Перегляд вихідного коду сторінки Обирання дії

'''Обирання дії'''&nbsp;— спосіб охарактеризувати найголовнішу проблему інтелектуальних систем: що робити далі. У [[Штучний інтелект|штучному інтелекті]] та обчислювальній [[Когнітивна наука|когнітивній науці]] «проблема вибору дії» зазвичай асоціюється із [[Інтелектуальний агент|інтелектуальними агентами]] та {{Нп|анімат|аніматами|en|Animat}}&nbsp;— штучними системами, які демонструють складну поведінку в середовищі агента. Термін також іноді використовується в [[Етологія|етології]] або поведінці тварин.

Однією з проблем для розуміння вибору дії є визначення рівня абстракції, що використовується для визначення того, що саме є «дією». На самому базовому рівні абстракції атомна дія може бути будь-чим, від ''скорочення м'язової клітини'' до ''провокування війни''. Зазвичай для будь-якого механізму вибору дії заздалегідь визначений і зафіксовано набір можливих дій.

Більшість дослідників, які працюють у цій галузі, висувають високі вимоги до своїх агентів:

* [[Інтелектуальний агент|Виконавець]], як правило, повинен вибирати свою дію в [[Інтелектуальний агент|динамічних]] і [[Інтелектуальний агент|непередбачуваних]] середовищах.
* Агенти зазвичай діють в режимі [[Система реального часу|реального часу]]; тому вони мають вчасно ухвалювати рішення.
* Агенти зазвичай створюються для виконання кількох різних задач. Ці задачі можуть конфліктувати щодо розподілу ресурсів (наприклад, чи може агент одночасно загасити пожежу та принести чашку кави?)
* Середовище, в якому діють агенти, може передбачати наявність [[Людина|людей]], які ускладнюють роботу агента (навмисно або намагаючись допомогти).
* Самі агенти часто призначені для [[Цифрове моделювання|моделювання]] тварин або людей, чия [[поведінка]] може бути досить складною.

З цих причин вибір дій не є тривіальним і привертає увагу багатьох дослідників.

== Характеристика задачі вибору дії ==
Основною проблемою вибору дії є [[Теорія складності обчислень|складність]]. Оскільки всі [[обчислення]] потребують часу і простору (у пам'яті), тому агенти, зазвичай, не можуть розглянути всі доступні їм варіанти для кожного моменту часу. Отже, вони повинні бути [[Упередження|упереджені]], і певним чином обмежувати свій пошук. Для штучного інтелекту (ШІ) питання вибору дій полягає в тому, ''яким найкращим чином можна обмежити цей пошук''? Для біології та [[Етологія|етології]] виникає питання ''як різні види тварин обмежують свій пошук? Чи всі тварини використовують однакові підходи? Чому вони використовують саме ті, що обрали?''

Одне з фундаментальних питань щодо вибору дії полягає в тому, чи це справді проблема для агента, чи це просто опис властивості [[Емерджентність|емерджентної]] поведінки розумного агента. Однак, якщо ми замислимося, як ми збираємося створити розумного агента, то стане очевидним, що має бути ''деякий'' спосіб вибору дій. Цей спосіб може бути дуже поширеним (як у випадку розподілених організмів, таких як колонії [[Еусоціальність|соціальних комах]] або [[Слимаки|слимаків]]), або це може бути модуль спеціального призначення.

Метод вибору дії (МВД) визначає не тільки дії агента з точки зору впливу на світ, але й спрямовує його перцептивну [[Увага|увагу]] та оновлює його [[пам'ять]]. Ці [[Егоцентризм|егоцентричні]] дії можуть, у свою чергу, призвести до зміни основних поведінкових здібностей агента, зокрема в тому, що оновлення пам'яті передбачає можливу певну форму [[Машинне навчання|машинного навчання]]. В ідеалі сам вибір дії також має бути здатним навчатися та адаптуватися, але існує багато проблем із [[Комбінаторика|комбінаторною]] складністю та [[Теорія складності обчислень|трактуванням]] обчислень, які можуть вимагати обмеження простору пошуку для навчання.

У ШІ МВД також іноді або називають {{Нп|архітектура агента|архітектурою агента|en|Agent architecture}}, або вважають його істотною частиною.

