docIntelligence Artificielle Agents Intelligents
download 
Plainte Transcription
Intelligence Artificielle Agents Intelligents
Intelligence Artificielle Agents Intelligents Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy [email protected] Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes Agents intelligents Agents intelligents Agents et environnement Rationalité PEAS Types d’environnement Structure des agents Conclusion Intelligence artificielle N 2 / 21 Agents intelligents Agents intelligents Agents et environnement Rationalité PEAS Types d’environnement Structure des agents Conclusion Intelligence artificielle N 3 / 21 Agents intelligents Agents et environnement Les agents peuvent être des humains, des robots, des logiciels, des thermostats... sensors percepts ? environment actions agent actuators Intelligence artificielle N 4 / 21 Agents intelligents Le monde de l’aspirateur A B Percepts: emplacement et état de propreté e.g., [A, Sale] Actions: Gauche, Droite, Aspire, Rien Intelligence artificielle N 5 / 21 Agents intelligents Le monde de l’aspirateur Percepts [A, Propre] [A, Sale] [B, Propre] [B, Sale] .. . Action Droite Aspire Gauche Aspire .. . Agent aspirateur function Reflex-Vacuum-Agent(location, status) return an action if status = Dirty then return Suck else if location = A then return Right else if location = B then return Left Intelligence artificielle N 6 / 21 Agents intelligents Agents intelligents Agents et environnement Rationalité PEAS Types d’environnement Structure des agents Conclusion Intelligence artificielle N 7 / 21 Agents intelligents Rationalité Une mesure de performance évalue l’environnement Un point par emplacement nettoyé dans le temps t? Un point par emplacement propre à chaque pas de temps, moins 1 point par action effectuée? Un agent rationnel choisit l’action qui maximise la valeur attendue de la mesure de performance en fonction de la séquence de percepts obtenue jusque là Rationnel 6= omniscient → les percepts ne permettent peut-être pas d’obtenir toutes les informations utiles Rationnel 6= clairvoyant → les actions peuvent ne pas avoir les effets escomptés ⇒ Rationnel 6= efficace ⇒ Un agent rationnel explore, apprend, est autonome Intelligence artificielle N 8 / 21 Agents intelligents Rationalité Une mesure de performance évalue l’environnement Un point par emplacement nettoyé dans le temps t? Un point par emplacement propre à chaque pas de temps, moins 1 point par action effectuée? Un agent rationnel choisit l’action qui maximise la valeur attendue de la mesure de performance en fonction de la séquence de percepts obtenue jusque là Rationnel 6= omniscient → les percepts ne permettent peut-être pas d’obtenir toutes les informations utiles Rationnel 6= clairvoyant → les actions peuvent ne pas avoir les effets escomptés ⇒ Rationnel 6= efficace ⇒ Un agent rationnel explore, apprend, est autonome Intelligence artificielle N 8 / 21 Agents intelligents Rationalité Une mesure de performance évalue l’environnement Un point par emplacement nettoyé dans le temps t? Un point par emplacement propre à chaque pas de temps, moins 1 point par action effectuée? Un agent rationnel choisit l’action qui maximise la valeur attendue de la mesure de performance en fonction de la séquence de percepts obtenue jusque là Rationnel 6= omniscient → les percepts ne permettent peut-être pas d’obtenir toutes les informations utiles Rationnel 6= clairvoyant → les actions peuvent ne pas avoir les effets escomptés ⇒ Rationnel 6= efficace ⇒ Un agent rationnel explore, apprend, est autonome Intelligence artificielle N 8 / 21 Agents intelligents Rationalité Une mesure de performance évalue l’environnement Un point par emplacement nettoyé dans le temps t? Un point par emplacement propre à chaque pas de temps, moins 1 point par action effectuée? Un agent rationnel choisit l’action qui maximise la valeur attendue de la mesure de performance en