مقاله هوش مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله هوش مصنوعی دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله هوش مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله هوش مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن مقاله هوش مصنوعی :

هوش مصنوعی

عوامل هوشمند:
ماهیت عوامل، کامل یا غیر از آن، تنوع محیطی و جانوران نمایشی حاصل از انواع عوامل مورد بحث و بررسی قرار می گیرند.
در فصل۱، مفهوم عوامل منطقی به عنوان اساس شیوه ها در هوش مصنوعی شناسایی گردید. در این فصل این مفهوم راملموس تر می سازیم. خواهیم دید که مفهوم عقلانیت رامی توان در بسیاری از عوامل فعال در هر محیط قابل تصوی به کار گرفت. در این کتاب، هدف ما، بهره گیری از این مفهوم جهت توسعه مجموعه کوچکی از اصول طراحی برای ساختن عوامل موفق می باشد سیستمهایی که می توان به طور معقول، هوش نامید.

مبحث خود را با بررسی عوامل، محیطها و جفت نمودن این دو آغاز خواهیم نمود. مشاهده این نکته که برخی از عوامل بهتر از بقیه عمل می کنند، به طور طبیعی ما را به ا؟عامل منطقی رهنمون می کند عاملی که تا حد امکان خیلی خوب رفتار می کند. اینک یک عامل تا چه حد به خوبی رفتار می کند به ماهیت محیط بستگی دارد. برخی از محیطهای دشوار تر از سایرین هستند.

ما طبقه بندی خام ونا پروده ای از محیطها را ارائه نموده ومشخص کرده ایم که چگونه ویژگی های یک محیط بر طراحی عوامل مناسب برای آن محیط، تاثیر می گذارند، همچنین برخی از طرحهای اصلی عامل (کالبدی) (ابتدایی) را که در باقیمانده کتاب بدان تجسم می بخشیم، توضیح خواهیم داد.
۱-۲ عوامل و محیطها

عامل هر چیزی است که بتوان از عنوان درک محیط از طریق حسگرها و تاثیر بر محیط از طریق محرکها، آن در نظر گرفت. این ایده ساده در شکل ۱-۲ به تصویر کشیده شده است یک عامل انسانی دارای چشم، گوش و دیگر اندامها برای حسگرها و نیز دستها، پاها دهان و دیگر اعضای بدن به عنوان محرک می باشد. یک عامل روبوتیک نیز ممکن است برای حسگرها از دوربین و یابنده های طیف مادون قرمز و برای محرکها از موتورهای مختلف، بهره گیرد.
یک عامل نرم افزاری نیز، فشار بر کلیدها، محتویات فایل و بسته های شبکه را به عنوان ورودیهای حسگر دریافت نموده و با نمایش روی صفحه، نوشتن فایلها و ارسال بسته های شبکه، بر محیط تاثیر گذارد. این فرض کلی در نظر گرفته خواهد شد که هر عامل می تواند اعمال خود را درک نماید.

ما از اصطلاح آموزه یا ادارک برای اشاره به ورودیهای اداراکی در هر زمان ارائه شده، استفاده می نماییم. توالی ادراک عامل، تاریخچه کامل هر چیزی است که عامل دریافت نموده است. به طور کلی، انتخاب عمل عامل در هر زمانی به توالی ادارکی بستگی دارد که تا آن زمان مشاهده شده است. در صورتیکه بتوانیم انتخاب عمل هرعاملی را بدان هرتوالی ادراک، مشخص نماییم، می توانیم بگوییم که چیزی برای گفتن در مورد عامل داریم. به لحاظ ریاضی، گفته می شودکه رفتار یک مل از طریق تابع عامل توضیح داده می شود.

می توانیم جدول بندی تابع عاملی را در نظر بگیریم که هر عامل ارائه شد را توضیح می دهد. در مورد اغلب عوامل، این جدول بسیار بزرگ- بی نهایت، مگر اینکه مرزی را برای طول توالی ادارک مورد نظر مشخص نماییم. در اصل، با توجه به بررسی عامل، می توانیم این جدول را با آزمون کلیه توالی های احتمالی و ثبت عملکرد عامل در پاسخ، ایجاد نماییم. البته این جدول مشخص ساختن ویژگی خارجی عامل می باشد. به لحاظ درونی، تابع عامل برای یک عامل مصنوعی از طریق برنامه عامل تحقق می یابد. متمایز نمودن این دو این از اهمیت زیادی برخوردار می باشند. تابع عامل، توضیح ریاضی انتزاعی است. برنامه عامل یک برنامه ملموس است که در چهار چوب است که در چهارچوب معماری عامل اجرا می شود.

برای روشن نمودن این پدیده ها، از یک مثال بسیار ساده استفاده می کنیم- دنیای جارو برقی در نمودار ۲-۲ نشان داده شده است. این دنیا بسیار ساده است طوریکه هر چییز که روی هوا می توان توضیح داد- این دنیا یک دنیای ساختگی است طوریکه می توان تغییرات زیادی را ایجاد نمود. این دنیای خاص تنها دارای دو مکان است مرجع A و مربع B عامل خلاء مشخص می نماید که در کدام مربع بوده و آیا هیچ کثیفی در این مربع وجود دارد یا خیر. این عامل می تواند بین حرکت به چپ، حرکت به راست،مکش کثیفی را انجام هیچ کاری، یکی را انتخاب کند. یک تابع عامل بسیار ساده به صورت ذیل است. در صورتی که مربع فعلی کثیف باشد، عامل شروع به مکش آن می کند، در غیر اینصورت به مربع دیگر می رود. جدول بندی جزئی این تابع عامل در تصویر ۳-۲ ارائه گردیده است در قسمتهای بعدی، یک برنامه ساده برای این تابع عامل داده خواهد شد.

با بررسی جدول ۳-۲، متوجه می شویم که عوامل مختلف جهان خلاء را می توان از طریق پر کردن ستون سمت راست به هر شیوه ای، تعریف نمود. سوال این است: راه درست پر کردن جدول چیست؟ به عبارت دیگر، چه چیزی عامل را به مورد خوب یابد، هوشمند یا کند ذهن، تبدیل می نماید. پاسخ این پرسش را در قسمت بعدی ارائه نموده ایم.
قبل از خاتمه این قسمت، مشخص می نماییم که مفهوم یک عامل به معنای ابزاری برای آنالیز سیستمهاست نه یک ویژگی مطلق که جهان را به دو دسته یا غیر عامل تقسیم می نماید. می توان یک ماشین حساب دستی را به عنوان عاملی در نظر گرفت که زمانی که به آن توالی ادراک =۲+۲ داده می شود، عمل نمایش (۴) را انتخاب می نماید، اما چنین تحلیلی سختی به درک ما از ماشین حساب کمک می کند.

۲-۲ رفتار خوب: مفهوم عقلانیت
عامل معقول، عاملی است که کار درست را انجام می دهد گفته می شود که هر قلمی در جدول تابع عامل به طور صحیح پر شده است. واضح است که انجام کار صحیح بهتر از انجام کار غلط است، اما انجام کار درست به چه معناست؟ گفته می شود که عمل درست، عملی است که باعث خواهد شد تا عامل موفق باشد. بنابراین، برای سنجش موفقیت به چند روش نیاز خواهیم داشت. عامل همراه با توضیح محیط، حسگرها و محرکهای عامل امکان تخصیص کمل کاری که در پیش روی عامل قرار دارد را فراهم می آورد. باتوجه به این نکته، می توان به طور دقیق تر منظور از منطقی بودن را تعریف نمود.

مقیاسهای عملکرد
مقیاس عملکرد، معیاری را برای موفقیت رفتاریک عامل مجسم می نماید. زمانیکه عاملی به محیطی وارد می شود، طبق درکی که دریافت می نماید، توالی از اعمال را ایجاد می نماید. این توالی اعمال باعث می شود که محیط وارد توالی از حالتها شود در صورتیکه این توالی مطلوب باشد، عامل کار را به خوبی انجام داده است. می توان از عامل درمورد ایده ذهنی مبنی بر اینکه تا چه حد از عملکرد خود رضایت داشته، سوال نمود، اما برخی از عوامل قادر به پاسخگویی نبوده و سایرین نیز خود را غفال می نمایند. بنابراین، بر یک معیار عملکرد عینی که از سوی طراح ایجاد کننده وعامل مطرح شده اصرار کرد

عامل جارو برقی از فصل قبلی را در نظر بگیرید. با توجه به مقدار کثیفی تمیز شده دریک شیفت هشت ساعتی می توان معیار عملکردی را پیشنهاد نمود.البته در مورد یک عامل منطقی آنچه شما می پرسید، چیزی است که به دست می آورید عامل منطقی می توان با پاک کردن کثافت و سپس خالی کردن آن روی زمین و دوباره جمع کردن و ;. این معیار عملکرد را به حداکثر برساند. یک معیار عملکردی مناسب به خاطر داشتن زمینی پاکیزه به عامل پاداش می دهد. به عنوان مثال می توان برای هر مربع پاکیزه در هر مرحله زمانی یک امتیاز پاداش دارد (می توان به خاطر برق مصرفی و نویز ایجاد شده، جریمه نمودم. به عنوان یک قانون کلی، بهتر است معیارهای عملکردی را طبق آنچه که واقعا از محیط خواسته می شود طراحی نمود تا طبقی اینکه عامل باید چگونه رفتار نماید.

انتخاب معیار عملکرد همواره ساده نیست. به عنوان مثال، مفهوم (کف اتاق پاکیزه) در پاراگراف قبلی بر متوسط پاکیزیگی در طول زمان مبتی است. در حالیکه با دو عامل مختلف می توان متوسط پاکیزیگی مشابهی را به دست آورد یکی از آنها در همه اوقات کار پیش پا افتاده ای را انجام می دهد و دیگری، جایی را پاکیزه می کند اما زمان زیادی را می برد، که یک نقطه خوب علم سرایداری بودن، ظاهرا از اولویت بوده، اما در واقع پرسشی فلسفی با معنای دور از دسترس است. کدامیک بهتر است یک زندگی بی ملاحظه باپستی ها و بلندی یا یک زندگی ایمنی با وجودی ملال آور؟ کدامیک بهتر است
– اقتصادی که در آن همه در فقر نسبی زندگی می کنند یا اقتصادی که در آن برخی از وفور و بر خی در فقر بسیار گذران عمر می کنند؟ این پرسشها را به عنوان تمرینی به خواننده ساعی می سپاریم.

عقلانیت
اینکه چیزی درزمان داده شده منطقی باشد به چهار مورد بستگی دارد:
– معیار عملکردی، مقیاسی را برای موفقیت تعریف نماید.
– دانش قبلی عامل از محیط
– اعمالی که عامل می تواند به انجام آنها مبادرت نماید.
– توالی ادراک عامل تا امروز.

این موارد ما را به سوی تعریف عامل منطقی رهنمون می سازد.
در مورد هر توالی ادارکی احتمالی، عامل منطقی باید عملی را انتخاب نماید که انتظار می رود معیار عملکردی آن را به حداکثرمی رساند که این کارایی نیز با توجه به توالی ادارک و دانش و درونی عامل مشخص می گردد.

به مثال ساده ای که در آن عامل جارو برقی مربع را در صورت کثیف بودن تمیز نموده ودر غیر اینصورت به مربع دیگری می رود، توجه نماید. این همان تابع عاملی است که در تصویر ۳-۲ به صورت جدول بیان گردیده است. آیا این یک عامل منطقبی به بستگی دارد! نخست اینکه، لازم است تا بازده عملکردی، میزان آگاهی از محیط، حسگرها و محرکهای عامل، توضیح داده شود. اجازه دهید موارد ذیل را در نظر داشته باشیم.

معیار عملکردی برای هر مربع پاکییزه در هر مرحله زمانی، امتیاز می دهد که (دوره زندگی) ۱۰۰۰ مرحله زمانی دارد.
جغرافیای محیط به عنوان یک قیاس شناخته می شود، اما در مورد توزیع کثیفی و مکان اولیه عامل، اینگونه نیست. مربعهای پاکیزه، تمبر باقی می ماند اعمال راست و چپ، عامل را به راست و چپ حرکت می دهد به استثنای زمانیکه عامل را به خارج از محیط هدایت می نماید که در این مورد هر جایی که هست، باقی می ماند.
تنها اعمال قابل دسترسی، چپ، راست، مکش و NoOp (هیچ کار) می باشند.

عامل به طور صحیح مکان خود و اینکه آیا مکان کثیف هست یا خیر را درک می نماید.
ما بر این ادعا هستیم که تحت این شرایط، عامل منطقی است، حداقل، عملکرد مورد انتظار آن به اندازه دیگر عوامل بالاست تمرین ۴-۲ از شما می خواهد تا این مورد را اثبات نمایید.
به راحتی می توان دید که همین عامل در شرایط متفاوت، غیر منطقی خواهد بود به عنوان مثال، زمانیکه همه آلودگیهای پاک شدند، عامل بی جهت به عقب و جلو نوسان می نماید. درصورتیکه معیار عملکرد، جریمه یک امتیازی را برای هر حرکت چپ یا راست در نظر بگیرید، عامل عملکرد ضعیفی را خواهد داشت. در این مورد، عامل بهتر زمانیکه مطمئن است همه مربعها پاکیزه هستند، کاری انجام نمی دهد. در صورتیکه مربعهای پاکیزه دوباره کثیف شوند، عامل می تواند در صورت نیاز اوضاع را کنترل نمود و دوباره آنها را پاک نماید. در صورتیکه جغرافیای محیط ناشناخته باشد، عامل به جای جسبیدن به مربعهای A و B، به بررسی آن نیازمند خواهد بود. تمرین ۴-۲ از شما خواسته تا در این موارد، عواملی را طراحی نمایید.

علم مطلق، یا یادگیری و خود مختاری

لازم است تا در مورد تمایز میان عقلانیت و علم کل، دقیق باشید یک عامل دانای کل، نتیجه واقعی عملکرد را می داند و می تواند بر اساس آن عمل کند، اما علم کل در واقعیت غیر ممکن است. به مثال ذیل توجه نمایید. من در طول خیابان شانزه لیزه قدم می زنم. و در سوی دیگر خیابان یک دوست قدیمی را می بینیم. هیچ ترافیکی در آن نزدیکی نیست و من به کار دیگری مشغول نیستم، بنابراین منطق آن است تا از خیابان عبور نمایم. در همین حین، درهواپیمای باری که در ارتفاع ۳۰۰۰ پایی حرکت می کند، می افتد و قبل از اینکه من به طرف دیگر خیابان برسم، مرا وسط خیاران پهن زمین می کند آیا من در عبور از خیابان غیر منطقی بودم؟ غیر ممکن است که روی اعلان فوقت من در تلاشی عبث برای عبور از خیابان نوشته شود.

این مثال نشان می دهد که عقلانیت به همان مقدار کامل نیست. عقلانیت، بازده مورد انتظار را به حداکثر می رساند، در حالیکه کمال، بازده واقعی را به حداکثر می رساند. برخورد از نطقه نظر کمال، موردی منصفانه برای عوامل نیست. نکته آن است، اگر انتظار داریم که عاملی آنچه که بهترین است، انجام دهد، طراحی عاملی برای رعایت این تخصص غیر ممکن می باشد.

– مگر اینکه عملکرد گوی بلورین یا ماشین زمان را بهبود بخشیم.
تعریف ما از عقلانیت نیازی به علم مطلق ندارد، چرا که انتخاب تنها به توالی اداراکی تا این زمان وابسته است ما باید مطمئن شویم که به طور غیر عمد امکان مبادرت عامل به فعالیتهای لزوما غیر هوشمند را فراهم نماورده ایم به عنوان مثال، در صورتیکه، عامل قبل از عبور از یک خیابان شلوغ، هر دو مسیر را نگاه نکند، توالی ادارکی آن به او نخواهد گرفت که کامیون بزرگی در حال نزدیک شدن است. آیا تعریف ما از عقلانیت، به ما خواهد گفت که عبور از خیابان خوب است؟ دور از آن است! نخست اینکه، عبور از خیابان با توجه به این توالی نا آگاهانه، منطقی نخواهد بود. ریسک تصادف بدون نگاه کردن به هنگام عبور بسیار بالاست. دوم اینکه عامل منطقی باید قبل ازقدم نهادن به خیابان عمل (نگاه کردن) را انتخاب نماید چرا که نگاهکردن بازده مورد انتظار را به حداکثر می رساند. مبادرت به اعمالی به منظور اصلاح آموزه های آتی که گاهی جمع آوری اطلاعات نامیده می شود – بخش مهمی از منطق بوده ودر فصل ۱۶ کاملا مورد بررسی قرار خواهد گرفت. نمونه دوم جمع ؟آوری اطلاعات، از طریق بررسی فراهم می آید که باید یک عامل تمیز کردن دریک محیط ناشناخته بر عهده می گیرد.

تعریف ما، عامل منطقی را ملزم می نماید که نه تنها اطلاعایت را جمع ‌آوری می نماید، بلکه تا حدامکان از آنچه که ادارک نموده چیزی بیاموزد. پیکر بندی اولیه عامل می تواند دانش قبلی از محیط را منعکس نماید ؟ هنگامیکه عامل تجربه کافی به دست آورد، ممکن است پیکر بندی اصلاح شود یا بزرگتر شود. موارد نهایی وجود دارند که درآنها محیط کاملا به طور قیاسی شناخته می شود. در چنین مواردی، لازم نیست تا عامل چیزی را درک نموده یا بیاموزد، بلکه کافی است به طور صحیح عمل نماید. البته این عوامل بسیار شکننده اند. یک سوسک سرگین را در نظر بگیرید این سوسک پس از کندن لانه خود و تخم ریزی درآن، سرگیتی را از توده نزدیک می آورد تا ورودی حفره را پر کند. در صورتیکه گوی سر گین از چنگ او بیرون بیاید، او به مسر خود ادامه داده و به صورت خیالی لانه را با گوی سرگیتی که وجود ندارد، پر می کند به نبود آن توجهی ندارد. تکامل فرضی را درمورد این رفتار سوسک در نظر می گیرد و زمانیکه این فرضیه نقص گردد، نتایج رفتاری ناموفقی حاصل می گردد.

هوشمندی زنبوی sphex کمی بیشتر از این سوسک است. sphox مادهف نقبی را حفاری نموده و کرم حشره ای را نیش می زند و آن را به حفره می کشاند و وارد نقب می شود تا همه چیز را کنترل نماید، سپس کرم حشره را به داخل نقب کشیده و تخم می گذارد. کرم حشره به عنوان منبع غذایی تخمها عمل می نماید. اما در صورتیکه حشره شناسی به هنگام ورود زنبور ماده به داخل حفره جهت کنترل آن کرم حشره را چند اینچ جابه جا نماید زنبور دوباره کرم را به داخل می کشاند و بدون تغییری کار خود را دنبال می نماید حتی اگر کرم حشره، دوازده بار حرکت داده شود زنبور shpox نمی تواند عدم موفقیت این نقشه را بیاموزد و در نتیجه تغییری در آن به وجود نمی آورد.

عوامل موفق که به منظور محاسبه تایع عامل آن را به سه دوره مختلف تقسیم می نماید زمانیکه عامل طراحی می شود برخی از محاسبات توسط طراحان آن انجام می شود زمانیکه روی عمل بعدی برنامه ریزی می نماید، عامل محاسبات بیشتری انجام می دهد و وقتی تجربه ای به دست آورد، برای تصیم گیری در مورد تغییر رفتار، محاسبات بیشتری نیز انجام می دهد.

با توجه به مقدار تکیه به دانش قبلی طراحی، می توان گفت که عامل فاقد خود مختاری است. عامل منطقی باید خود مختار باشد- یعنی باید بیاموزد که برای ؟ دانش قبلی نادرست یا جزئی، چه کاری انجام دهد به عنوان مثال عامل جارو برقی می آموزدکه زمان و مکان وجود اشغال را پیش ینی می نماید. به عنوان یک موضوع عملی به ندرت از ابتدا نیاز به استقلال کامل خواهیم داشت. زمانیکه عامل تجربه اندکی داشته یا تجربه ای نداشته باشد، ناچار خواهد بود تا به طور تصادفی عمل نماید مگر اینکه طراح به وی کمک کند. بنابراین، همانطور که تکامل، رفلکسها یا واکنشهای درونی کافی را برای حیوانات فراهمی می نماید طورریکه بتوانند بقای بیشتری داشته باشند، فراهم آوردن عوامل هوش مصنوعی با مقداری دانش اولیه و نیز توانایی یادگیریف امری معقول خواهد بود پس از کسب تجربه کافی از محیط، رفتار عامل منطقی مستقل از دانش قبلی خواهد بود. بنابراین تلفیق یادگیری به فرد امکان میدهد تا عامل را طراحی نماید که در محیطهای مختلف، موفق خواهد بود.

۳-۲ ماهیت محیطها
اکنون که تعریفی از عقلانیت داریم، تقریبا آماده ایم تا درمورد ایجاد عوامل منطقی فکر کنیم با این حال، ابتدا باید در مورد محیط های کاری که لزوما مشکی هستند که عامل، آن را حل می کند به فکر کنیم کار خود را با نشان داده نحوه تعیین محیط کاری و توضیح فرآیند با چند مثال، آغاز می نماییم سپس مشخص می سازیم که محیط های کاری، ویژگی ها متنوعی دارند ویژگی محیط کاری به طور مستقیم بر طراحی مناسب برنامه عامل اثر می گذارد.

تعیین محیط کاری
در محبط عقلانیت عامل ساده جارو برقی، ناچار شدیم تا معیار عملکردی، محیط، محرکها و حسگرهای عامل راتعیین نماییم کلیه این موارد با عنوان محیط کاری طبقه بندی می گردد. برای اینکه این موارد را به طور خلاصه به ذهن بسپاریم از توضیح سر واژه PEAS بهره می گیریم. در طراحی یک عامل، اولین گام مشخص، نمودن کامل محیط کاری تا حد امکان است دنیای خلاء بسیار ساده ای است، اجازه بدهید تا از مثال پیچیده تری استفاده کنیم یک راننده تاکسی خود کار در ادامه این فصل، این مثال را به کار می گیریم. قبل از هوشیاری خواننده باید اشاره کنیم که یک تاکس کاملا خود کار در حال حاضر ماورای توانایی ها تکنولوژی موجود است کار رانندگی، بی نهایت مشخص است هیچ محدودیتی برای ترکیب شرایط ؟ آمده وجود ندارد دلیل دیگری بر اینکه ما این مثال را به عنوان کانون مبحث خود انتخاب نموده ایم نمودار ۴-۲ توضیح PEAS را برای محیط کاری تاکسی خلاصه می کند. در بندهای ذیل هر عنصر را با جزئیات کامل مورد بحث قرار می دهیم.

نخست اینکه معیار عملکرد که ما می خواهیم راننده تاکسی خود کار شبیه آن باشد، چیست؟ کیفیتهای مطلوب شامل رسیدن به مقصد صحیح به حداقل رساندن مصرف سوخت و استهلاک، به حداقل رساندن زمان طی مسافت و یا هزینه به حداقل رساندن نقض قوانین ترافیکی و آسیب به دیگر راننده ها به حداکثر رساندن ایمنی و راحتی مسافر، به حداکثر سود می باشند.

بعد اینکه، محیط رانندگی که تاکسی با آن مواجه خواهد شد، چیست؟ هر راننده تاکسی باید جاده های مختلف را مسیرهای روستایی و کوچه های شهری گرفته تا آزاد راههای ۱۲ باندی را بشناسد هر جاده خود شامل ترافیک پیاده رو ها، حیوانات سرگردان، کاریها روی جاده، اتومبیلهای پلیس،چال و چوله ها و چالاسبها می شود تاکسی نیز باید با مسافران احتمالی و واقعی تقابل عمل داشته باشد. همچنین انتخابهای احتمالی نیز وجود دارد ممکن است لازم باشد تاکسی در کالیفرنیای جنوبی حرکت نماید، جایی که حداقل مشکلات وجود دارد، یا در آلاسکا یعنی حائیکه به ندرت ممکن است مشکلی پیش نیاید تاکسی همواره می تواند در سمت راست حرکت کند، یا ممکن است بخواهیم زمانیکه در ژاپن یا بریتانیاست، در سمت چپ حرکت نماید واضح است که هر چه محیط محدودتر باشد، مسئله طراحی ساده تر خواهد بود.

محرکهای موجود در تاکسی خود کار کم و بیش مشابه محرکهای موجود برای یک تاکسی معمولی است، کنترل موتور از شتاب دهنده و کنترل فرمان و ترمز به علاوه، این تاکسی برای نمایش صفحه یک ترکیب کنند و صدا برای گفتگو به مسافران و احتمالا ارتباط با دیگر وسایل نقلیه نیازمند خروجی خواهد بود.

برای دستیابی به اهداف محیط رانندگی، لازم است تاکسی بداندکه در کجاست، چه چیزهای دیگری در جاده است و با چه سرعتی حرکت می کند. بنابراین، مسگرهای اصلی آن باید یک یا چند دروبین تلویزیونی قابل کنترل، سرعت منبع و کیلومتر شما را در بر گیرد به منظور کنترل صحیح وسیله به خصوص در پیچها تاکسی باید یک شتاب سنج داشته باشد. همچنین باید از وضعیت مکانیک خودرو نیز مطلع باشد بنابراین به ردیف بندی معمول موتور و حسگرهای سیستم الکتریکی نیاز خواهد داشت ممکن است تاکسی خود کار، ابزارهایی را داشته باشد که در دسترسی یک راننده معمولی انسانی قرار نداشته باشد سیستم موقعیت یابی ماهواره ای جهانی برای ارائه اطلاعات موقیت با توجه به نقشه الکتریکی، و حسگرها سونا یا مادون قرمز برای کشف فاصله برای دیگر اتومبیلها و موانع رد نهایت این تاکسی باید یک میکروفن یا صفحه کلید برای درخواست مسیر در اختیار داشته باشد.
در تصویر ۵-۲، عناصر اصلی PEAS برای تعدادی از انوع عوامل را به تصویر کشیده ایم. مثالهای بیشتر در تمرین ۵-۲ ازائه گردیده است. ممکن است برای برخی خوانندگان عجیب باشد که بدانند ما برخی از برنامه هایی را که در محیط های کاملا مصنوعی عمل می کنند را در فهرست انواع عوامل خود لحاظ نموده ایم. به طور تعیین این پرسش مطرح می شود که این محیط واقعی نیست؟ در حقیقت، تفاوت میان محیط های واقعی و مصنوعی مهم نیست بلکه پیچیدگی رابطه میان رفتار عامل، توالی ادراکی ایجاد شده از طریق محیط و معیار عملکرد، موضوع قابل توجهی می باشد. برخی محیط های (واقعی) در واقع کاملا ساده هستند به عنوان مثال، روبوت طراحی شده جهت بررسی قسمتهای ارائه شده به وسیله تسمه انتقال دهنده ممکن است از چند فرضیه ساده بهره گیرند اینکه چراغها همواره، همینطور عمل می کنند، تنها چیز در تسمه انتقال قسمتهایی خودهد بود که باید شناسایی گردند و اینکه تنها امکان دو عمل وجود دارد (پذیرش یا عدم پذیرش).

درارائه این فصل ما پیرامون ۴ نوع برنامه واسطه اساسی که شامل مراحل اساسیکه درهمه سیستمهای هوشمند وجود دارد درزیراشاره میکنیم :
۱- نتیجه ساده واسطه
۲- نتیجه مدل اساسی واسطه
۳- هدف اصلی واسطه
۴- مزیت واسطه مرکزی (اساسی)
سپس ما شرح دادیم چگونگی تبدیل ومعکوس کردن آنها را درفهم واسطه دریک دوره عمومی
نتیجه ساده واولیه واسطه
ساده ترین نوع واسطه نتیجه وانعکاس ساده واسطه است این واسطه ها کارها واقدامات برگزیده راروی روش تصویری وادراکی انجام میدهند.
نادیده گرفتن ازادامه گزارش تصویری .برای مثال ، یک واسطه خالی همان واسطه تابع است
که درشکل ۲۰۳ فهرست بندی شده ویک نتیجه ساده واسطه است زیرا این تصمیم فقط درمحل وموقعیت روشهای اصلی که شامل چیزهای بی ارزش دیگراست یک برنامه واسطه برای این نوع واسطه درشکل ۲۰۸ نشان داده شده است . نکته مهم اینکه برنامه واسطه خالی خیلی کوچک است درواقع ودرمقایسه با جدول مشابه این تبدیل وکاهش واضع بیشترناشی ازنادیده
گرفتن تاریخ گزارش تصویر است ، همان که اعداد امکان پذیراز۴ به توان T تا ۴ کم می کند به علاوه کم تبدیل شدن اوواقعیت که زمانیکه روش مربعی زشت است ، این اقدامات مربوط به موقعیت نیست تصورکنید شما راننده یک تاکسی خودکارهستید اگرماشین جلویی ترمزبگیرد وچراغهای ترمزروشن شود
سپس شما باید به این نکته توجه کنید وشروع به ترمز گرفتن کنید به عبارت دیگربعضی ازمراحل ورودی visual رابرای برقراری وجداکردن ما آنهارا فراخوانی می کنیم ماشین جلویی درحال ترمزگرفتن است سپس پاشنه این ارتباط را برقرار می کند دربرنامه واسطه برای گرفتن اولین ترمز ما چنینارتباطی را ، چگونگی عمل به قوانین می نامیم که نوشته می شود : اگرماشین جلویی درحال ترمزگرفتن است سپس شروع کن به ترمزگرفتن انسان همچنینارتباطات زیادی برقرارمیکند بعضی ازآنها درمقابل عکس العملی یاد گرفته می شوند (برای مثال رانندگی) وبعضی ازآنها ذاتی ونتیجه غریزی دارند (مثلابه هم زدن چشم زمانیکه چیزی وارد چشم میشود ) درضمن این کتاب ما چندین راه مختلف راکه برای ارتباط برقرارکردن می توان آ موخت وانجام داد می بینیم

برنامه موجود درشکل ۲۰۸ یک نوع خاص ازمحیط خلا به طورمخصوصاست راه ووسیله عمومی تروقابل تغییراست درابتدا ساخت یک مفسرمفهوم عمومی برای چگونگی عمل به قوانین وایجاد یک سری قوانین مخصوص به محیط کار.شکل ۲۰۹ ساختاری ازیک برنامه عمومی وخلاصه شده را نشان میدهد (فکرنکنید اگراین جزیی است ،آن کمترجالب توجه است)
ما ازمربع مستطیل برای معنی کردن حالت معمولی ورایج درونی یک پردازش یک تصمیم واسطه استفاده می کنیم وازبیضی برای نمایش دادن اطلاعات زمینه استفاده می کنیم درپردازش یک برنامه واسطه همان طور که درشکل ۲۰۱ نشان داده می شود خیلی ساده است تفسیرایجاد توابع ورودی به طورخلاصه شرح داده شده به مراحل روشها ازتصویر وتابع قوانین جفتی را برمی گرداند دراولین قاعده ازسری قواعدی که مراحل را شرح مید هند.

مهم اینکه توصیف وشرح برحسب قوانین وزوجیت آنها کاملا ادراکی وتصویری است درواقع این لوازم می توانند مجموعه ساده ای ازراههای منطقی برای انجام دادن جریان boolean باشند نتیجه ساده واسطه خاصیت قابل تحسین برای ساده بودن دارد اما این نتیجه اثبات کرده که هوش خیلی محدود است واسطه در شکل ۲۰۱۰ فقط اگرتصمیم درستی باشد کارمی کند و می تواند فقط براساس وروش تصوری وادراکی ساخته شود که این فقط اگر محیط کاملا معلوم وواضح باشد صورت می گیرد حتی یک ذره کوچک پیدا ومعلوم می تواند باعث زحمت وسختی شود برای مثال موضوع ترمزگرفتن یک فرضیه اولیه می دهد که شرایط ” ماشین جلویی درحال ترمز گرفتن “می تواند ازقاعده جاری ” تصاویرویدیوئی موجود” تعیین شود اگرماشین جلویی چراغهای خطرداشته باشد .متاسفانه مدلهای قدیمی ساختاروپیکربندی متفاوتی

ازچراغهای عقب اتومبیل (چراغهای خطر) وسیگنال های روشنایی داشتند.
واین همیشه امکان پذیرنمی باشد که ازروی یک تصویرصحبت کنیم هنگامیکه ماشین درحال ترمزکردن است یکی ازعوامل ساده عکس العمل دررانندگی پشت بعضی ازماشینها ترمزهای طولانی وغیرلازم یا اشتباه ترمزگرفتن ویا بطورکلی اصلا ترمزنگرفتن است می توانیم مشکلات را ببینیم که دردنیای خلا ایجاد می شود فرض کنید که یک عکس العمل ساده درفضای خلا حسگرمکانی محروم است وفقط یک حسگرخاک است مثل یک عامل که فقط دو قاعده امکان دارد :
تمییزوکثیف .این عامل می تواند کمبود پاسخگویی به خاک اما پاسخگویی به این عامل به فضای تمییزچیست ؟ حرکت کردن به سمت چپ درست نخواهد بود اگر این موضوع درمربع A اتفاق بیافتد وحرکت کردن به سمت راست درست نخواهد بود

اگر این موضوع درمربع B اتفاق بیافتد چرخه های بی نهایت برای یک عکس العمل ساده درفضای قابل مشاهده اغلبا غیرقابل اجتناب است خارج شدن ازچرخه پایان ناپذیرامکان پذیراست اگرعامل بتواند عملکرد خود را به صورت اتفاقی تبدیل کند برای مثال اگر عامل خلا حس شود (تمییز) ممکن است ضربه زدن به یک سکه برای انتخاب به چپ وراست باشد این بسیارساده است که بخواهیم نشان دهیم که عامل دریک عملیات دومرحله ای به یک مربع دیگرمی رسد .
سپس اگر مربع کثیف باشد تمییزخواهد شد وعمل تمییزسازی کامل خواهد شد بنابراین یک عکس العمل ساده ممکن است خارج ازاجرای قطعی باشد ما در بخش ۳/۲ که درمورد عکس العملها به صورت تصادفی به یک محیط چند عاملی است صحبت خواهیم کرد دریک محیط یک عاملی تصادفی بودن عقلی ومنطقی نیست این مفید است که به یک عکس العمل ساده دربعضی شرایط کمک می کند .ما می توانیم با عوامل پیچیده قطعی بهترازاین عمل کنیم

واکنش عوامل براساس مدل
موثرترین روش برای پشتیبانی کردن قسمتی عوامل قابل مشاهده نگهداری تعقیب بخشی ازجهان که قابل دیدن نمی باشد یک عامل می تواند بعضی ازوضعیت های داخلی که به درک تاریخ ودرنتیجه منجربه تفکر به صورت حداقل در مورد ابعادغیرقابل مشاهده وضعیت موجود می گردد.برای مشکل ترمزوضعیت یا شرح داخل زیاد پهناور نیست فقط قالب قبلی دوربین ها اجازه دادن به عوامل برای شناسایی هنگامیکه دونور قرمزرنگ درلبه یک وسیله روشن وخاموش می شود به صورت همزمان براین سایروظایف رانندگی مانند عوض کردن لنزنیازاست که مامورنگهدداری وتعقیب جایی هستند که سایرماشین ها به روزرسانی وظایف داخلی اطلاعات نیازبه دونوع اطلاعات دارد دربرنامه مامورابتداما بعضی ازاطلاعات درمورد چگونگی بیرون دادن با استنتاج کرد ن جهان به صورت مستقل است برای مثال سبقت گرفتن ماشین نزدیک ازان خواهد بود

ازازیک لحظه پیشتردوما ما نیازبه بعضی ازاطلاعات درمورد تاییدات ماموربرجهان داریم برای مثال هنگامیکه فرمان ماشین را درجهت عقربه های ساعت می چرخانیم ماشین به سمت راست می پیچد این درمورداییکه جهان چگونه کار می کندجاییکه ازیک مدارساده بولین دریک نظریه کامل علمی این مدل جهان نامیده میشودو agent که به عنوان مدل استفاده می شود مرسوم به agent هایی درپایه مدلمی باشند نمودار۱۱/۲ ساختارمامورعکس العمل می باشد که نشان می دهد چگونه قاعده محلی با نمونه های وضعیت داخلی قدیمی ترکیب می شود برای ساختن توصیف ووضعیت جاری می باشد بخش جالب عملکرد به روزرسانی وضعیت برای توصیف وضعیت های داخلی جدید می باشد .

یک عامل یادگیری به چهارمفهومی قطعات چنانچه نشان داده شده درشکل ۲۰۱۵تقسیم مشود مهمترین تمایزمابین عناصریادگیری است که مسئول برای بهبودهای ساختن است وعنصر کارایی که مسئول انچه که ما داریم به طورقبلی رسیدگی کردن به عامل کامل : بودن ان درpercepts وتصمیم می گیرد (روی ) درعملها می گیردعنصر یادگیری پس خورد ازانتقاد کننده استفاده می شود چطورعامل ویقینها انجام می دهد چطورعنصرکارایی اصلاح خواهد شد که بهتردراینده انجام بدهد .
طراحی عنصریادگیری خیلی زیاد روی طراحی عنصرکارایی وابسته می باشد.

اول سوال نیست چطور من قصد دارم ان را بگیرم که این یاد بگیرد اما چه نوعی عنصرکارایی عاملم لازم است خواهد که انجام بدهد این یکی ان یاد گیردچطور؟ با توجه یک سازوکارهای یادگیری طراحی عامل ساخته میشوند که هرقسمت ازعامل بهتربشوند انتقادکننده عنصریادگیری را می گوید چقدرخوب عامل دارد با احترام به یک استاندارد کارایی ثابت انجام می دهد . انتقاد کننده ها لازم است برایاینکه percepts خودشان فرام نمودن هیچ نشان ازعامل موفقیت نیست .

برای مثال یک برنامه شطرنج می توانست یک percepts نشان دادن دریافت بکند کهآن checkmate حریفش دارد اما ان یک استاندارد کارایی نیازدارد که بداند که این یک چیز خوب است . percept خودش همچنین نمی گوید.ان است استاندارد کارایی که مهم تثبیت می کند .با به طورمفهومی یک فکرازان وقتیکه بیرون عامل رویهم رفته برای اینکه عامل نباید ان را اصلاح بکند که رفتارخودش را مناسب باشد . اخرین جزعامل یادگیری مولد مساله است . ان مسئول برای پیشنهاد کردن عملها است که به تجربه های جدید واموزنده هدایت خواهد نمود.
نقطه ان است اگرعنصرکارایی راهش را ان انجام دادن عملها داشت که بهترین معین چه ان knews هست .
اما اگرعامل راغب است که مقدارکمی کاوش بکند ومقداری شاید عملهای بهینه سازی تقریبی درکوتاه مدت ان ممکن بود خیلی بهترعملها برای اجرا کردن بلند کشف بکند . مساله مولد است کاراست که اینها عمل اکتشافی را پیشنهادبکند.این است انچه که دانشمندها انجام می دهند موقعیکه انها ازمایش انجام می دهند Galileio فکرنکرد که کاهش تکان می خورد ازاوج یک برجی درpisa ارزنده درخودبود. او noy سعی کردن بود که سنگها نه قطع بکند که مغزگذرنده های بدبخت اصلاح بکند که مغزخودش بوسیله مشخص نمودن یک بهترنظریه ازحرکت هدف بوسیله هدفش ها اصلاح بکند.برای ساختن روپوش desing واقعی زیادتری به ما برگشت به مثال تاکسی خودکارشده اجازه داد.

تشکیل شده ازعنصرکارایی هرچه جمع اوری دانش وروشها تاکسی برای انتخابکردن عملها راندنش دارند. تاکسی gose خارج روی جاده وکاربرد گرداننده ها این عنصرکارایی . انتقاد کننده هاکلمه را واطلاعات مرحله ها درطول به عنصریادگیری مشاده می کند .برای مثال بعد ازتاکسی یک گردش به چپ سریع درعرصه راه ترافیک می سازد. انتقاد کننده ها مشاهده میکند زبان تکان دهنده بوسیله راه اندازهای دیگراستفاده می کنند . عنصریادگیری قادراست که تدوین بکند یک گفتن قاعدهاین یک عمل بد بود وعنصرکارایی توسط نصب کردن قاعده جدید اصلاح شده است .مولد مساله ممکن است مشخص بنماید حوزه های مطمئن رفتاردراز بهبود نیازدارند وازمایش ها مثل (عبارتند از) امتحان کردن ترمزها را روی سطحهای جاده متفاوت زیرشرایط متفاوت پیشنهاد کنید .عنصریادگیری می تواند تغییرات به هرکدام ازقطعاتدانش نشان داده شده درنمودارهای عامل (۲۰۱۳،۲۰۱۱،۲۰۹و۲۰۱۴) بسازد.ساده ترین موردها یادگیری مستقیما ازpercept رشته شامل می شوند .مشاهده ایالات پی درپی ازمحیط می تواند عامل را اجازه بدهد که یادبگیرد انچه که عملهایم انجام بدهند.

برای مثال اگرتاکسی یک متوقف کردن فشاربرخی چه موقع راند ن دریک جاده خیس به کاربندد درانوقت ان بزودی کشف خواهد کرد چه مقدارکاهش سرعت واقعابه نتیجه رسیده شده است . به وضوح این دوکاریادگیری مشکل ترهستند اگرمحیط تنها به طور جزئی قابل مشاهده است .
شکل ها یادگیری پاراگراف پیش لازم نیست که دسترسی بیابد استاندارد کارایی خارجیدریک sense استاندارد جهانی یک پیش بینی های ساختن است .این دوره دارد دارای کامپیوترwhirlwind (نوعی کامپیوتررقمی که ازلامپ خلا استفاده می کند) بازدیدی ازهوش مصنوعی است .
۱ یک برنامه یا نماینده هست چیزی که دریافت می کند انجام میدهد دریک محیط وتابع برنامه برای یک برنامه خاص یا ویژه که انجام وظایف به وسیله برنامه پاسخ جواب دررشته محسوس شده اند.حد اجرا :سنجیدن وارزیابی رفتاریک برنامه درداخل یک محیط وبرنامه منطقی انجام می دهد خیلی ارزش ها انتظارداشتن درحد اجرا یک ارایش مرتب محسوس شدان را که به نظرامکان ندارد

• محیط برنامه: دارای ویژگی های که شامل حد اجرا ، محیط بیرونی به کارانداختن محرک یا راه انداز وحس گر. این طراحی کردن یک برنامه درمرحله اول بایدهمیشه مخصوص درمحیط برنامه به طور کامل ممکن شدنی باشد.

• محیط برنامه خیلی طولانی دارای چندین بعد یا اندازه معنی دارهستند ان می تواند به طورکامل یه به طور جزئی قابل مشاهده باشد جبرگرایانه یه اتفاقی جزیه جز یا متوالی وتک برنامه به چندگانه عملکرد برنامه وسایل تابع برنامه است ان جا وجود دارد برنامه های پایه ای متنوعی طراحی شده اند برگرداندن نوعی ازاطلاعات ساخته شده صریح وروشن واستفاده می
شود درپردازش وتصمیم گیری. طراحی ها خیلی کارایی کم حجم وانعطاف پذیرند

همه این برنامه ها ونماینده ها می تواند بهبود بخشد تااجرای ان را یاد گرفت نقش اصلی ازفعالیت دربهره هوشی تصورازاستدلال عملی – برمیگرددبه کمترین دوره دلایل ذره ای بود هم چنین موضوع mccarthy درسال ۱۹۵۸ شامل عنوان برنامه های با حواس پنج گانه معمولی ان رشته ای ازرباتیک وتئوری کنترل است که به وسیله انها خیلی طبیعی ، رابط اصلی ازفضا وساختمان ازفیزیک برنامه برقرارمیکنیم تصورمی شود که کنترلردرتئوری کنترل عینا دربرنامه درهوش مصنوعی هستند شایدبه طورشگفت انگیز هوش مصنوعی تمرکزمی کند برای بسیاری ازشرح حال روی گزینه های تنها روی چرخه برنامه هستند این بحث برنامه امتحان شده توسط geneser

& nilsson (1987) بود به استثنای پذیرفته شد ه وچرخه برنامه دیدگاه است که اکنون به طور وسیع پذیرفته شده دررشته ها وهست یک موضوع یا ارم کنترل شده درامتحانات تقسیمات اساسی یک اثریا مثال ریشه یک فکروعقیده عقلانی درفلسفه وسیاست است بحث درمورد فن واقعی تاسیس وایجاد یک رشته درهوش مصنوعی فکروعقیده بود ازعلاقه بیرونی تااینکه دراواسط سال ۱۹۸۰ زمانی که ان شروع کرد به بحث های سرشماری وتعداد زیادی یک مقاله به وسیله جان دویل پیشگویی کرد که طراحی برنامه عقل به نظرمیاید که قسمت اصلی ماموریت درهوش مصنوعی است یک نماینده بازتاب ساده با یک کارنماینده اتفاقی یک نماینده ساده می تواند چنین نماینده واندازه گیری اجرایش روی درچندین طراحی کنید؟

می توانید یک environment طراحی کنید که نماینده اتفاقیتان خیلی ناخوش ؟ انجام خواهد داد نتایجتان را نشان بدهید.
یک نماینده بازتابی با ایالت یک نماینده بازتاب ساده ؟ می توانید چنین نماینده واندازه گیری اجرایش درمحیطهای چندین طراحی کنید می توانید یک نماینده عقلیاین نوع طراحی کنید
تمرین ۲۰۱۰ برای مورد تکراربشوید که اندام حسی محل با یک اندام حسی ضربه سرجای خود گذاشته شده است که پیدا میکند که نماینده است که به یک مانع یا به تقاطع مرزها محیط حرکت بکند چطورنماینده بایستی رفتارکند برنامه های نماینده ممکن برای هریک ازدنباله را نگارش ها بحث کنید یک مورفی قانون است :

درصد – fivetwenty -five

اززمان چنان عمل به تمیزکف رااگرکثافت سپرده ها کثیف وروی کف رد می کند اگر کف تمیزاست برنامه نماینده تان چطورتاثیرگزاشته است اگراندام حسی کثافت پاسخ نادرست را %۱۰ اززمان بدهد

Lng ازمایش کردن هدف مات درشطرنج یک جستجو بخش پشت لازم است بایستی که داشت ازمایش شده اند علیه ایالات بوسیله جستجو جلویی تولید بکند انجا راه عمومی نیست که این بهترانجام بدهد با مقایسه کردن شکل راه کارهای جستجو بی اطلاع ۳۰۱۷ مقایسه کردن راه کاردرضوابط ازچهارenaluation معیارمجموعه جلودربخش ۳۰۴ جستجو می کند با اجتناب کردن ایالات مکرر بالا به این اشاره بکند ماتمام اما نادیده گرفته یکی ازمهمترین پیچیدگی های به فرایند جستجو :داریم امکان زمان تلف کردن بوسیله بسط دادن ایالات ان قبلا مواجه شده است ومنبسط شده است هرگزبرای تعدادی مساله این امکان پیش نمی اید فاصله وضعیت یک درخت است وانجا تنها یک مسیربه هروضعیت است تدوین کارامد مساله ملکه ها

برای اینکه این وضعیت تنها توسط یکی مسیررسیده می شود اگرما ۸ مساله را تدوین بکنیم تا اینکه یک ملکه قرارگرفته شده درستونی می تواند بود درانوقت هروضعیت با ملکه ها توسط مسیرهای متفاوت رسیده میشود برای تعدادی مساله تکرارشدندایالات غیرقابل اجتناب هستند این تمام مساله ها شامل میشود کجا عملها قابل تغییرمثل Route-finjding مساله ها هستند وslidin-blocks گیج میکند درخت جستجوها برای این مساله بی پایان اما اگرما الو مقداری ازایالات مکررهستند ما می توانیم درخت جستجو را به اندازه محدود مولد تنها قسمت درخت خرد بکنیم که state-space نموداررا توسعه بدهد هم اکنون با توجه درخت جستجو بالا به یک عمق ثابت ان اسان است
که موردها پیدا بکند جائیکه با حذف کردن وضعیت مکرر یک کاهش توانی درهزینه جستجو را یه بدهد درمورد نهایی یک فاصله وضعیت اندازه d شکل ۳۰۱۸ (یک درخت یک برگ) b شکل ۳۰۱۸ مثال شبکه ای مستطیلی است بطوریکه درشکل C 3018 روشن ساخت دریک شبکه ای هروضعیت چهاربعدی دارد بنابراین شامل درخت جستجوی تکرارشدند.

یک گره دریک درخت جانشین نیست .درشکل ۳۰۶ ریشه هردرخت شامل این ندها است با طرح مشخص.نمایش ریشه گروه گره ها ساده خواهد بود راهبرد جستجو سپس اطلاعات انتخاب .گره بعدی فاصله دارازاین گروه خواهد بود همچنین درک این ساده قابل فهم است وممکن محاسباتی هزینه برزیرااطلاعات راهبردی ممکن به نظرمیرسدخیلی ازالمنت هایی که انتخاب شده اند بهترازان هستند قبل ازاین ما فرض خواهیم کردکه مجموعه ای ازگره ها عضو تشکیل دهنده یک صف هستند عمل های یک صف پیرومیکند از:درست کردن صف بادادن المنت به صفهاخالی؟ درست برمیگرداند فقط اگرالمنت ها ی بیشتری درصف وجودنداشتهاولین صف اولین المنت راازصف برمیگرداند اولین حذف صف اولین برمیگرداند وان را ازصف حذف می کند درج یک المنت به صف اضافه می شود ونتیجه را به صف برمیگرداند (مانوع مختلف ازصف هاراخواهیم دید المنت ها ازدستورهای مختلف اضافه میشود)درج همه المنت ها را به صف اضافه کردن وبرگرداندن نتیجه به صف با این ویژگی ها ما ورژن های اساسی بیشتری می توانیم بنویسیم ازالگوریتم عمومی جستجوی درخت نشان داده شده است درشکل ۳۰۹
اندازه گرفتن عملکرد مشکل حل شده محصول مشکل حل شده الگوریتم هریک ازکوتاهی یا یک جواب است (تعدادی ازالگوریتم ها ممکن است درحلقه نامحدود گیرکنند وهرگزیک محصول برنگردانند)ما اجرای الگوریتم ها را در۴ روش ارزیابی خواهیم کرد:تکمیل: آیا الگوریتم تضمین می کند پیداکند جواب را وقتی درمکان یک است ؟