== Механізми ШІ ==
Як правило, механізми штучного вибору дій можна розділити на декілька категорій: [[Автоматизоване планування та диспетчеризація|символьні системи]], іноді відомі як системи класичного планування, [[розподілені системи|системи розподіленого планування]], і реактивне або {{Нп|реактивне планування|динамічне планування|en|reactive planning}}. Деякі підходи не підпадають під жодну з цих категорій. В інших насправді більше йдеться мова про надання [[Наукове моделювання|наукової моделі]], ніж практичне керування ШІ; останні описані далі в наступному розділі.

=== Символьні підходи ===
{{main|Автоматизоване планування та диспетчеризація}}
На початку [[Історія штучного інтелекту|історії штучного інтелекту]] передбачалося, що найкращим способом для агента вибрати, що робити далі, був би пошук [[аргумент|оптимального]] рішення, а потім його виконання. Це призвело до гіпотези [[Система фізичних символів|системи фізичних символів]], що фізичний агент, який може маніпулювати символами, є [[Необхідна і достатня умова|необхідним і достатнім]] для створення інтелекту. Багато [[Програмний агент|програмних агентів]] досі використовують цей підхід для вибору дій. Зазвичай це вимагає опису всіх показань датчиків, оточення, всіх дій і всіх цілей у певній формі [[логіка предикатів|логіки предикатів]]. Критики цього підходу скаржаться, що він є занадто повільним для пошуку рішення в реальному часі і що, незважаючи на докази, він все ще навряд чи зможе знайти оптимальне рішення, оскільки зведення описів реальності до логіки є процесом, схильним до помилок.

[[Задовільна стратегія]]&nbsp;— це стратегія прийняття рішень, яка намагається задовольнити критерії адекватності, а не визначати оптимальне рішення. Задовільна стратегія часто насправді може бути майже оптимальною, якщо витрати на сам процес прийняття рішень, такі як вартість отримання повної інформації, враховуються в обчисленні результатів.

'''Архітектури, орієнтовані на досягнення мети'''&nbsp;— у цих [[символ]]ьних архітектурах поведінка агента зазвичай описується набором цілей. Кожна мета може бути досягнута за допомогою процесу або діяльності, яка описується встановленим планом. Агент повинен просто вирішити, який процес продовжити для досягнення поставленої мети. Рішення може розширюватися до підцілей, що робить процес рекурсивним. Технічно, більш-менш, плани використовують умовні правила. Ці архітектури бувають {{Нп|реактивне планування|реактивні|en|Reactive planning}} або гібридні. Класичними прикладами архітектур, орієнтованих на цілі, є реалізовані вдосконалення архітектури [[Програмна модель переконань, бажань та намірів|переконань-бажань-та-намірів]], як-от [http://www.marcush.net/IRS/irs_downloads.html JAM] або [https://web.archive.org/web/20060522224109/http://urtax.ms.mff.cuni.cz/ive/public/about.php IVE].

