AKILLI ETMENLER Yılmaz KILIÇASLAN

Tanımlar Bir etmen (agent), algılayıcıları (sensors) aracılığıyla ortamını (environment) kavrayan ve bu ortamda gerçekleştiricileri (actuators) ile hareket eden herhangi bir şey olarak görülebilir. Etmenin herhangi bir zamandaki algısal girdilerine duyum (percept) adını vermekteyiz.

Etmenler ortamlarıyla, algılayıcı ve gerçekleştiricileri ile etkileşir.

Sadece iki konumlu bir elektrik süpürgesi dünyası.

Bir Etmenin Dış Nitelikleri Bir etmenin belirli bir zamana kadar algıladığı herşey, etmenin duyum serisini (percept sequence) oluşturur. Matematik bakış açısıyla bir etmenin davranışı, herhangi bir duyum serisini bir eyleme eşleyen etmen fonksiyonu (agent function) ile tanımlanır. Herhangi bir etmeni betimleyen etmen fonksiyonu bir tablo ile gösterebiliriz. Çoğu etmen için, eğer duyum serisinin uzunluğuna bir sınır getirmez isek, bu tablo çok büyük, hatta sonsuz büyüklükte, olacaktır.

Elektrik süpürgesi dünyası için basit bir etmen fonksiyonunun kısmi tablolaştırılması DUYUM SERİSİ EYLEM [A, Temiz] Sağ [A, Kirli] Temizle [B, Temiz] Sol [B, Kirli] Temizle [A, Temiz], [A, Temiz] Sağ [A, Temiz], [A, Kirli] Temizle … [A, Temiz], [A, Temiz], [A, Temiz] Sağ [A, Temiz], [A, Temiz], [A, Kirli] Temizle

Akıllılık (Rasyonalite) Kavramı - I Akılllı (rasyonel) bir etmen doğru şeyi yapandır – kavramsal olarak bakıldığında böyle bir etmenin fonksiyon tablosunda her giriş doğru olarak doldurulmuştur. Doğru eylem, etmenin en başarılı olmasını sağlayandır. Başarım ölçütü, etmen davranışının başarısını somut hale getiren bir kriterdir. Genel bir kural olarak, başarım ölçütleri etmenin nasıl davranması gerektiğini düşündüğümüz duruma göre değil, çevrede gerçekte ne olmasını istiyorsak ona göre tasarlanmalıdır.

Akıllılık (Rasyonalite) Kavramı - II Herhangi bir zamandaki rasyonalite dört şeye bağlıdır: Başarı kriterini tanımlayan başarım ölçütü. Etmenin ortam hakkındaki ön bilgisi. Etmenin gerçekleştirebileceği eylemler. Etmenin o ana kadar olan duyum serisi. Her bir duyum serisi için, mantıklı bir etmen, duyum serisi tarafından sağlanan kanıtları ve sahip olduğu içsel bilgiyi kullanarak, başarım oranını en yüksek duruma getirecek eylemi seçmelidir.

Her şeyi bilme, öğrenme ve özerklik Herşeyi bilen (omniscient) bir etmen, eylemlerinin sonucunu da bilir ve ona göre davranır. Fakat gerçekte her şeyi bilmek imkansızdır. Bu örnek, rasyonalitenin mükemmellik olmadığını göstermektedir. Rasyonalite beklenen başarımı olabildiğince yükseltirken, mükemmellik gerçek başarımı yükseltmektedir.

Ön Bilgiye Karşı Öğrenme - I Başarılı etmenler, etmen fonksiyonunun hesaplanması işini üç farklı aşamaya ayırır: etmen tasarlanırken, hesaplamanın bir kısmı tasarımcıları tarafından yapılır; etmen bir sonraki eylemini düşünürken daha fazla hesaplama yapar; ve tecrübeden öğrenmesi sebebiyle davranışını değiştirmek için daha da fazla hesaplama yapar. Duyumlarından çok tasarımcısının ön bilgisine dayanan bir etmenin özerklikten yoksun olduğunu söyleriz. Akıllı bir etmen özerk olmalıdır – kısmi veya yanlış ön bilgiyi telafi edecek şekilde öğrenebilmelidir.

Ön Bilgiye Karşı Öğrenme - II Uygulamada, nadiren bir etmen başlangıç aşamasında tam özerkliğe ihtiyaç duyar: etmen az tecrübeliyse veya hiç tecrübeye sahip değilse, tasarımcı ona yardımcı olana kadar rasgele eylemde bulunmalıdır. Yapay zekalı bir etmene, bir miktar ön bilgiyle birlikte öğrenme yeteneği verilmesi mantıklı olacaktır. Çevresi hakkında yeterli tecrübe edindikten sonra, mantıklı bir etmenin davranışı, etkin bir biçimde ön bilgisinden bağımsız hale gelebilir. Bu nedenle, öğrenmenin işin içine katılması, çok çeşitli ortamlarda başarılı olacak tek bir mantıklı etmenin tasarlanmasına izin verecektir.

