AI Kunskapsrepresentation, Intelligent Agents & Reasoning

Question 1

Vad innebär kunskapsrepresentation?

Answer 1

Kunskapsrepresentation innefattar tekniker och processer som används för att representera eller lagra kunskap i ett datorsystem på ett sätt som gör att den kan användas av intelligenta agenter eller system.

Question 2

Vad är ett kunskapsrepresentationssystem?

Answer 2

Ett kunskapsrepresentationssystem är en uppsättning tekniker, metoder och verktyg som används för att representera kunskap inom ett specifikt domän på ett strukturerat och organiserat sätt.

Question 3

Varför vill vi använda kunskapsrepresentation inom en väl avgränsad domän?

Answer 3

Vi vill bygga system som beter sig som om de har verklig förståelse, även om de inte har det i filosofisk mening.
Vi vill bygga system som använder befintlig kunskap för att härleda ny kunskap, fatta beslut och utföra operationer.

Question 4

Vilka är de önskvärda egenskaperna för ett kunskapsrepresentationssystem?

Answer 4

All sorts kunskap i domänen måste kunna representeras.
Ny kunskap måste vara enkel att lägga in (helst automatiskt).
Ny kunskap måste kunna härledas från existerande kunskap.
Nya regler för härledningar måste vara enkla att lägga in.

Question 5

Vad är kunskap enligt presentationen?

Answer 5

Kunskap kan vara en proposition som “Det regnar ute” och relationer som “Kalle vet att det regnar ute”.

Question 6

Vad är symboler i kunskapsrepresentation?

Answer 6

Symboler är representationer av objekt eller tillstånd, till exempel kan “vR” vara en symbol för “vet att det regnar ute”.

Question 7

Vad innebär resonerande i kontexten av kunskapsrepresentation?

Answer 7

Resonerande innebär att härleda ny kunskap från givna fakta, till exempel “John älskar Mary” och “Mary kommer på festen” kan leda till “Någon John älskar kommer på festen”.

Question 8

Vilka praktiska frågeställningar finns kring hur kunskap ska representeras?

Answer 8

Vilket format ska användas? Till exempel naturligt språk.

Fördelar med naturligt språk inkluderar att det är extremt uttrycksfullt och används av människor.

Nackdelar inkluderar att syntax och semantik är komplicerade och inte fullt förstådda, och att naturliga språk ofta är tvetydiga.

Question 9

Vad är exempel på tidiga kognitiva simuleringar?

Answer 9

Logic Theorist och General Problem Solver av Newell & Simon, som definierar heuristiska algoritmer för att simulera mänsklig kognition.

Question 10

Vad är production rules och hur används de i kognitiva simuleringar?

Answer 10

Production rules är villkorssatser som säger “om en viss villkor gäller, utför en viss åtgärd”. If a certain condition holds, then perform a certain action.
Dessa används för att addera kunskap till kognitiva simuleringar och lagras i långtidsminnet.

Question 11

Vad är formella logikmodeller och hur används de i AI? Vad innebär formella logikmodeller och hur skiljer de sig från heuristiska regler?

Answer 11

Formella logikmodeller använder formell logik för att representera kunskap och dra slutsatser:

Heuristiska regler: Simulerar mänskligt resonemang med hjälp av empiriska regler.
Formell logik: Använder strikta logiska principer för att dra slutsatser, vilket ger mer exakta och pålitliga resultat.
Imperativa algoritmer vs. Deklarativa metoder: Imperativa algoritmer beskriver steg-för-steg hur något ska göras, medan deklarativa metoder beskriver vad som ska uppnås utan att specificera hur.
Grundlade ett helt nytt paradigm inom programmering. Ledde till AI-språken LISP och senare PROLOG

Question 12

Vilka är de olika programmeringsparadigmen och hur definieras de?

Answer 12

Imperativa programmeringsspråk: Algoritmer beskriver hur programmet tar sig från ett tillstånd till ett annat genom stegvisa instruktioner.
Deklarativa programmeringsspråk: Beskriver vad som ska uppnås, inte hur det ska göras.

Objektorienterade (I) programmeringsspråk: Programflödet styrs av objekt som interagerar genom att skicka meddelanden till varandra.

Procedurella (I) programmeringsspråk: Algoritmer beskriver sekventiella steg för att lösa ett problem.

Logiska programmeringsspråk (D): Definierar fakta och logiska regler.

Funktionella programmeringsspråk (D): Definierar procedurer genom matematiska funktioner.

Question 13

Vilka är nackdelarna med imperativa programmeringsspråk för kunskapsrepresentation?

