عوامل هوشمند باید قادر به تعیین اهداف و دستیابی به آنها باشند. آنها به روشی برای تجسم آینده احتیاج دارند - نمایشی از وضعیت جهان و بتوانند در مورد چگونگی تغییر اقداماتشان پیش بینی کنند - و بتوانند گزینه هایی را انتخاب کنند که سودمندی (یا "ارزش") گزینه های موجود را به حداکثر برساند .
در مشکلات برنامه ریزی کلاسیک ، نماینده می تواند فرض کند که تنها سیستمی است که در جهان عمل می کند ، به نماینده اجازه می دهد از عواقب اقدامات خود مطمئن باشد. با این حال ، اگر عامل تنها بازیگر نباشد ، بنابراین مستلزم این است که عامل تحت عدم اطمینان بتواند استدلال کند. این یک عامل را می طلبد که نه تنها بتواند محیط خود را ارزیابی کند و پیش بینی کند بلکه پیش بینی های خود را نیز ارزیابی کند و بر اساس ارزیابی خود سازگار شود.
برنامه ریزی چند عاملی برای دستیابی به یک هدف مشخص از همکاری و رقابت بسیاری از کارگزاران استفاده می کند. رفتارهای فوری مانند این توسط الگوریتم های تکاملی و هوش ازدحام استفاده می شود.
ادراک
ادراک ماشین توانایی استفاده از ورودی سنسورها (مانند دوربین ها (طیف مرئی یا مادون قرمز) ، میکروفون ، سیگنال های بی سیم و حسگرهای لیدار فعال ، سونار ، رادار و لمسی) برای استنباط جنبه های جهان است. این برنامه ها شامل تشخیص گفتار ، تشخیص چهره و تشخیص اشیا است. بینایی رایانه ای توانایی تجزیه و تحلیل ورودی بصری است. چنین ورودی معمولاً مبهم است. یک عابر پیاده غول پیکر ، با قد پنجاه متر ممکن است پیکسل های مشابه عابر پیاده در اندازه طبیعی را تولید کند ، و به AI نیاز دارد تا در مورد احتمال نسبی و معقول بودن تفسیرهای مختلف قضاوت کند ، به عنوان مثال با استفاده از "مدل شی" آن برای ارزیابی عابر پیاده پنجاه متری وجود ندارد.
جذاب ترین ورزش ها استفاده ,برنامه ,ارزیابی ,تشخیص ,عابر ,پیاده ,عابر پیاده ,برنامه ریزی منبع
درباره این سایت