Görev Ortamları Görev ortamları, mantıklı etmenlerin çözümü olduğu sorunlardır. Başarım ölçütü, ortam ve etmenin gerçekleştiricileri ile algılayıcıları (PEAS), görev ortamı altında birleşirler.

Otomatikleştirilmiş bir taksi için görev ortamının tanımı Etmen Başarım Ortam Gerçekleştiriciler Algılayıcılar Tipi Ölçütü Sürücü güvenli, yollar, direksiyon, kameralar, hızlı, diğer trafik, gaz pedalı, sonar, yasal, yayalar, fren, hız ölçer, rahat, müşteriler sinyal, GPS, en yüksek korna, kilometre sayacı, kazanç, gösterge ivme ölçer, doğru motor algılayıcılar, yere kontrol paneli ulaşma

Görev ortamlarının özellikleri Görev ortamlarını sınıflandırmada kullanılan boyutlardan bir kısmı şunlardır: Tam gözlemlenebilir – kısmi gözlemlenebilir Deterministik - stokastik Bağlantısız - sıralı Durağan - dinamik Ayrık – sürekli Tek etmen – çok etmen En zor durum, kısmi gözlemlenebilir, stokastik, sıralı, dinamik, sürekli ve çok etmenli olandır.

Etmenlerin Yapısı Yapay Zeka disiplininin işi, duyumları eylemlerle eşleştiren etmen fonksiyonunun programının tasarlanmasıdır. Bu programın, fiziksel algılayıcı ve gerçekleştiricilere sahip bir çeşit hesaplamalı aygıt üzerinde çalışacağını varsayıyoruz – buna mimari adını veriyoruz: etmen = mimari + program

Etmen Programları Dört temel tip etmen programı: Basit refleks etmenleri; Model tabanlı refleks etmenleri; Hedef tabanlı etmenler ve Fayda tabanlı etmenler.

Basit refleks etmenleri En basit etmen türü, basit refleks etmenleridir. Bu etmenler eylemlerini seçerken geçmişteki duyumlarını yok sayarak, şu andaki duyuma göre karar verir.

2 durumlu elektrik süpürgesi ortamında çalışan basit refleks etmeni için etmen programı function REFLEKS-SÜPÜRGE-ETMENİ([konum,durum]) returns eylem if durum = Kirli then return Temizle else if konum = A then return Sağ else if konum = B then return Sol

Bir basit refleks etmeni için şematik gösterim

Bir Basit Refleks Etmeni için Program function BASİT-REFLEKS-ETMENİ(duyum) returns eylem durum  GİRDİYİ-YORUMLA(duyum) kural  KURAL-EŞLE(durum, kurallar) eylem  KURAL-EYLEMİ[rule] return eylem

Model Tabanlı Refleks Etmenleri – I Bir etmen için kısmi gözlemlenebilirliği idare etmenin en etkin yolu, dünyanın şu anda göremediği parçasının kaydını tutmaktır. Etmen duyum geçmişine dayanan bir çeşit içsel durum sağlamalıdır. Böylelikle en azından şu andaki durumun gözlemlenemeyen bazı açılarını yansıtır.

Model Tabanlı Refleks Etmenleri - II İçsel durum bilgisinin zamanla güncellenmesi, iki tip bilginin etmen programında kodlanmasını gerektirir: dünyanın etmenden bağımsız olarak nasıl geliştiği hakkında bir miktar bilgi ve etmenin eylemlerinin dünyayı nasıl etkilediği hakkında bir miktar bilgi. “Dünyanın nasıl işlediği” hakkındaki bu bilgi, dünyanın modeli olarak adlandırılır. Bu tip bir model kullanan etmenler ise model tabanlı etmenler olarak adlandırılır.

Model Tabanlı Bir Refleks Etmeninin Şematik Gösterimi

Bir Model Tabanlı Refleks Etmeni için Program function DURUMLU-REFLEKS-ETMENİ(duyum) returns eylem static: durum, şu andaki dünya durumunun bir tanımı kurallar, bir koşul-eylem kuralları kümesi eylem, en son yapılan eylem, ilk olarak hiçbiri durum  DURUM-GÜNCELLE(durum, eylem, duyum) kural  KURAL-EŞLEME(durum, kurallar) eylem  KURAL-EYLEM[kural] return eylem

Hedef Tabanlı Etmenler Ortamın şu andaki durumunu bilmek, ne yapılacağına karar vermek için her zaman yeterli değildir. Bazen etmen, şu andaki durum betimlemesi gibi, istenen durumları betimleyen bir tür hedef bilgisine ihtiyaç duyar. Arama ve planlama Yapay Zeka’nın, etmenin hedeflerine ulaşmasını sağlayan eylem serilerini bulmaya adanmış alt alanlarıdır. Bu tip bir karar verme, daha önceden bahsedilen koşul-eylem kurallarından, geleceği de hesaba kattığı için temelde farklıdır.