Answer 13

Manuell uppdatering: Datastrukturer måste uppdateras manuellt.
Brist på härledningsmekanismer: Imperativa språk saknar en generell mekanism för att härleda nya fakta från existerande.
Inte lämpliga för kunskapsrepresentation: Imperativa språk är inte lämpade för att modellera kunskap inom en viss domän och härleda ny kunskap.

Question 14

Vad är PROLOG och hur fungerar det?

Answer 14

PROLOG är ett deklarativt (logiskt) programmeringsspråk som beskriver vad som vill uppnås utan att specificera hur det ska göras. Ett program i PROLOG består av fakta och regler, och systemet härleder nya fakta genom att utföra logiska härledningar baserade på dessa regler.

Question 15

Hur ser ett enkelt exempel på PROLOG-kod ut som representerar föräldrarelationer?

Answer 15

/* Some facts about parent relationships */
parent(sam, mark).
parent(mark, Jim).

Detta definierar att Sam är förälder till Mark och att Mark är förälder till Jim.

Question 16

Hur ställer man frågor till ett PROLOG-system och vad är ett exempel på en fråga och dess svar?

Answer 16

Frågor ställs genom att skriva frågor till systemet som sedan besvarar dem baserat på de definierade fakta och reglerna.

Exempel:
?- parent(sam, mark).
true.
?- parent(sam, jim).
false.

Question 17

Hur definieras generella regler i PROLOG och ge ett exempel på en regel?

Answer 17

Generella regler definieras för att härleda nya fakta baserat på existerande fakta:

/* A general rule */
grandparent(GRANDPARENT, CHILD) :- parent(GRANDPARENT, PARENT), parent(PARENT, CHILD).

?– grandparent(sam,jim) true
Detta definierar att någon är en farförälder om de är förälder till en förälder till ett barn.

Question 18

Vad innebär det för en agent att handla rationellt?

Answer 18

En rationell agent är en som gör det rätta, vilket innebär att välja den åtgärd som gör att agenten blir mest framgångsrik. Detta utvärderas genom en fast prestationsmått som utvärderar sekvensen av observerade åtgärdseffekter på miljön.

Question 19

Hur interagerar en intelligent agent med sin miljö?

Answer 19

Miljö: Agentens omgivning som den interagerar med.
Sensorer: Uppfattar miljön.
Aktuatorer: Agerar i miljön baserat på sensorinput.
Mänsklig agent: Ögon, öron, händer, ben, mun.
Robotagent: Kameror, infraröda avståndsmätare, motorer.

Question 20

Vilka egenskaper har intelligenta agenter?

Answer 20

An intelligent agent is a program that can make decisions or perform
a service based on its environment, user input and experiences.
Autonoma: Kan fatta egna beslut utan mänsklig inblandning.
Interagerar med andra agenter och miljön.
Reaktiva: Svarar på förändringar i miljön.
Proaktiva: Målstyrda, agerar för att uppnå specifika mål.

Question 21

Ge exempel på tillämpningar av intelligenta agenter.

Answer 21

Exempel inkluderar sökmotorer, diagnostiska system, robotar och virtuella assistenter.

Question 22

Hur påverkar miljöns egenskaper designen av en intelligent agent?

Answer 22

Miljöns egenskaper som tillgänglighet, determinism, episodisk eller sekventiell, statisk eller dynamisk, och diskret eller kontinuerlig påverkar agentens design och funktionssätt.

Question 23

Beskriv skillnaden mellan fullständigt observerbara och partiellt observerbara miljöer.

Answer 23

Fullständigt observerbar: Agenten kan observera hela tillståndet av miljön, t.ex. schackspel.
Partiellt observerbar: Agenten kan inte observera hela tillståndet, t.ex. pokerspel.

Question 24

Vad är skillnaden mellan deterministiska och stokastiska miljöer?

Answer 24

Deterministisk: Nästa tillstånd är helt bestämt av nuvarande tillstånd och agerande, ingen slump.
Stokastisk: Involverar slumpmässighet eller osäkerhet i utfallen av handlingar.

Question 25

Vad är skillnaden mellan episodiska och sekventiella miljöer?

Answer 25

Episodisk: Agentens erfarenheter är uppdelade i separata episoder, oberoende av varandra.
Sekventiell: Agentens handlingar påverkar framtida perceptioner och beslut.

Question 26

Vad är skillnaden mellan statiska och dynamiska miljöer?

Answer 26

Statisk: Miljöns element och deras egenskaper förblir konstanta över tid, t.ex. pusselspel.
Dynamisk: Miljöns element eller egenskaper kan ändras oförutsägbart, t.ex. realtidsstrategispel.