• ایا راهبرد پیدا میکند جواب توضیح داده شد ه درصفحه ۶۲زمان پیچیدگی :چه مدت زمان طول می کشد تا جواب پیدا شود ؟فضای پیچیدگی : چه میزان حافظه نیازاست برای انجام جستجو؟
زمان وفضای پیچیدگی همیشه مورد توجه هستند با رعایت میزان مشکلات مختلفدرعلم نظری کامپیوتراندازه نوعی ازسایزوضعیت فضای گراف هست.زیراگراف نظریه هست ساختارداده اشکارنیست به برنامه جستجو(نقشه رومانیا مانند این است ) درAL مکانی که گراف نشان داده شده ضمنابا وضعیت اصلی واطلاعات دراغازقراردادن ونامحدود بی شماراست .پیچیدگی شرح داده شده در۳ کمیت : B درجه رشته (شاخه ) یا ماکزیمم شماره هایی که دراغاز هرگره قراردادن d عمق کمترین هدف گره و m زمان که اغلباندازه گیری شده دردوره شماره های گره های تولید شده درطول جستجو و فضا دردوره ماکزیمم شماره ای گره های ذخیره شده درحافظهتشخیص دادن موثرالگوریتم جستجو ما میتوانیم فرض کنیم ارزش جستجو نوعیاست که مربوط بودن به زمان پیچیدگی اما همچنین می توانیم شامل یک دوره برایکاربرد حافظه یا ما می توانیم ازارزش جمع استفاده کنیم وبه طوریکه ترکیب میشودبا ارزش جستجو وبا ارزش مسیرجواب پیدا شده برای مشکل ازخط مسیرپیدا شوداز

arad به Bucharest
زیردرخت سمت چپ دارای ارزش یکسان بوده عمق نامحدود بوده ولی شامل هیچ جوابی نیست وجستجوی عمق نخست برای ان هیچگاه پایان نمی پذیرد از اینجا نتیجه میشود که ان کامل نیست دربدترین حالت جستجوی عمق نخست تمامی گره های
احترام به یک استاندارد کارایی ثابت انجام می دهد . انتقاد کننده ها لازم است برایاینکه percepts خودشان فرام نمودن هیچ نشان ازعامل موفقیت نیست .برای مثال یک برنامه شطرنج می توانست یک percepts نشان دادن دریافت بکند کهآن checkmate حریفش دارد اما ان یک استاندارد کارایی نیازدارد که بداند که این یک چیز خوب است . percept خودش همچنین نمی گوید.ان است استاندارد کارایی که مهم تثبیت می کند .با به طورمفهومی یک فکرازان وقتیکه بیرون عامل رویهم رفته برای اینکه عامل نباید ان را اصلاح بکند که رفتارخودش را مناسب باشد . اخرین جزعامل یادگیری مولد مساله است . ان مسئول برای پیشنهاد کردن عملها است که به تجربه های جدید واموزنده هدایت خواهد نمود.نقطه ان است اگرعنصرکارایی راهش را ان انجام دادن عملها داشت که بهترین معین چه ان knews هست .اما اگرعامل راغب است که مقدارکمی کاوش بکند ومقداری شاید عملهای بهینه سازی تقریبی درکوتاه مدت ان ممکن بود خیلی بهترعملها برای اجرا کردن بلند کشف بکند . مساله مولد است کاراست که اینها عمل اکتشافی را پیشنهادبکند.این است

انچه که دانشمندها انجام می دهند موقعیکه انها ازمایش انجام می دهند فکرنکرد که کاهش تکان می خورد ازاوج یک برجی درpisa ارزنده درخودبود. او noy سعی کردن بود که سنگها نه قطع بکند که مغزگذرنده های بدبخت اصلاح بکند که مغزخودش بوسیله مشخص نمودن یک بهترنظریه ازحرکت هدف بوسیله هدفشها اصلاح بکند.برای ساختن روپوش desing واقعی زیادتری به ما برگشت به مثال تاکسی خودکارشده اجازه داد.تشکیل شده ازعنصرکارایی هرچه جمع اوری دانش وروشها تاکسی برای انتخاب کردن عملها راندنش دارند. تاکسی gose خارج روی جاده وکاربرد گرداننده ها این عنصرکارایی . انتقاد کننده هاکلمه را واطلاعات مرحله ها درطول به عنصریادگیری مشاده می کند .برای مثال بعد ازتاکسی یک گردش به چپ سریع درعرصه راه ترافیک می سازد. انتقاد کننده ها مشاهده می کند زبان تکان دهنده بوسیله راه اندازهای دیگراستفاده می کنند . عنصریادگیری قادراست که تدوین بکند یک گفتن قاعده این یک عمل بد بود وعنصرکارایی توسط نصب کردن قاعده جدید اصلاح شده است .مولد مساله ممکن است مشخص بنماید حوزه های مطمئن رفتاردراز بهبود نیازدارند وازمایش ها مثل (عبارتند از) امتحان کردن ترمزها را روی سطحهای جاده متفاوت زیرشرایط متفاوت پیشنهاد کنید .عنصریادگیری می تواند تغییرات به هرکدام ازقطعات دانش نشان داده شده درنمودارهای عامل (۲۰۱۳،۲۰۱۱،۲۰۹و۲۰۱۴) بسازد.ساده ترین موردها یادگیری مستقیما ازpercept رشته شامل می شوند .مشاهده ایالات پی درپی ازمحیط می تواند عامل را اجازه بدهد که یادبگیرد انچه که عملهایم انجام بدهند.برای مثال اگرتاکسی یک متوقف کردن فشاربرخی چه موقع راند ن دریک جاده خیس به کاربندد درانوقت ان بزودی کشف خواهد کرد چه مقدارکاهش سرعت واقعا به نتیجه رسیده شده است .

به وضوح این دوکاریادگیری مشکل ترهستند اگرمحیط تنها به طور جزئی قابل مشاهده است .شکل ها یادگیری پاراگراف پیش لازم نیست که دسترسی بیابد استاندارد کارایی خارجی دریک sense استاندارد جهانی یک پیش بینی های ساختن است .این دوره دارد دارای کامپیوترwhirlwind (نوعی کامپیوتررقمی که ازلامپ خلا استفاده می کند) بازدیدی ازهوش مصنوعی است .

۱ یک برنامه یا نماینده هست چیزی که دریافت می کند انجام میدهد دریک محیط وتابع برنامه برای یک برنامه خاص یا ویژه که انجام وظایف به وسیله برنامه پاسخ جواب دررشته محسوس شده اند.
• حد اجرا :سنجیدن وارزیابی رفتاریک برنامه درداخل یک محیط وبرنامه منطقی انجام می دهد خیلی ارزش ها انتظارداشتن درحد اجرا یک ارایش مرتب محسوس شدان را که به نظرامکان ندارد
• محیط برنامه: دارای ویژگی های که شامل حد اجرا ، محیط بیرونی به کارانداختن محرک یا راه انداز وحس گر. این طراحی کردن یک برنامه درمرحله اول بایدهمیشه مخصوص درمحیط برنامه به طور کامل ممکن شدنی باشد.