=== Розподілені підходи ===
На відміну від символьного підходу, розподілені системи вибору дій фактично не мають жодного «''ящику''» в агенті, який вибирає наступну дію. Принаймні в їх ідеалізованій формі розподілені системи мають багато [[Модульне програмування|модулів]], що працюють паралельно і вибирають найкращі дії на основі локального досвіду. Очікується, що в цих ідеалізованих системах загальна узгодженість виникне якимось чином, можливо, завдяки ретельній розробці взаємодіючих компонентів. Цей підхід часто надихається дослідженнями [[штучна нейронна мережа|штучних нейронних мереж]]. На практиці майже завжди існує «деяка» централізована система, яка визначає, який модуль є «найактивнішим» або є найбільш помітним. Є докази, що біологічний мозок також має {{Нп|Виконуючі функції|функції|en|Executive functions}}, які оцінюють, яка з конкуруючих систем заслуговує найбільше [[Увага|уваги]], або, точніше, має більшу {{Нп|Розгальмованість|розгальмованість|en|Disinhibition}} при виборі дій.
* {{visible anchor|ASMO}}&nbsp;— це [[Увага (машинне навчання)|attention]]-архітектура, розроблена Роні Новіанто.<ref>Samsonovich, A. V. «[http://www.academia.edu/download/45304651/Attention_in_the_ASMO_Cognitive_Architec20160503-28982-1rw8kao.pdf Attention in the ASMO cognitive architecture].» Biologically Inspired Cognitive Architectures (2010): 98.{{Dead link|date=January 2021}}</ref> Вона організовує різні модульні розподілені процеси, які можуть використовувати власні уявлення та методи для сприйняття навколишнього середовища, обробки інформації, планування дії та вибирати дії для виконання.
* Різні типи архітектур [[winner-take-all]], в яких одна вибрана дія отримує повний контроль над руховою системою
* '''Поширена активація''', включаючи [[Maes Nets (ANA)]]
* '''Extended Rosenblatt & Payton'''&nbsp;— це розповсюджена архітектура активації, розроблена Тобі Тиреллом у 1993 році. Поведінка агента зберігається у формі ієрархічної [[Конекціонізм|конекціоністської]] мережі, яку Тирелл назвав ієрархією вільного потоку. Наприклад, [http://vrlab.epfl.ch/Publications/pdf/Sevin_Thalmann_CGI_05.pdf de Sevin & Thalmann] (2005) або [https://web.archive.org/web/20110717210629/http://cyber.felk.cvut.cz/gerstner/eth/download/dpdk2.pdf Kadleček] (2001).
* '''{{Нп|Інтелект заснований на поведінці|||Behavior-based robotics}}''', був відповіддю на повільну швидкість роботів із використанням символьних методів вибору дій. У цій формі окремі модулі реагують на різні стимули і генерують власні реакції. У початковій формі, при використанні {{Нп|архітектура підкорення|архітектури підкорення|en|Subsumption architecture}}, вони складалися з різних шарів, які могли контролювати та приглушувати вхідні та вихідні дані один одного.
* '''{{Нп|Creatures (відеогра)|Істоти||Creatures (1996 video game)}}'''&nbsp;— це віртуальні домашні тварини з комп'ютерної гри, керовані адаптивною тришаровою [[штучна нейронна мережа|нейронною мережею]]. Механізм їх роботи реактивний, оскільки мережа на кожному кроці часу визначає завдання, яке має виконати істота. Мережа добре описана в статті [http://www.cp.eng.chula.ac.th/~vishnu/gameResearch/AI/creatures.pdf Grand et al.] (1997) та в [http://www.double.co.nz/creatures/ The Creatures Developer Resources]. Див. також [http://creatureswiki.net/ Creatures Wiki].

=== Підходи динамічного планування ===
Оскільки чисто розподілені системи важко побудувати, багато дослідників звернулися до використання чітко запрограмованих планів для визначення пріоритетів своєї системи.

Динамічні або {{Нп|реактивне планування|реактивні|en|Reactive planning}} методи планування обчислюють лише одну наступну дію в кожну мить на основі поточного контексту та заздалегідь прописаних планів. На відміну від класичних методів планування, реактивні або динамічні підходи не страждають від [[комбінаторний вибух|комбінаторного вибуху]]. З іншого боку, іноді вони вважаються занадто жорсткими, щоб вважати їх [[Сильний штучний інтелект|сильним ШІ]], оскільки плани закодовані заздалегідь. У той же час природний інтелект може бути жорстким в деяких контекстах, хоча він плинний і здатний до адаптації.

