایط محیط دسترسی دارند. اتاق یک خانه برای عامل هوشمند به عنوان محیطی قابل دسترس محسوب می‌شود که عامل به تمام وسایل داخل اتاق و اقصی نقاط اتاق دسترسی دارد.

در محیط‌های غیرقابل دسترس، عامل هوشمند به اطلاعات کامل و دقیقی از محیط آگاهی ندارد و به‌طور دقیق نمی‌داند چه شرایطی در محیط به وجود خواهد آمد. کره زمین را می‌توان به عنوان محیط غیرقابل دسترس تلقی کرد که ممکن است انسان به عنوان یک عامل هوشمند، در پی رخداد یک اتفاق در زمین، به کلیه پیامدهای آن اشراف نداشته باشد.

محیط قابل دسترس و محیط غیرقابل دسترس به عنوان یکی از انواع محیط های عامل در هوش مصنوعی

۷. محیط تک عامله و محیط چند عامله

تعداد عامل‌های موجود در محیط به عنوان یکی از معیارهای دسته‌بندی انواع محیط های عامل در هوش مصنوعی به شمار می‌رود. چنانچه برای حل یک مسئله در محیط، تنها یک عامل هوشمند وجود داشته باشد، به آن محیط، محیط تک عامله گفته می‌شود. بازی تنیس را می‌توان به عنوان یک محیط تک عامله در نظر گرفت که عامل انسانی در مقابل دیوار با توپ تنیس بازی می‌کند.

در مسائلی که چندین عامل هوشمند در محیط حضور داشته باشند و فعالیت‌ها و وظایفی را در راستای رسیدن به هدف مشترک انجام دهند، با محیط چند عامله رو به رو هستیم. بازی فوتبال را می‌توان به عنوان مثالی از دنیای واقعی برای محیط چند عامله ارائه کرد که چندین بازیکن فوتبال برای برد بازی، با یکدیگر فوتبال بازی می‌کنند.

۸. محیط رقابتی و محیط تعاملی

یکی دیگر از انواع محیط های عامل در هوش مصنوعی، محیط رقابتی است که در آن، چندین عامل هوشمند در مقابل یکدیگر قرار دارند و در تلاش هستند در راستای رسیدن به اهداف خود، با هم مقابله کنند. بازی شطرنج به عنوان محیط رقابتی محسوب می‌شود که در آن ۲ بازیکن برای برد بازی با یکدیگر رقابت می‌کنند.

از دیگر انواع محیط های عامل در هوش مصنوعی، می‌توان به محیط تعاملی اشاره کرد. در چنین محیطی، چندین عامل برای رسیدن به هدف مشترک، با یکدیگر به تعامل و همکاری می‌پردازند. خانه‌های هوشمند،‌ به عنوان محیط تعاملی تلقی می‌شوند که حسگرهای موجود در این خانه‌ها در کنترل وضعیت ایمن خانه، با یکدیگر در تعامل هستند.

مثالی از محیط رقابتی و محیط تعاملی

۹. محیط شناخته شده و محیط ناشناخته یکی از انواع محیط های عامل در هوش مصنوعی

محیط شناخته شده و محیط ناشناخته از دیگر انواع محیط های عامل در هوش مصنوعی هستند که معیار این محیط‌ها بر اساس سطح دانش عامل هوشمند از محیط تعیین می‌شود.

در محیط شناخته شده،‌ عامل هوشمند به تمامی شرایط محیط و قوانین و بازخوردهای آن اشراف دارد. به عبارتی، عامل هوشمند در چنین محیط‌هایی به‌طور کامل می‌داند که چه اقداماتی را می‌تواند انجام دهد و نتایج حاصل از آن اقدامات چیست. بازی شطرنج را می‌توان به عنوان محیط شناخته شده در نظر گرفت. بازیکن (عامل هوشمند) تمامی حالت‌های حرکت مهره‌ها و وضعیت حاصل از انجام حرکت‌ها را می‌تواند در ذهن خود تجزیه و تحلیل کند.

محیط شناخته شده و محیط ناشناخته به عنوان یکی از انواع محیط های عامل در هوش مصنوعی

در مقابل، عامل هوشمند در محیط‌های ناشناخته دانش ناکافی و محدود از قوانین و شرایط حاصل از اقدامات انجام شده دارد. به عبارتی، عامل هوشمند در چنین محیط‌هایی به‌طور کامل نمی‌داند چه اقداماتی را می‌تواند انجام دهد و نتایج حاصل از آن اقدامات چه خواهند بود. برنامه‌های مبتنی بر «یادگیری تقویتی» (Reinforcement Learning) به عنوان محیط‌های ناشناخته در نظر گرفته می‌شوند. +

در بازی‌های کامپیوتری که عامل هوشمند غیر انسانی (یعنی سیستم کامپیوتری) به مرور یاد می‌گیرد چطور بازی را انجام دهد و با توجه به امتیازات مثبت و منفی حاصل از انجام اقدامات خود، عملکردش را در حین بازی بهتر می‌کند، با محیط ناشناخته رو به رو هستیم.

۱۰. محیط کامل و محیط ناقص

از محیط‌های کامل و ناقص می‌توان به عنوان یکی دیگر از انواع محیط های عامل در هوش مصنوعی یاد کرد. در محیط کامل، عامل هوشمند برای حل مسئله به تمام شرایط محیط آگاه است. به بیان دیگر، عامل در هر مرحله از حل مسئله، می‌داند که اقدام بعدی او چه نتایجی را در بر خواهد داشت. بازی شطرنج را می‌توان به عنوان مثالی برای محیط کامل در نظر گرفت.

از طرف دیگر، در محیط ناقص، عامل هوشمند نمی‌تواند تمامی اقدامات بعدی و اثرات حاصل از آن‌ها از قبل پیش‌بینی کند. بازی پوکر نمونه‌ای از محیط ناقص است.

جمع‌بندی

عامل هوشمند و محیط آن، جزء اصلی سیستم‌های هوشمند محسوب می‌شوند. به عبارتی، هدف هوش مصنوعی طراحی عامل‌های هوشمندی است که بتوانند در یک محیط خاص، در راستای تحقق یک سری وظایف مشخص، کارهایی را انجام دهند. همان‌طور که برای عامل هوشمند می‌توان چندین نوع در نظر گرفت، با توجه به ویژگی‌ها و معیارهای مختلف می‌توان برای محیطی که عامل هوشمند در آن اقداماتی را انجام می‌دهد نیز انواع مختلفی در نظر گرفت.

در مطلب فعلی قصد داشتیم به توضیح انواع محیط های عامل در هوش مصنوعی بپردازیم و مثال ملموسی برای هر یک از آن‌ها ارائه کنیم.

بر اساس رای ۱۴ نفر
آیا این مطلب برای شما مفید بود؟
اگر بازخوردی درباره این مطلب دارید یا پرسشی دارید که بدون پاسخ مانده است، آن را از طریق بخش نظرات مطرح کنید.
منابع:
javaTpointgeeksforgeeksBox Of NotesCSVEDAAITUDE
نظر شما چیست؟

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *