Bu derste Ajan kavramını, Zeki bir ajanın davranma şeklini, Ortam ile olan iletişimini ve karar verme süreçlerini, ortam çeşitlerini (tam bilgi / kısmı bilgi (fully / partially observable) , belirli / olasılıksal (deterministic / stochastic) dinamik/static, episodic/sequential, kesikli / sürekli (discrete/continious), tek ajan ve çoklu ajan).
PEAS kavramını (performans, ortam, aksiyon ve sensörleri), refleks ajanları, model tabanlı refleks ajanları, hedef tabanlı ajanları ve fayda tabanlı ajanları Doç.Dr.Sadi Evren Şeker’den öğreniyoruz.
Ajan: Bizi temsil eden, bizim zekâmızı temsil eden, bizim kendisine öğrettiklerimizi temsil eden zeki bir varlıktır. Bu varlık bir yazılımdır. Matrix filmini izlediyseniz, o filmde de ajanlar olduğunu ve çalışma şekillerinin nasıl olduğunu hatırlıyorsunuzdur. Değişik şekillerde ajanlar mevcuttur. Ama bizim de burada bahsedeceklerimiz yazılım ajanlarıdır.
Genel olarak bir ajan birkaç tane iş yapar. Birincisi çevreden bilgi aldığı için çevre ile etkileşimi var. Etkileşimle bahsedilen iki yönlü bir şeydir. Etraftan sensorları vasıtasıyla bir şeyler öğreniyor, bir şeyler algılıyor. Bir de etrafa aksiyon olarak bir geri dönüşümü var. Etrafla olan bu iletişimin yanı sıra kendi iç sistemi de mevcuttur.
Ajanı daha iyi anlamak için insanı bir ajan olarak düşünmemiz lazım. İnsanın da dış dünya ile duyu organları ile kurduğu bir iletişim var. Bu ajan içerde kendi sisteminde dışarıdan aldığı bilgilerle düşünerek ve karar alarak konuşmak, yürümek, koşmak gibi aksiyonlarla da bir geri dönüşüm sağlamaktadır.
Bütün canlılar biyolojik ajanlardır. Kurum, Şirketler ve Devletler de birer ajan olarak düşünülebilir. Her yazılım bir ajan olarak değerlendirilebilir.
Yapay Zekâ ile ilgili bizim rolümüz bu ajanları zeki hale getirebilmektir.
Bunu daha iyi anlamak için şu örnek üzerinden gidebiliriz: Işığı açık kapadığımız zeki olmayan basit bir sistem düşünelim. Anahtarı açtığınız zaman ışık yanıyor, kapattığınız zaman ışık sönüyor.Bu sistem farklı ortamlarda ışığın seviEvetini ayarlayan, çevreden aldığı bilgilerle kendi kendine karar veren bir sisteme dönüştüğü zaman zeki hale gelmiş oluyor. (Kendi kendine aksiyonlarına karar veren bir hale gelmesi zeki ajan olması demektir.)
Yapay Zekâ çalışmalarında Rasyonel çalışan (Rational agents) bir yapay zeka oluşturmak ana hedefimizdir. Rasyonellikten bahsediyorsanız, mantıklı olan, insanların “evet doğrudur” diyebileceği sonuçlarla bitmesi, hedeflerle çalışması gerekiyor ajanın. Ortamı temizleyen bir süpürgeden bahsediyorsanız, süpürgenin en kısa sürede, en az gürültü çıkararak, en az elektrik harcayarak ortamı temizlemesini beklemeniz rasyonel (mantıklı) ve herkesin kabul edebileceği bir beklentidir.
Bu ders boyunca insansal değil mantıksal çalışan yapay zeka çalışmalarına odaklanacağız. Rasyonel akım bizim temel dayanağımız olacak.
Bizim adımıza çalışacak olan üstüne bilgi yüklediğimiz zeki ajanımızın mantıklı hareket etmesini bekliyoruz. Ajanımız bir eylem sıralaması yapacak, yapacağı eylemleri aksiyonları belirli bir sıraya göre yapacak. Bu sıranın en verimli şekilde olmasını hedefliyoruz. En kısa zamanda gerçekleştirmesi de diğer bir hedefimizdir. Rasyonel bir ajan oluştururken ki amacımız acaba nasıl bir dizilimde bu eylemleri yapabilir. Hangi durumlarda hangi eylemleri yapmalıdır sorularının doğru cevap verilebilmesi.
Bir sistemin otomatik olarak çalışabilmesi (autonomous) belli kararları kendisinin başka bir müdahaleye gerek kalmadan verebilmesidir. Bu karaları veremeyeceği durumlarda (ilk programında bulunmayan durumlar) kendi kendine öğrenerek bunları zamanla otomatik hale getirebilmesi.