Question 27

Vad är skillnaden mellan diskreta och kontinuerliga miljöer?

Answer 27

Diskret: Begränsat antal tydligt definierade percept och handlingar, t.ex. schackspel.
Kontinuerlig: Percept och handlingar existerar längs ett kontinuerligt spektrum, t.ex. självkörande bil i trafik.

Question 28

Vad är ett single-agent system? Vad är ett multi-agent system?

Answer 28

Ett single-agent system är ett system där det endast finns en intelligent agent som interagerar med miljön för att utföra sina uppgifter.
Ett multi-agent system är ett system där flera intelligenta agenter interagerar med varandra och/eller med miljön för att utföra sina uppgifter.

Question 29

Exempel på single och multi-agent system?

Answer 29

En robotdammsugare som städar ett rum på egen hand är ett single-agent system eftersom den agerar ensam utan interaktion med andra agenter.

Flera robotdammsugare som samarbetar för att städa ett stort kontorsutrymme är ett multi-agent system eftersom de kan kommunicera och koordinera sina handlingar med varandra.

Question 30

Vad är percept och actions i vakuumvärlden?

Answer 30

Percepts: Information som en agent mottar från sin miljö via sensorer. Exempel: En robotdammsugares position och närvaro av smuts.
Actions: Handlingar som en agent utför i sin miljö via aktuatorer. Exempel: En robotdammsugare som flyttar åt vänster eller suger upp smuts.
Percept: Position och innehåll, t.ex. [A, Smutsig].
Handlingar: Vänster, Höger, Suga, NoOp.

Question 31

Hur fungerar en skeleton agent?

Answer 31

Percept: Uppdaterar agentens minne om världen.
Actions : Väljer bästa handling baserat på minnet.
Minne: Uppdaterar minnet med vald handling.
Returnerar action.

Question 32

Hur fungerar en simple reflex agent?

Answer 32

Den använder tillstånd-tolkning av perceptet för att välja handlingar baserat på fördefinierade regler.
Enkla regler som specificerar vad som ska göras i en viss situation.
A simple reflex agent follows pre-defined rules to make decisions. It only responds to the current situation without considering the past or future consequences.
It is suitable for environments with stable rules and straightforward actions, as its

Question 33

Hur implementeras en simple reflex agent i pseudokod?

Answer 33

function SIMPLE-REFLEX-AGENT(percept) returns action
static: rules, a set of condition-action rules

state  INTERPRET-INPUT(percept)
rule  RULE-MATCH(state, rules)
action  RULE-ACTION[rule]
return action

Den tolkar percept, matchar en regel och utför motsvarande handling.

Question 34

Vad är fördelarna och begränsningarna med simple reflex agents?

Answer 34

Fördelar: Lätta att designa och implementera, snabba responser på miljöförändringar, pålitliga om input är korrekt.
Begränsningar: Misslyckas om sensorer är felaktiga, ingen minneskapacitet, begränsad till specifika handlingar, kan inte anpassa sig till nya situationer.

Question 35

(Goal-based Agents) Hur fungerar målbaserade agenter?

Answer 35

Använder information från miljön för att uppnå specifika mål.
Använder sökalgoritmer och heuristik för att hitta den mest effektiva vägen mot målet.

Question 36

Vilka är arbetsstegen för en målbaserad agent?

Answer 36

Perception: Samlar information om omgivningen med sensorer.
Resonering: Analyserar informationen och bestämmer bästa handlingsplan.
Actions: Utför handlingar för att uppnå målet.
Utvärdering: Utvärderar framstegen och justerar handlingar vid behov.
Måluppfyllelse: Stoppar eller börjar med ett nytt mål när målet är uppnått.

Question 37

Vad är fördelarna och nackdelarna med målbaserade agenter?

Answer 37

Fördelar: Enkla att implementera och förstå, lätt att utvärdera prestation baserat på måluppfyllelse, väl lämpade för väl definierade miljöer.
Nackdelar: Begränsade till specifika mål, kan inte anpassa sig till föränderliga miljöer, ineffektiva för komplexa uppgifter med många variabler.

Question 38

Hur fungerar inlärande agenter (learning agents)?

Answer 38

Inlärande agenter lär sig från tidigare erfarenheter och förbättrar sin prestation över tid.
Börjar med grundläggande kunskap och anpassar sig automatiskt genom maskininlärning.

Question 39

Vilka är de fyra huvudsakliga komponenterna i en learning agent?

