Учебное пособие по созданию описания агента, среды, продукта PEAS для искусственного интеллекта вместе с кодом для SMS: спам, классификатор радиолюбителей
Если вы когда-либо проходили курс по ИИ (искусственный интеллект), то вы сталкивались с разделом, называемым агентами и средами. Эти два раздела представляют собой своего рода строительные блоки проекта / продукта, помеченного как «Искусственный интеллект».
Сегодня мы сформулируем описание агента и среды на примере классификации SMS.
Цель: создать программу, которая может классифицировать входящие SMS как спам или любительские (не спам).
Предупреждение о спойлере. В конце, используя эту концепцию, вы можете создать классификатор SMS: спам или ветчина (код и ссылка на описание предоставляются).
Агент
Агент - это то, что воспринимает свое окружение (получая восприятие через датчики), воздействует на свое окружение (через исполнительные механизмы, которые производят действия). Или, другими словами: агент - это программа, которая принимает текущее восприятие окружающей среды от датчиков агента и возвращает действие, которое должно быть выполнено исполнительными механизмами. Агент знает, какие действия он выполняет, но не обязательно знает, какое влияние это окажет на окружающую среду.
Описание агента
В соответствии с целью нам необходимо создать агент, который может классифицировать входящий текст (сообщение) как «ветчину» или «спам», таким образом, основываясь на типе агента [1], этот агент проекта подпадает под простой рефлексный агент, поскольку он принимает меры только на основе текущей среды. ситуация, т. е. отображает текущее восприятие в надлежащее действие, игнорируя историю восприятий. Процесс сопоставления - это просто алгоритм сопоставления на основе правил, который здесь наивный Байес.
Функция агента
Функция, которая определяет действие агента в ответ на каждую возможную последовательность восприятия, то есть функция агента отображает восприятия в действие, а программа агента в сочетании с архитектурой машины реализует функцию агента.
Среда агента
Среда - это все, что окружает агента, но не является частью самого агента. Здесь агент «живет» или действует, и дает ему что-то, что можно почувствовать и где ему двигаться. Окружающая среда аналогична миру в реальной жизни, обладая некоторыми своими свойствами. Среда может иметь различные атрибуты от агента [2].
Среда задач
Среда задач также называется высокоуровневым описанием агентов ИИ, и ее можно запомнить с помощью мнемоники PEAS (Performance, Environment, Actuators , Sensors) [3]. Среда задач и их атрибуты, характерные для классификатора SMS-спама или радиолюбителей, приведены ниже.
Полностью наблюдаемый: здесь агенту не нужно поддерживать какое-либо внутреннее состояние для отслеживания мира, поскольку оно основано на наивном Байесе, предполагающем, что функции в наборе данных взаимно независимы и не нуждаются в их поддержке, а агент датчик дает ему доступ к полному состоянию окружающей среды в любой момент времени.
Детерминированный: мы можем предсказать поведение агентов (классификатор), то есть, каким будет результат работы агента, когда мы предоставим надежный спам-текст (сообщение).
Эпизодический. Многие классификационные задачи носят эпизодический характер [1]. Агент может классифицировать спам или нежелательную почту на основе каждого текущего решения, независимо от предыдущего выбора, то есть текущее решение не влияет на то, является ли следующий текст спамом или нет, и оно намного проще, чем последовательное, поскольку окружению не нужно думать наперед.
Статическая среда: как проект, среда не изменяется, пока агент (классификатор) обдумывает действие (спам или ветчина).
Дискретный: поскольку агент имеет фиксированное (конечное) количество восприятий и действий.
Агентство: одиночное, поскольку в среде нет другого агента, который мог бы взаимодействовать.
ГОРОХ
- Показатели производительности. Как ИИ узнает, что делает то, что должен делать?
- Среда. С какой средой взаимодействует агент?
- Актуаторы: как ИИ влияет на окружающую среду?
- Датчики: как ИИ получает информацию из окружающей среды?
А описание среды задач классификатора PEAS приведено ниже:
Это достаточное понимание, основанное на дисциплине ИИ, которое поможет вам создать продукт машинного обучения. Используя эту концепцию, вы можете создать SMS: классификатор спама или радиолюбителей.
Этот блог представляет собой отрывок из моей предыдущей статьи под названием Полное руководство по SMS: спам или классификатор любительских сообщений
Если у вас есть какие-либо вопросы по статье или вы хотите вместе работать над вашим следующим проектом в области науки о данных, напишите мне в LinkedIn.
Рекомендовать чтения
- Создайте свое первое веб-приложение для визуализации данных на Python с помощью Streamlit
- Малоизвестные способы улучшить визуализацию данных
- Удивительно эффективный способ сопоставления имен в Python
- Агенты в области искусственного интеллекта
- Простой способ поиска и визуализации отсутствующих данных в Python
использованная литература
[1] Рассел, Стюарт Дж. И Питер Норвиг. Искусственный интеллект: современный подход. Энглвуд Клиффс, Нью-Джерси: Prentice Hall, 1995. Печать.
[2] Интеллектуальные агенты (2008). Получено 1 марта 2020 г. с сайта http://en.wikipedia.org/wiki/Intelligent_agents.
[3] Искусственный интеллект / Агенты ИИ и их окружения. Получено 1 марта 2020 г. из https://en.wikibooks.org/wiki/Artificial_Intelligence/AI_Agents_and_their_Environments