PEAS:
(Her ne kadar bezelye olarak Türkçe ye çevrilebilecek olsa da:) aslında Performance measures, Environment, Actuators, Sensors kelimelerinin baş harfidir)
Her hangi bir Zeki Ajan için bu 4 yapıdan bahsederiz.
Performance measures: Performans kriterinin belirtilmesi (Elektrik süpürgesi örneğinde en kısa zamanda kriterini koyduğumuz gibi..)
Environment: Çevre/ Ortam (Sabit mi? Değişken mi? Çevre hakkında bilinenler)
Actuators: Aksiyonlar, Eylemler (Çıktılar)
Sensors: ( Ortamdan alınan bilgiler)
Otomatik Giden Taksi Sürücüsü Örneğinde PEAS’ın uygulanması:
Performans kriterinin belirtilmesi: Güvenlik, Hızlı ulaşması (hız sınırlarına uyması ve kurallara uyması kriterlerine bağlı kalarak), Rahat bir yolculuk yapması (bozuk yollara girmemesi, ani dönüşler yapmaması gibi), Yüksek karlılık
Çevre/Ortam: Yollar, Trafik, Yayalar, Müşteriler
Herhangi bir sistemden kopuk tek başına var olabilen bir sistem olamaz. Olsaydı zaten biz bilemezdik.
“Her şey diğer bir şeyle bir şekilde ilişkilidir.”
Her sistem diğer sistemlerle iletişime giren bir alt sistemdir.
Aksiyonlar, Eylemler (Çıktılar) : Direksiyon, Gaz, Fren, Sinyaller, Korna
Bir sürücünün yaptığı tüm eylemler buraya eklenebilir.
Ortamdan alınan bilgiler: Kamera sistemi, Mesafe ölçümünde kullanılmak üzere sonar, hız göstergesi, konum göstermeye yarayan GPS, kaç km yol gittiğimizi ölçen Odometer, Motorla ilgili sensorlar, klavye
Diğer Ajan Örnekleri :
*Tıbbi Tanı Sistemi-Medical Diagnosis System
(IBM Watson 15 yıllık uzman bir doktordan daha iyi teşhis konduğu söyleniyor),
*Parça Birleştirme Robotları- Part-picking robot,
*İnteraktif İngilizce Eğitmeni- Interactive English tutor..
Environment types- Ortam Çeşitleri: Ortamı iyi tanırsak, ortamı iyi analiz edersek, iyi sınıflandırırsak ajanımızı da ona göre doğru bir şekilde programlayabiliriz.
Fully observable (vs. partially observable) – Ortamın tamamını ya da bir kısmını bilmek
Deterministic (vs. stochastic)- Sizin ortamınızın tam olarak bir sonraki adımlarının tam olarak bilinmesi yani kesinlik içeren bir yapı Deterministic, olasılık içeren olasılıksak bir yapı ise stochastic bir yapıdır.
Episodic (vs. sequential)- Siz problemi küçük alt parçalara bölebiliyor musunuz?
Static (vs. dynamic)- Ortamın değişiyor ya da değişmiyor olması.
Discrete (vs. continuous)- Kesitli ya da sürekli olması.
Single agent (vs. multiagent)- Tek ajan mı yoksa takım/sürü ajan mı?
Satranç (Saatli) Satranç (Saatsiz) Taksi Şoförü
Fully observable Evet Evet Hayır
Deterministic Stratejik Stratejik Hayır
Episodic Hayır Hayır Hayır
Static Yarı Evet Hayır
Discrete Evet Evet Hayır
Single agent Hayır Hayır Hayır
Ajan Çeşitleri
Simple reflex agents-Basit refleks ajanları : Sensorler vasıtasıyla çevre analiz ediliyor. Kendi kurallar tabanında analiz edip, tartıyor ve buna göre bir aksiyon belirlenerek ortama tekrar iletiliyor. Firewall örneğinde olduğu gibi. (Porttan gelen bir paket engeller listesindeyse engeller, engeller listesinde değilse engellemez)
Model-based reflex agents- Model tabanlı refleks ajanları: Arka tarafta belli bir kural tabanı, durumların tutulması söz konusu. Bir model oluşturuluyor ve oluşturulan modele göre aksiyon alınıyor.
Goal-based agents-Hedef tabanlı ajanlar: Hedef ortama ekleniyor. Sadece ortamı anlamak, ortama göre anında refleks vermek veya ortama göre bir model oluşturmak değil aynı zamanda hedefimizin de göz önünde bulundurulması gerekmektedir.
Utility-based agents-Fayda tabanlı ajanlar : Burada bunun nasıl fayda sağlayacağı sorusu ilaveten sorulur? Hedefe ulaşmanın ötesinde o hedefe ulaşmak ilave faydalar sağlıyor mu?
BU DERSE AİT SUNUMLARA AŞAĞIDAKİ LİNKLE ULAŞABİLİRSİNİZ..