Answer 39

Learning Element: Ansvarar för att lära sig och göra förbättringar baserat på erfarenheter från miljön.
Critic: Ger feedback till learning element genom att utvärdera agentens prestation mot en fördefinierad standard.
Performance Element: Väljer och utför externa handlingar baserat på information från learning element och critic.
Problem Generator: Föreslår åtgärder för att skapa nya och informativa erfarenheter för learning element för att förbättra agentens prestation.

Question 40

Hur fungerar en learning agent?

Answer 40

Observation: Agenten observerar sin miljö genom sensorer eller andra inputs.
Learning: Agenten analyserar data med hjälp av algoritmer och statistiska modeller, och lär sig från feedback om dess handlingar och prestation.
Action: Baserat på vad den har lärt sig, agerar agenten i sin miljö och bestämmer hur den ska bete sig.
Feedback: Agenten mottar feedback om sina handlingar och prestation genom belöningar, straff eller miljöledtrådar.
Adaptation: Med hjälp av feedback ändrar agenten sitt beteende och beslutsprocesser, uppdaterar sin kunskap och anpassar sig till sin miljö.

Question 41

Vad är fördelarna och nackdelarna med learning agents?

Answer 41

Fördelar:
Kan konvertera idéer till handlingar baserade på AI-beslut.
Kan följa grundläggande kommandon, som talade instruktioner, för att utföra uppgifter.
Kan utvecklas över tid, till skillnad från klassiska agenter som utför fördefinierade handlingar.
Nackdelar:
Kan leda till fördomsfulla eller felaktiga beslut.
Höga utvecklings- och underhållskostnader.
Kräver betydande datorkapacitet och stora mängder data.
Saknar mänsklig intuition och kreativitet.

Question 42

Hur fungerar en simple reflexagent i ett termostatsystem?

Answer 42

Sensorer: Termostaten har sensorer för att mäta rummets aktuella temperatur.
Aktuatorer (effectors): Termostatens aktuatorer är dess värme- och kylsystem som reglerar rummets temperatur.
Condition-Action Rules: Agenten följer en uppsättning villkors-handlingsregler för att justera temperaturen baserat på aktuella temperaturavläsningar.
Miljö: Miljön är rummet som behöver regleras för att upprätthålla en bekväm temperatur.

Question 43

Hur fungerar en simple reflexagent i en städrobot?

Answer 43

Sensorer: Roboten har sensorer för att detektera smuts och hinder i sin miljö. Dessa sensorer ger information om miljöns nuvarande tillstånd.
Aktuatorer (effectors): Roboten använder aktuatorer som hjul och borstar för att röra sig och städa rummet.
Condition-Action Rules: Agenten följer en uppsättning villkors-handlingsregler för att fatta beslut. Varje regel specificerar ett tillstånd och en associerad handling.
Miljö: Miljön är rummet som roboten behöver städa. Det innehåller smuts och hinder som roboten måste navigera runt medan den städar.

Question 44

Vilka komponenter ingår i en rumstädande robot och hur fungerar de? (fortsättning)

Answer 44

Sensorer:
Smutssensorer: Upptäcker närvaro av smuts på golvet.
Hindersensorer: Upptäcker hinder (som möbler eller väggar) i robotens väg.

Aktuatorer (effectors):
Rörelseaktuatorer: Styr robotens rörelse (t.ex. hjul).
Städaktuatorer: Aktiverar borstar eller sugmekanismer för att städa smuts från golvet.

Condition-Action Rules:
Regel 1: Om smuts upptäcks, städa den aktuella platsen.
Regel 2: Om hinder upptäcks framför, sväng vänster eller höger för att navigera runt det.
Regel 3: Om ingen smuts eller hinder upptäcks och det finns outforskad yta framför, rör dig framåt.
Regel 4: Om alla områden är rena, sluta städa och återvänd till laddstationen.

Miljö:
Rummet innehåller olika ytor som kan vara smutsiga eller rena.
Det finns hinder som möbler eller väggar som roboten måste navigera runt.
Rummet kan ha olika konfigurationer av smuts och hinder varje gång roboten opererar.

Question 45

Ge exempel på verkliga AI-agenter och deras tillämpningar.

Answer 45

Gemini AI: Googles nästa generations stora språkmodell (LLM) som använder förstärkningsinlärning inspirerad av AlphaGo. Använder belöningar för positivt beteende och korrigerar misstag för att förbättra problemlösningsförmåga.
AI Sandbox: Metas AI Sandbox är en annonsplattform för att utforska nya AI-drivna verktyg för generering av text, bakgrunder och bildbeskärning för Facebook- och Instagram-annonser.
Speak AI: Erbjuder automatiserade transkriptionstjänster som omvandlar ljud och video till text. Inkluderar integrationer med populära verktyg som Zapier, Google Chrome Extension, Zoom, och Vimeo.
Camel AGI: Ett agentramverk som använder rollspel för att vägleda chatagenter mot uppgiftsfullbordande medan de håller sig konsekventa med mänskliga intentioner. Kan förbättra dialogsyst시tem, skapa interaktiva spelkaraktärer och simulera expertsamtal.