fonction de la séquence de percepts obtenue jusque là Rationnel 6= omniscient → les percepts ne permettent peut-être pas d’obtenir toutes les informations utiles Rationnel 6= clairvoyant → les actions peuvent ne pas avoir les effets escomptés ⇒ Rationnel 6= efficace ⇒ Un agent rationnel explore, apprend, est autonome Intelligence artificielle N 8 / 21 Agents intelligents Rationalité Une mesure de performance évalue l’environnement Un point par emplacement nettoyé dans le temps t? Un point par emplacement propre à chaque pas de temps, moins 1 point par action effectuée? Un agent rationnel choisit l’action qui maximise la valeur attendue de la mesure de performance en fonction de la séquence de percepts obtenue jusque là Rationnel 6= omniscient → les percepts ne permettent peut-être pas d’obtenir toutes les informations utiles Rationnel 6= clairvoyant → les actions peuvent ne pas avoir les effets escomptés ⇒ Rationnel 6= efficace ⇒ Un agent rationnel explore, apprend, est autonome Intelligence artificielle N 8 / 21 Agents intelligents Agents intelligents Agents et environnement Rationalité PEAS Types d’environnement Structure des agents Conclusion Intelligence artificielle N 9 / 21 Agents intelligents PEAS PEAS: Performance measure, Environment, Actuators, Sensors Pour concevoir un agent rationnel, il faut pouvoir spécifier l’environnement Exemple: Taxi automatisé Mesure de performance: Environnement: Actionneurs: Capteurs: Intelligence artificielle N 10 / 21 Agents intelligents PEAS PEAS: Performance measure, Environment, Actuators, Sensors Pour concevoir un agent rationnel, il faut pouvoir spécifier l’environnement Exemple: Taxi automatisé Mesure de performance: sécurité, destination, profits, confort, . . . Environnement: Actionneurs: Capteurs: Intelligence artificielle N 10 / 21 Agents intelligents PEAS PEAS: Performance measure, Environment, Actuators, Sensors Pour concevoir un agent rationnel, il faut pouvoir spécifier l’environnement Exemple: Taxi automatisé Mesure de performance: sécurité, destination, profits, confort, . . . Environnement: rues, traffic, piétons, temps, . . . Actionneurs: Capteurs: Intelligence artificielle N 10 / 21 Agents intelligents PEAS PEAS: Performance measure, Environment, Actuators, Sensors Pour concevoir un agent rationnel, il faut pouvoir spécifier l’environnement Exemple: Taxi automatisé Mesure de performance: sécurité, destination, profits, confort, . . . Environnement: rues, traffic, piétons, temps, . . . Actionneurs: volant, accélérateur, frein, klaxon, . . . Capteurs: Intelligence artificielle N 10 / 21 Agents intelligents PEAS PEAS: Performance measure, Environment, Actuators, Sensors Pour concevoir un agent rationnel, il faut pouvoir spécifier l’environnement Exemple: Taxi automatisé Mesure de performance: sécurité, destination, profits, confort, . . . Environnement: rues, traffic, piétons, temps, . . . Actionneurs: volant, accélérateur, frein, klaxon, . . . Capteurs: vidéo, accéléromètre, GPS, . . . Intelligence artificielle N 10 / 21 Agents intelligents Agents intelligents Agents et environnement Rationalité PEAS Types d’environnement Structure des agents Conclusion Intelligence artificielle N 11 / 21 Agents intelligents Types d’environnement Totalement observable vs. partiellement observable Mono agent vs. Multi agent Déterministe vs. stochastique Episodique vs. séquentiel Statique vs. dynamique Discret vs. continu ⇒ Monde réel? Intelligence artificielle N 12 / 21 Agents intelligents Types d’environnement Totalement observable vs. partiellement observable Mono agent vs. Multi agent Déterministe vs. stochastique Episodique vs. séquentiel Statique vs. dynamique Discret vs. continu ⇒ Monde réel? Intelligence artificielle N 12 / 21 Agents intelligents Types d’environnement Totalement observable vs. partiellement observable Mono agent vs. Multi agent Déterministe vs. stochastique Episodique vs. séquentiel Statique