Intelligente Agenten

[Teile der Vorlesung stammen aus dem Buch: Artificial Intelligence – A modern approach von Russel, Norvig]
Intelligente Agenten
Ein Agent ist also irgendetwas, das durch Sensoren (sensors) wahrnimmt, und mit seiner
Umgebung (environment) durch seine Effektoren (effectors) agiert.
Charakterisierung von Agenten
Agenten sind charakterisiert durch:
Wahrnehmung (Percepts)
Aktionen (actions)
Ziele (goals)
Umgebung (environment)
= (PAGE)

Beispiele zur Charakterisierung von Agenten
Agenten sind charakterisiert durch: Wahrnehmung (Percepts), Aktionen (actions), Ziele
(goals), Umgebung (environment) = (PAGE)
Medizinisches
Diagnosesystem
Art Wahrnehmung Aktionen Ziele Umgebung
Satllitenbildanalyse
Roboter
Raffinerie
Interaktiver
Englischtutor
Symptome,
Diagnosen,
Antworten des
Patienten
Punkte
verschiedener
Intensität, Farbe
Punkte
verschiedener
Intensität
Temperatur,
Druck
Eingegebene
Wörter &
Übungen,
Vorschläge,
Fragen, Tests,
Behandlungen
Klassifikation
Teile aufheben,
Teile
einsortieren
Öffnen,
Schließen von
Ventilen,
Temperatur
einstellen
Korrekturen
ausgeben
Beispiel: Charakterisierung eines Taxifahrers als Agent
Gesundheit,
geringe Kosten
Korrekte
Klassifikation
Teile richtig
einsortieren
Reinheit, Ertrag,
Sicherheit
maximieren
Testergebnisse
des Studenten
maximieren
Patient,
Hospital
Satellitenbilder
Förderband mit
Teilen
Raffinerie
Studenten
Typ
Taxifahrer
Wahrnehmung Kameras, Tachometer, GPS, Mikrophon
Actions Steuern, Schalten, Bremsen, mit Gästen sprechen
Ziele Sichere, schnelle, legale, komfortable Fahrt, Profit maximieren
Umgebung Straßen, andere Verkehrsteilnehmer, Fußgänger, Fahrgäste

Wie sollten Agenten handeln?
- Ein rationaler Agent tut immer das richtige! Was zu einem gegebenen Zeitpunkt rational
ist, hängt ab von:
• einem möglichst objektivem Bewertung, das den Erfolg des Agenten
bestimmt
• allen Wahrnehmungen des Agenten
• dem Wissen des Agenten über die Umwelt
• den Aktionen, die der Agent ausführen kann
- Ein idealer rationaler Agent führt für jede Wahrnehmungssequenz jene Aktion aus, die auf
der Basis dieser Wahrnehmungssequenz und des Wissens des Agenten die Erfolgserwartung
maximiert.
- Ein wissensbasierter Agent startet mit vorgegebenem Wissen über seine Umwelt und seine
möglichen Aktionen. Durch neue Impulse aus der Umwelt kann er sein Weltwissen erweitern.
Mit diesem neuen Wissen kann der Agent neue Aktionenfolgen ableiten, um sein Ziel zu
erreichen.
• Die zentralen Komponenten eines wissensbasierten Agenten bilden die Wissensbasis
(knowledge base) und der Inferenzmechanismus (inference mechanism).
Ein wissensbasierter Agent empfängt Wahrnehmungen von seiner Umwelt als Eingabe
und erzeugt eine Aktion als Ausgabe. Bei jedem Aufruf werden zwei Aktionen
durchgeführt:
• TELL: erzähle der Wissensbasis die Wahrnehmungen.
• ASK: frage die Wissensbasis, welche Aktion als nächstes zu befolgen
ist.
• Dabei wird durch logisches Schlußfolgern nachgewiesen, welches die bestmögliche
Aktion aufgrund des bestehenden Wissens ist.
- Ein Agent ist autonom, wenn die Aktionen von der eigenen Erfahrung (Wahrnehmung)
abhängen und nicht allein von der eigenen Wissensbasis.

Die Struktur von Intelligenten Agenten
Agent = Agentenprogramm + Architektur
Ein intelligenter Agent setzt sich immer zusammen aus einem Agentenprogramm und der
Architektur, wobei das Agentenprogramm eine Funktion ist, die dafür zuständig ist, dass eine
Abbildung zwischen der Wahrnehmung eines Agenten und seinen Aktionen existiert, Die
Architektur wiederum ist ein Computer auf dem das Agentenprogramm läuft, sowie weitere
Hardware, die bestimmte Aufgaben zu erfüllen hat, wie z.B. Wahrnehmung oder Bewegung.
• Agentverhalten: Wahrnehmungssequenz -> Aktion
• Programm: Implementiert Verhalten des Agenten, d.h. Zuordnung der
Wahrnehmungen auf Aktionen
• Architektur: Im allgemeinen ein Computer, auf dem das Programm läuft
Agentenprogramme
Wir werden mehrere verschiedene Agenten kennen lernen. Sie werdern alle das gleiche
Architekturskelett haben;
Das Skelett eines Agenten:
Programm
• Update des Speichers mit Wahrnehmung
• Beste Aktion auswählen
• Gewählte Aktion merken
function SKELETON-AGENT (percept) returns action
static: memory, the agent`s memory of the world
memory

Warum nicht einfach nachschlagen?
Stellen wir uns doch die einfachste Methode vor, ein Agentenprogramm zu schreiben: Eine
große Nachschlagtabelle, in der zu jeder Wahrnehmungssequenz die beste Aktion aufgelistet
wird.
Warum wird dieser Ansatz scheitern?
• Ein so simpler Agent wie ein Schachcomputer bräuchte eine Tabelle mit
ungefähr Einträgen.
• Es würde für den Entwickler sehr lange dauern, so eine Tabelle zu bauen.
• Der Agent wäre in keinster Weise autonom, da er alles Wissen eingebaut hat. Wenn
sich also die Umgebung ändern würde, wäre er völlig hilflos.

Der einfache reaktive Agent
Der einfache reaktive Agent (simple reflex agent) antwortet unmittelbar auf Wahrnehmungen.
Er hat keine Tabelle, sondern eine Ansammlung von Regeln, die Teile der Tabelle
zusammenfassen. Die Entscheidung wird nur auf der Basis der aktuellen Wahrnehmung
getätigt.
Das Skelett eines einfachen reaktiven Agenten sieht folgendermaßen aus:
Programm
function SIMPLE-REFLEX-AGENT (percept) returns action
static: rules, a set of condition-sction rules
state

Der reaktive Agent mit internem Zustand
• Antwortet unmittelbar auf Wahrnehmungen.
• Kann sich die Vergangenheit merken
Um den internen Zustand zu aktualisieren benötigt der Agent Informationen
• wie die Umwelt sich unabhängig vom Agenten verändert
• wie die Aktionen des Agenten die Umwelt beeinflussen
Programm
function REFLEX-AGENT-WITH-STATE (percept) returns action
static: state, a description of the current world state
rules, a set of condition-sction rules
state

Der zielbasierte Agent
Der zielbasierte Agent ist autonom. Er benötigt Informationen über ein Ziel und darüber, was
seine möglichen AKtionen für Auswirkungen haben. Das läßt ihn die Aktionen wählen, mit
denen er das Zeil erreichen kann.

Der nutzenbasierte Agent
Der nutzenbasierte Agent (utility-based agent) benötigt eine utility-Funktion, die einen
Zustand auf eine reelle Zahl abbildet, um zu beschreiben, wie "glücklich" der Agent aufgrund
einer Aktion ist.