Qual è la differenza tra agenti basati sugli obiettivi e agenti basati sull'utilità? Per favore, fornisci un esempio nel mondo reale.
Qual è la differenza tra agenti basati sugli obiettivi e agenti basati sull'utilità? Per favore, fornisci un esempio nel mondo reale.
Risposte:
L'utilità è fondamentale per l'intelligenza artificiale perché è il mezzo con cui valutiamo le prestazioni di un agente in relazione a un problema. Per distinguere tra il concetto di utilità economica e funzioni di elaborazione basate sull'utilità, viene utilizzato il termine "misura delle prestazioni".
Il modo più semplice di distinguere tra un agente basato sugli obiettivi e un agente basato sull'utilità è che un obiettivo sia definito in modo specifico, in cui la massimizzazione dell'utilità è generale. (L'ottimizzazione dell'utilità è essa stessa una forma di obiettivo, ma generalizzata piuttosto che specifica.)
Un agente di navigazione basato sull'obiettivo ha il compito di passare dal punto A al punto B. Se l'agente ha successo, l'obiettivo è stato raggiunto.
Un agente di navigazione basato sull'utilità potrebbe cercare di passare dal punto A al punto B nel minor tempo possibile, con il minimo dispendio di carburante o entrambi.
Nell'esempio sopra, anche l'agente di utilità è basato sugli obiettivi, ma laddove la misura delle prestazioni dell'agente di obiettivo è un binario [esito positivo / negativo], l'agente di utilità può utilizzare numeri reali e misurare le prestazioni in base al grado. L'agente di utilità consente una maggiore granularità nella valutazione.
Per un esempio di agente di utilità non basato su goal, considera una forma di sudoku partigiano in cui i giocatori competono per controllare le regioni sul tabellone posizionando numeri interi ponderati.
In una partita con 9 regioni, l'agente basato sull'obiettivo cerca di controllare un numero specifico di regioni alla fine della partita . Se l'agente è conservatore, l'obiettivo potrebbe essere 5 regioni. Se l'agente è iper-aggressivo, l'obiettivo potrebbe essere 9 regioni. Quando si valuta l'ambiente (tabellone), se l'agente domina il numero desiderato di regioni, potrebbe scegliere di consolidare (rafforzare); se l'agente non domina il numero desiderato di regioni, potrebbe scegliere di espandere (attacco).
La strategia di cui sopra può essere efficace, ma è limitata dalla specificità dell'obiettivo. Un obiettivo iper-aggressivo funzionerebbe bene contro un avversario debole, ma contro un avversario forte potrebbe rivelarsi disastroso. Se l'agente è sofisticato, dove le prestazioni sono state scarse, potrebbe alterare il suo obiettivo passando a una "strategia di turtling" e cercare di controllare un minor numero di regioni, ma, poiché il nuovo obiettivo è ancora specifico, l'agente potrebbe perdere l'opportunità di migliorarlo stato finale oltre l'obiettivo adeguato.
L'agente basato sull'utilità può avvicinarsi al gioco senza obiettivi specifici oltre a migliorare il suo stato. Invece di cercare di controllare un determinato numero di regioni, l'utility-agent valuta se una determinata scelta migliora o peggiora il suo stato. ("Domino più o meno regioni se prendo questa posizione?") L'agente di utilità può distinguere tra insiemi di scelte benefiche ("quale scelta massimizza il mio beneficio atteso?") E, dove non è possibile ottenere alcun vantaggio, distinguere tra insieme di scelte con il minimo svantaggio ("tra l'insieme di scelte sbagliate, qual è la scelta meno sbagliata?")
In questo esempio, l'utilità-agente non ha nemmeno bisogno di capire la condizione di vittoria (controllando più regioni dell'avversario alla fine del gioco). Invece, l'utilità-agente cerca semplicemente di massimizzare il numero di regioni controllate sul corso di gioco, che si tradurrà in vittoria se l'agente fa scelte più ottimali rispetto all'avversario.
Sia gli agenti basati sugli obiettivi che quelli basati sull'utilità hanno obiettivi. Tuttavia, avere obiettivi non è abbastanza efficace (o efficiente), dato che un agente basato sugli obiettivi può avere diverse azioni che possono portare agli obiettivi, ma non tutte queste azioni sono ugualmente efficaci. Quindi è necessario che un agente esegua l'azione più efficace. E questo viene fatto da un agente basato sull'utilità.
Detto questo, per un agente che mostra la funzione di utilità, mappa ogni stato dopo ogni azione intrapresa o eseguita in modo efficiente ed efficace.
Considera due droni e , dove è un obiettivo basato e un agente basato sull'utilità. (I due droni hanno a bordo chip computerizzati, quindi non è necessario il controllo a terra). Questi droni vengono inviati in missione e hanno un obiettivo. Entrambi i droni rilevano l'obiettivo dato, manon sa quale delle sue azioni disponibili sia più efficiente o efficace. Però,, in base alla sua funzione di utilità , può selezionare l'azione più efficiente o efficace.
Vedi anche l'articolo web Introduzione agli agenti intelligenti (2005), di Frederick Mills e Robert Stufflebeam, per maggiori informazioni sugli agenti intelligenti.