人工智能中的基于知识的代理 AI基于知识的代理|人工智能

本文概述

基于知识的代理的体系结构
为什么要使用知识库？
推理系统
KBA执行的操作
通用的基于知识的代理
各级知识型代理
设计基于知识的代理的方法

智能代理需要有关现实世界的知识，以便做出决策和推理以有效地采取行动。
基于知识的代理是指那些具有维护内部知识状态，对知识进行推理，在观察后更新其知识并采取行动的代理。这些代理可以通过某种形式的代表来代表世界，并且可以明智地行动。
基于知识的主体由两个主要部分组成：知识库和推理系统。

基于知识的代理必须能够执行以下操作：

代理应该能够代表状态，动作等。
代理商应该能够纳入新的观念
代理可以更新世界的内部表示
代理可以推论世界的内部表示
代理可以推断出适当的动作。

基于知识的代理的体系结构

文章图片
上图表示基于知识的代理的通用体系结构。基于知识的代理（KBA）通过感知环境从环境中获取输入。输入由代理的推理引擎获取，并且该推理引擎还与KB进行通信，以根据KB中的知识存储进行决策。 KBA的学习元素通过学习新知识定期更新KB。
【人工智能中的基于知识的代理】知识库：知识库是基于知识的代理的核心组成部分，也称为知识库。它是句子的集合（此处的“句子”是一个技术术语，与英语中的句子并不相同）。这些句子用称为知识表示语言的语言表示。 KBA的知识库存储有关世界的事实。
为什么要使用知识库？知识库是更新知识所必需的，以便代理可以根据经验学习并根据知识采取行动。
推理系统推论意味着从旧的句子中提取新的句子。推理系统使我们可以在知识库中添加新句子。一句话是关于世界的命题。推理系统将逻辑规则应用于知识库，以推断出新信息。
推理系统生成新事实，以便代理可以更新知识库。推理系统主要根据以下两个规则工作：

正向链接
向后链接

KBA执行的操作以下是KBA执行的三个操作，以显示智能行为：

告诉：该操作告诉知识库它从环境中看到的内容。
要求：此操作询问知识库应执行的操作。
执行：执行选定的动作。

通用的基于知识的代理以下是基于知识的通用代理程序的结构概述：

function KB-AGENT(percept): persistent: KB, a knowledge base t, a counter, initially 0, indicating time TELL(KB, MAKE-PERCEPT-SENTENCE(percept, t)) Action = ASK(KB, MAKE-ACTION-QUERY(t)) TELL(KB, MAKE-ACTION-SENTENCE(action, t)) t = t + 1 return action

基于知识的代理将感知作为输入，并返回操作作为输出。该代理维护知识库KB，并且最初具有一些有关现实世界的背景知识。它还有一个计数器来指示整个过程的时间，并且此计数器初始化为零。
每次调用该函数时，它将执行其三个操作：

首先，它告诉知识库它所感知的。
其次，它询问KB应该采取什么措施
第三方代理程序向KB TELLS KB，表明选择了哪个操作。

MAKE-PERCEPT-SENTENCE生成一个句子，设置为代理在给定的时间感知到给定的感知。
MAKE-ACTION-QUERY生成一个句子，询问当前应该执行哪个动作。
MAKE-ACTION-SENTENCE生成一个句子，该句子断言所选择的动作已执行。
各级知识型代理可以在以下不同级别上查看基于知识的代理：
1.知识水平
知识级别是基于知识的代理的第一级，在这一级别中，我们需要指定代理知道什么以及代理目标是什么。使用这些规范，我们可以修复其行为。例如，假设一个自动出租车代理人需要从A站到B站，并且他知道从A到B的路线，所以这是在知识层面上。
2.逻辑级别：
在此级别上，我们了解到知识的知识表示形式是如何存储的。在此级别上，句子被编码为不同的逻辑。在逻辑层面上，知识被编码成逻辑语句。从逻辑上讲，我们可以期望自动出租车代理到达目的地B。
3.实施水平：
这是逻辑和知识的物理表示。在实现级别，代理按照逻辑和知识级别执行操作。在这个级别上，自动出租车代理实际上会实施他的知识和逻辑，以便他可以到达目的地。
设计基于知识的代理的方法构建基于知识的代理的方法主要有两种：