人工智能中基于知识的Agent
一个基于知识的代理必须能够做到以下几点:
基于知识的agent体系结构:![]() 上图代表了一个基于知识的代理的通用架构。基于知识的智能体(KBA)通过感知环境从环境中获取输入。输入由智能体的推理引擎获取,并与知识库进行通信,根据知识库中的知识存储进行决策。KBA的学习元素通过学习新知识来定期更新知识库。 知识库:知识库是基于知识的agent的核心组成部分,也称为知识库。它是句子的集合(这里的“句子”是一个专业术语,与英语中的句子并不相同)。这些句子用一种叫做知识表示语言的语言来表达。KBA的知识库存储了关于世界的事实。 为什么要使用知识库?智能体需要知识库来更新知识,以便从经验中学习并根据知识采取行动。 推理系统推理意味着从旧的句子中推导出新的句子。推理系统允许我们在知识库中添加新句子。句子是一个关于世界的命题。推理系统将逻辑规则应用于知识库来推断新的信息。 推理系统生成新的事实,以便智能体更新知识库。一个推理系统主要在两个规则下工作,这两个规则如下:
KBA执行的操作以下是KBA为显示智能行为而执行的三个操作:
一个通用的基于知识的代理:下面是一个通用的基于知识的代理程序的结构大纲: 基于知识的代理将感知作为输入,并返回一个动作作为输出。代理维护知识库KB,并且它最初具有现实世界的一些背景知识。它还有一个计数器来指示整个进程的时间,该计数器初始化为零。 每次调用函数时,它执行三个操作:
make - perception - sentence生成一个句子作为设置,表示智能体在给定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操作。 MAKE-ACTION-SENTENCE生成一个句子,断言所选的动作已被执行。 不同层次的基于知识的代理:以知识为基础的智能体可以从以下不同的层次来看待: 1.知识水平知识层是基于知识的agent的第一层,在这一层中,我们需要指定agent知道什么,agent的目标是什么。有了这些规范,我们就可以修复它的行为。例如,假设一个自动出租车代理需要从a站到B站,他知道从a站到B站的路,所以这是在知识层面。 2.逻辑层:在这个层次上,我们理解了知识的知识表示是如何存储的。在这个层次上,句子被编码成不同的逻辑。在逻辑层面,将知识编码为逻辑句子。在逻辑层面上,我们可以期望自动出租车代理到达目的地B。 3.实现级别: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。在这个层次上,自动出租车代理实际上实现了他的知识和逻辑,使他能够到达目的地。 设计基于知识的代理的方法:构建基于知识的代理主要有两种方法:
然而,在现实世界中,一个成功的代理可以通过结合声明性和过程性方法来构建,并且声明性知识通常可以编译成更有效的过程性代码。
下一个话题
AI中的知识表示
|