Приклади механізмів динамічного планування включають:
* '''[[Скінченний автомат|Скінченні автомати]]'''. Це {{Нп|реактивне планування|реактивні||Reactive planning}} архітектури, що використовуються переважно для агентів комп'ютерних ігор, зокрема для шутерів від першої особи, [[Бот (відеоігри)|ботів]] або для віртуальних акторів кіно. Як правило, скінченні автомати є ієрархічними. Для конкретних прикладів ігор дивіться статтю [https://www.gamedeveloper.com/programming/gdc-2005-proceeding-handling-complexity-in-the-i-halo-2-i-ai Halo 2 bots] Деміена Айсла (2005) або [http://www.kbs.twi.tudelft.nl/Publications/MSc/2001-VanWaveren-MSc.html магістерську роботу про ботів Quake III] Яна Пола ван Ваверена (2001). Для прикладу фільму див. [[Autodesk Softimage|Softimage]].
* Інші '''структуровані реактивні плани''' мають тенденцію виглядати трохи більше схожими на звичайні плани, часто із способами представлення [[ієрархія|ієрархічної]] та [[послідовність|послідовної]] структури. Деякі, наприклад, ''дії'' {{Нп|процедурна система міркувань|процедурної системи міркувань||Procedural reasoning system}} (ПСМ), використовують {{Нп|частковий план|частковий план|en|partial plan}}.<ref>{{cite web|url=http://www.ai.sri.com/~prs/|title=PRS-CL: A Procedural Reasoning System|author=Karen L. Myers|work=[[Artificial Intelligence Center]]|publisher=[[SRI International]]|access-date=2013-06-13}}</ref> Багато архітектур агентів з середини 1990-х включали такі плани як ''проміжний шар'', що забезпечував організацію низькорівневих {{Нп|Behavior-based robotics|модулів поведінки|en|Behavior-based robotics}}, одночасно керуючись планувальником вищого рівня в реальному часі. Хоча такий підхід передбачає [[Інтероперабельність|сумісність]] з автоматизованими планувальниками, більшість структурованих реактивних планів кодуються вручну (Bryson 2001, ch. 3). Приклади структурованих реактивних планів включають систему Джеймса Фірбі [http://people.cs.uchicago.edu/~firby/raps/ RAP] і {{Нп|Нільс Нільсен(дослідник)|Нільса Нільсена|en|Nils Nilsson}} [https://ai.stanford.edu/users/nilsson/trweb/tr.html Teleo-reactive plans]. ПСМ, RAP і TRP більше не розробляються та не підтримуються. Ще одним досі діючим (станом на 2006 рік) нащадком цього підходу є паралельна ієрархічна система вибору дій на основі стеку (або [http://www.cs.bath.ac.uk/~jjb/web/posh.html POSH]), яка є частиною системи Behavior Oriented Design, створеної {{Нп|Джоанна Брайсон|Джоанною Брайсон||Joanna Bryson}}.

Іноді, щоб спробувати позбавитись негнучкості динамічного планування, використовуються гібридні методи. У них більш традиційна система планування ШІ шукає нові плани, коли агент має вільний час, і оновлює бібліотеку динамічних планів, коли знаходить оптимальні рішення. Важливим аспектом будь-якої такої системи є те, що коли агенту потрібно вибрати дію, існує деяке рішення, яке можна застосувати негайно (див. далі {{Нп|anytime algorithm|||Anytime algorithm}}).

=== Інші ===
* [http://CogniTeam.com CogniTAO]&nbsp;— це механізм прийняття рішень, заснований на [[Програмна модель переконань, бажань та намірів|переконаннях-бажаннях-та-намірах]] (belief-desire-intention), він включає в себе вбудовані можливості для командної роботи.
* {{Нп|Soar (когнітивна архітектура)|Soar|en|Soar (cognitive architecture)}}&nbsp;— це [[символ]]ьна {{Нп|когнітивна архітектура|когнітивна архітектура|en|cognitive architecture}}. Вона заснована на правилах умовних дій, відомих як [[Продукційні правила|продукції]]. Програмісти можуть використовувати інструментарій розробки Soar для створення як реактивних агентів, так і агентів планування або будь-якого гібриду.
* '''[http://www.ai-center.com/projects/excalibur/index.html Excalibur]''' був дослідницьким проектом, очолюваним Олександром Нареєком, у якому використовувалися anytime-агенти для планування комп'ютерних ігор. Архітектура заснована на структурі {{Нп|задовільні обмеження|задовільних обмежень|en|constraint satisfaction}}, що є передовою технікою [[штучний інтелект|штучного інтелекту]].
* {{Нп|ACT-R|ACT-R|en|ACT-R}} схожий на Soar. Він включає в себе систему [[Баєсове висновування|баєсового]] навчання, яка допомагає визначити пріоритети виробництва.
* ABL/Hap
* '''[[Система нечіткого керування|Нечіткі архітектури]].''' [[нечітка логіка|Нечіткий підхід]] у виборі дій забезпечує більш плавну поведінку, ніж та, яку можуть створити архітектури, що використовують логічні правила умовних дій (наприклад, Soar або POSH). Ці архітектури переважно {{Нп|реактивне планування|реактивні|en|reactive planning}} та [[символ]]ьні.