Hedef Tabanlı bir Etmenin Şematik Gösterimi

Fayda Tabanlı Etmenler Hedefler sadece “mutlu” ve “mutsuz” durumları arasında ikili kaba bir ayrım sağlarken, daha genel bir başarım ölçütü, erişildiklerinde farklı dünya durumlarının etmeni nasıl mutlu edeceğinin karşılaştırılmasına izin vermelidir. “Mutlu” terimi, kulağa fazla bilimsel gelmemektedir. Geleneksel terminoloji, bir dünya durumu diğerine tercih ediliyorsa, onun etmen için daha faydalı olduğunu söyler. Bir fayda fonksiyonu, bir durumu (veya bir durum serisini) mutluluk derecesini betimleyen bir gerçel sayıya eşler.

Fayda Tabanlı bir Etmenin Şematik Gösterimi

Öğrenen Etmenler – I Turing (1950), akıllı makinelerini gerçekten elle programlama fikrini düşünmüştür. Bunun ne kadar emek gerektirdiğini tahmin ederek “Daha hızlı bazı yöntemlere ihtiyaç var” demiştir. Bu, etmenin başlangıçta bilinmeyen ortamlarda çalışmasını ve sadece başlangıç bilgisinin izin vereceği durumdan daha yetenekli hale gelmesini sağlar.

Öğrenen Etmenler – II Öğrenen bir etmen dört kavramsal bileşene ayrılabilir: Öğrenme Bileşeni Başarım Bileşeni Eleştirmen Problem Oluşturucu

Öğrenen Etmenler – III En önemli ayrım, gelişmeyi sağlamaktan sorumlu öğrenme bileşeni ile dışsal eylemlerin seçiminden sorumlu başarım bileşeni arasındadır. Başarım bileşeni, önceden etmenin bütünü olarak ele aldığımız şeydir: duyumları alır ve eylemlere karar verir. Öğrenme bileşeni, eleştirmenden gelen ve etmenin ne kadar iyi olduğunu gösteren geri beslemeyi kullanarak, gelecekte daha iyi olması için başarım bileşeninin nasıl değiştirilmesi gerektiğine karar verir. Problem oluşturucu, yeni ve bilgilendirici tecrübelere yol açacak eylemler önerilmesinden sorumludur.

Öğrenen Etmenlerin Genel Bir Modeli

Özet – I Etmen, bir ortamda algılayan ve eylemde bulunan bir şeydir. Etmen fonksiyonu, bir duyum serisine karşılık etmenin gerçekleştireceği eylemi belirler. Performans ölçütü, bir ortamda etmenin davranışını değerlendirir. Rasyonel etmen, gördüğü duyum serisine karşılık, başarım ölçütünün beklenen değerini en yüksek seviyeye çıkarmaya çalışır. Görev ortamının tanımı, başarım, dış ortam, gerçekleştiriciler ve algılayıcıları içerir. Bir etmeni tasarlarken ilk adım mutlaka görev ortamının mümkün olduğunca tam olarak belirtilmesi olmalıdır.

Özet – II Görev ortamları, çeşitli boyutlar doğrultusunda değişim gösterir. Bunlar tam veya kısmi gözlemlenebilir, deterministik veya stokastik, bağlantısız veya sıralı, durağan veya dinamik, ayrık veya sürekli ve tek etmenli ya da çok etmenli olabilir. Etmen programı, etmen fonksiyonunu uygular. Açığa çıkarılan ve karar sürecinde kullanılan bilginin türünü yansıtan çok çeşitli temel etmen programı tasarımları vardır. Basit refleks etmenleri doğrudan duyuma yanıt verir. Model tabanlı refleks etmenleri, dünyanın o andaki duyumda açığa çıkmayan açılarını takip etmek için içsel durumlarını yönetir. Hedef tabanlı etmenler, hedeflerine ulaşmak için eylemde bulunur. Fayda tabanlı etmenler beklenen “mutluluk” değerlerini en yüksek seviyeye çıkarmaya çalışır. Bütün etmenler başarımlarını öğrenme yoluyla arttırabilirler.

Kaynak Russell, S. and P. Norvig (2003). Artificial Intelligence: A Modern Approach. Prentice Hall.