vs. dynamique Discret vs. continu ⇒ Monde réel? Partiellement observable, Multi agent, Stochastique, Séquentiel, Dynamique, Continu Intelligence artificielle N 12 / 21 Agents intelligents Types d’environnement Echecs Poker Diag. médical Taxi Observable Déterministe Episodique Statique Discret Agent Intelligence artificielle N 13 / 21 Agents intelligents Types d’environnement Observable Déterministe Episodique Statique Discret Agent Echecs Total. Poker Part. Diag. médical Part. Taxi Part. Intelligence artificielle N 13 / 21 Agents intelligents Types d’environnement Observable Déterministe Episodique Statique Discret Agent Echecs Total. Det. Poker Part. Stoch. Diag. médical Part. Stoch. Taxi Part. Stoch. Intelligence artificielle N 13 / 21 Agents intelligents Types d’environnement Observable Déterministe Episodique Statique Discret Agent Echecs Total. Det. Séq. Poker Part. Stoch. Séq. Diag. médical Part. Stoch. Séq. Taxi Part. Stoch. Séq. Intelligence artificielle N 13 / 21 Agents intelligents Types d’environnement Observable Déterministe Episodique Statique Discret Agent Echecs Total. Det. Séq. Oui Poker Part. Stoch. Séq. Oui Diag. médical Part. Stoch. Séq. Dyn. Taxi Part. Stoch. Séq. Dyn. Intelligence artificielle N 13 / 21 Agents intelligents Types d’environnement Observable Déterministe Episodique Statique Discret Agent Echecs Total. Det. Séq. Oui Discret Poker Part. Stoch. Séq. Oui Discret Diag. médical Part. Stoch. Séq. Dyn. Continu Taxi Part. Stoch. Séq. Dyn. Continu Intelligence artificielle N 13 / 21 Agents intelligents Types d’environnement Observable Déterministe Episodique Statique Discret Agent Echecs Total. Det. Séq. Oui Discret Multi Poker Part. Stoch. Séq. Oui Discret Multi Diag. médical Part. Stoch. Séq. Dyn. Continu Mono Taxi Part. Stoch. Séq. Dyn. Continu Multi Intelligence artificielle N 13 / 21 Agents intelligents Agents intelligents Agents et environnement Rationalité PEAS Types d’environnement Structure des agents Conclusion Intelligence artificielle N 14 / 21 Agents intelligents Structure des agents Agent = architecture + programme Architecture : système, capteurs, actionneurs... Programme : 4 types basiques Agent Agent Agent Agent réflexe simple réfexe avec état focalisé sur l’objectif focalisé sur l’utilité Intelligence artificielle N 15 / 21 Agents intelligents Agent réflexe simple Agent Sensors Condition−action rules Environment What the world is like now What action I should do now Actuators Intelligence artificielle N 16 / 21 Agents intelligents Agent réflexe avec état Sensors State How the world evolves Environment What the world is like now What my actions do Condition−action rules Agent What action I should do now Actuators Intelligence artificielle N 17 / 21 Agents intelligents Agent focalisé sur l’objectif Sensors State What the world is like now What my actions do What it will be like if I do action A Goals What action I should do now Agent Environment How the world evolves Actuators Intelligence artificielle N 18 / 21 Agents intelligents Agent focalisé sur l’utilité Sensors State What the world is like now What my actions do What it will be like if I do action A Utility How happy I will be in such a state What action I should do now Agent Environment How the world evolves Actuators Intelligence artificielle N 19 / 21 Agents intelligents Agents intelligents Agents et environnement Rationalité PEAS Types d’environnement Structure des agents Conclusion Intelligence artificielle N 20 / 21 Agents intelligents Conclusion Les agents intéragissent avec leur environnement à travers des capteurs et des actionneurs La mesure de performance évalue l’environnement Un agent rationnel maximise la performance attendue La fonction de l’agent décrit ce que l’agent doit faire en toute circonstance Le programme de l’agent implémente des fonctions d’agent Le PEAS permet de spécifier l’environnement Intelligence artificielle N 21 / 21