== Теорії вибору дій в природі ==
{{Фахівець|дата=січень 2022}}
Багато динамічних моделей штучного вибору дій спочатку були натхненні дослідженнями з [[етологія|етології]]. Зокрема, [[Конрад Лоренц]] і [[Ніколас Тінберген]] надали ідею {{Нп|Шаблон фіксованої дії|вродженого механізму вивільнення|en|Fixed action pattern}} для пояснення інстинктивної поведінки ({{Нп|Шаблон фіксованої дії|фіксована дія|en|Fixed action pattern}}). Під впливом ідей [[Вільям Макдугалл|В. Макдугалла]], Лоренц розвинув це в ''[[психогідравлічна|психогідравлічну]]'' модель [[мотивація|мотивації]] поведінки. В етології ці ідеї мали вплив у 1960-х роках, але тепер вони вважаються застарілими через використання в них метафори {{Нп|потік енергії (екологія)|потоку енергії|en|energy flow (ecology)}}; [[нервова система]] і контроль поведінки зараз зазвичай розглядаються як передача інформації, а не потік енергії. Динамічні плани та нейронні мережі більше схожі на передачу інформації, тоді як розповсюджена активація більше схожа на дифузний контроль емоційних або гормональних систем.

{{Нп|Стен Франклін|Стен Франклін|en|Stan Franklin}} припустив, що '''вибір дій''' є правильною точкою зору для розуміння ролі та еволюції [[розум]]у. Дивіться його сторінку про [https://web.archive.org/web/20061009021508/http://www.msci.memphis.edu/~franklin/paradigm.html парадигму вибору дій]<!--{{Webarchive|url=https://web.archive.org/web/20061009021508/http://www.msci.memphis.edu/~franklin/paradigm.html |date=2006-10-09 }}-->.

=== Моделі ШІ для вибору нейронних дій ===
Деякі дослідники створюють складні моделі вибору нейронних дій. Дивіться, наприклад:
* The [https://web.archive.org/web/20070628062431/http://ccnlab.colorado.edu/mambo/ Computational Cognitive Neuroscience Lab] ([[Університет Колорадо у Боулдері]]).
* The [https://sheffield.academia.edu/Departments/Adaptive_Behaviour_Research_Group Adaptive Behaviour Research Group] ([[Університет Шеффілда]]).

== Див. також ==
* {{Нп|Мова опису дії|Мова опису дії|en|Action description language}}
* [[Штучний інтелект у відеоіграх]]
* {{Нп|Когнітивна робототехніка|Когнітивна робототехніка|en|Cognitive robotics}}
* [[Експертна система]]
* [[Механізм висновку]]
* [[Інтелектуальний агент]]
* {{Нп|OPS5|OPS5|en|OPS5}}
* [[Продукційні правила|Продукційна система]]
* [[Навчання з підкріпленням]]
* {{Нп|Алгоритм Рете|Алгоритм Рете|en|Rete algorithm}}
* [[Утиліта]]

== Посилання ==
{{reflist}}

== Література ==
* Bratman, M.: Intention, plans, and practical reason. Cambridge, Mass: Harvard University Press (1987)
* Brom, C., Lukavský, J., Šerý, O., Poch, T., Šafrata, P.: [https://archive.today/20070803004108/http://urtax.ms.mff.cuni.cz/ive Affordances and level-of-detail AI for virtual humans]. In: Proceedings of Game Set and Match 2, Delft (2006)
* {{Нп|Джоанна Брайсон|Bryson, J.||Joanna Bryson}}: [https://web.archive.org/web/20170706112447/ftp://publications.ai.mit.edu/ai-publications/2002/AITR-2002-003.pdf Intelligence by Design: Principles of Modularity and Coordination for Engineering Complex Adaptive Agents]. PhD thesis, [http://publications.csail.mit.edu/ai/ Massachusetts Institute of Technology] (2001)
* Champandard, A. J.: [https://books.google.com/books?id=ZpuR8GnBSGcC&printsec=frontcover&dq=%22AI+Game+Development:+Synthetic+Creatures+with+learning+and+Reactive+Behaviors%22&hl=en&sa=X&ved=0ahUKEwijnMji0-niAhUCD60KHVicBAQQ6AEIKjAA#v=onepage&q=%22action%20selection%22&f=false AI Game Development: Synthetic Creatures with learning and Reactive Behaviors]. New Riders, USA (2003)
* Grand, S., Cliff, D., Malhotra, A.: [https://www.researchgate.net/profile/Dave_Cliff/publication/220794226_Creatures_Artificial_Life_Autonomous_Software_Agents_for_Home_Entertainment/links/00463514cc5d6b6550000000/Creatures-Artificial-Life-Autonomous-Software-Agents-for-Home-Entertainment.pdf Creatures: Artificial life autonomous software-agents for home entertainment]. In: Johnson, W. L. (eds.): Proceedings of the First International Conference on Autonomous Agents. ACM press (1997) 22-29
* Huber, M. J.: [http://www.marcush.net/IRS/irs_downloads.html JAM: A BDI-theoretic mobile agent architecture]. In: Proceedings of the Third International Conference on Autonomous Agents (Agents'99). Seattle (1999) 236—243
* Isla, D.: [http://www.gamasutra.com/gdc2005/features/20050311/isla_pfv.htm Handling complexity in Halo 2]. In: Gamastura online, 03/11 (2005) {{Webarchive|url=https://web.archive.org/web/20060108113445/http://www.gamasutra.com/gdc2005/features/20050311/isla_pfv.htm |date=2006-01-08 }}
* Maes, P.: [https://dl.acm.org/citation.cfm?id=122367 The agent network architecture (ANA)]. In: SIGART Bulletin, 2 (4), pages 115—120 (1991)
* Nareyek, A. [http://www.ai-center.com/projects/excalibur/index.html Excalibur project]
* Reynolds, C. W. [https://www.researchgate.net/profile/Craig_Reynolds2/publication/2797343_Flocks_Herds_and_Schools_A_Distributed_Behavioral_Model/links/0fcfd5095a869204df000000.pdf Flocks, Herds, and Schools: A Distributed Behavioral Model]. In: Computer Graphics, 21(4) (SIGGRAPH '87 Conference Proceedings) (1987) 25-34.
* de Sevin, E. Thalmann, D.:[http://edesevin.free.fr/recherche/articles/CGI2005.pdf A motivational Model of Action Selection for Virtual Humans]. In: Computer Graphics International (CGI), IEEE Computer SocietyPress, New York (2005)
* Tyrrell, T.: [https://www.cs.cmu.edu/afs/cs.cmu.edu/project/oz/ftp/Tyrell/as.1.ps.Z Computational Mechanisms for Action Selection]. Ph.D. Dissertation. Centre for Cognitive Science, University of Edinburgh (1993)
* van Waveren, J. M. P.: The Quake III Arena Bot. Master thesis. Faculty ITS, University of Technology Delft (2001)
* Wooldridge, M. [https://books.google.com/books?hl=en&lr=&id=X3ZQ7yeDn2IC&oi=fnd&pg=PR13&dq=%22An+Introduction+to+MultiAgent+Systems%22&ots=WGnesp5rd4&sig=i1cSEOIEr1tWPdZrPsET366nPD0#v=onepage&q=%22action%20selection%22&f=false An Introduction to MultiAgent Systems]. John Wiley & Sons (2002)

== Посилання ==
* The University of Memphis: [http://www.msci.memphis.edu/~classweb/comp7990/fall2002/action.htm Agents by action selection] {{Webarchive|url=https://web.archive.org/web/20060418021500/http://www.msci.memphis.edu/~classweb/comp7990/fall2002/action.htm |date=2006-04-18 }}
* Michael Wooldridge: [https://web.archive.org/web/20051202035140/http://www.csc.liv.ac.uk/~mjw/pubs/mas99.pdf Introduction to agents and their action selection mechanisms]
* Cyril Brom: [http://ksvi.mff.cuni.cz/~brom/teaching.html#umelebytosti Slides on a course on action selection of artificial beings]
* [https://web.archive.org/web/20060507174634/http://sitemaker.umich.edu/soar Soar project]. University of Michigan.
* [https://archive.today/20071030065012/http://publishing.royalsoc.ac.uk/natural-action Modelling natural action selection], a special issue published by [[Лондонське королівське товариство|The Royal Society]]&nbsp;— [[Philosophical Transactions of the Royal Society]]

{{Бібліоінформація}}
{{Диференційовні обчислення}}

[[Категорія:Моторика]]
[[Категорія:Штучний інтелект]]