Question 46

Vad är resonemang inom AI?

Answer 46

Resonemang är processen att dra logiska slutsatser från given information. Inom AI innebär resonemang att en dator kan göra härledningar baserade på data och kunskap.

Question 47

Varför är resonemang viktigt i AI-tillämpningar?

Answer 47

Resonemang är en nyckelkomponent i AI-tillämpningar som expertsystem, naturlig språkbehandling (NLP) och maskininlärning. Det gör det möjligt för datorer att dra logiska slutsatser från data och kunskap och att fatta beslut baserat på dessa slutsatser.

Question 48

Vilka är de olika typerna av resonemang inom AI?

Answer 48

Deduktivt resonemang: Börjar med en uppsättning premisser och använder dem för att logiskt härleda en slutsats, som används i matematiska bevis.
General rule -> specific conclusion (certain)

Induktivt resonemang: Börjar med en uppsättning data och försöker härleda en allmän regel eller princip från dessa data, som används i statistisk inferens.
Specific observation -> general conclusion (probabilistic)

Abduktivt resonemang: Börjar med en uppsättning data och en allmän regel eller princip och försöker härleda vilken specifik instans av dessa data regeln eller principen gäller för, som används i diagnostiskt resonemang.
Observation/inference -> best prediction (probabilistic)

Question 49

Vad är en knowledge-base agent?

Answer 49

En knowledge-base agent är en agent som använder en kunskapsbas (KB), en uppsättning meningar representerade i ett kunskapsrepresentationsspråk, för att representera världen. När en agent ställer frågor till kunskapsbasen, bör svaret följa från vad som tidigare har lagts in i kunskapsbasen.

Question 50

Vad är skillnaden mellan kunskapsregler och härledningsregler? (Knowledge and Inference Rules)

Answer 50

Kunskapsregler (declarative rules): Anger alla fakta och relationer om ett problem och lagras i kunskapsbasen.

Härledningsregler inference rules (procedural rules): Råder om hur man löser ett problem, givet att vissa fakta är kända, och innehåller regler om regler (metarules). De blir en del av inferensmotorn.

Question 51

Vad innebär inferens i regelbaserade (rule-based) system?

Answer 51

Inferens är processen att kedja ihop flera regler baserat på tillgängliga data. Det finns två huvudtyper av inferens i regelbaserade system:

Forward chaining: En datadriven sökning där processen försöker fastställa slutsatsen om premissvillkoren matchar situationen.

Backward chaining: En måldriven sökning som börjar med åtgärdssatsen av en regel och arbetar bakåt genom en kedja av regler för att försöka hitta en verifierbar uppsättning villkorssatser.

Question 52

Vad innebär att en regel “fired” i inferens?

Answer 52

En regel anses vara “firad” när alla regelns hypoteser (om-delarna) är uppfyllda. Inferensmotorn kontrollerar varje regel i kunskapsbasen i en framåt- eller bakåtriktad riktning för att hitta regler som kan firas. Detta fortsätter tills inga fler regler kan firas eller tills ett mål uppnås.

Question 53

Hur fungerar bakåtchaining i inferens?

Answer 53

Bakåtchaining börjar med en potentiell slutsats (hypotes) och söker sedan efter bevis som stöder (eller motsäger) den. Detta innebär att formulera och testa mellanliggande hypoteser (eller sub-hypoteser).

Question 54

Hur fungerar framåtchaining i inferens?

Answer 54

Framåtchaining börjar med tillgänglig information när den blir tillgänglig och försöker dra slutsatser. Om alla fakta är tillgängliga från början är framåtchaining lämpligt. För diagnostiska problem är bakåtchaining ofta lämpligare.

Question 55

Hur väljer man mellan bakåtchaining och framåtchaining?

Answer 55

Valet beror på hur en domänexpert löser problemet:

Om experten först samlar in data och sedan drar slutsatser från den, används framåtchaining.
Om experten börjar med en hypotetisk lösning och sedan försöker hitta fakta för att bevisa den, används bakåtchaining.

Question 56

Vad är fördelarna och nackdelarna med framåtchaining och bakåtchaining?

Answer 56

Framåtchaining:
Fördelar: Möjlighet att dra vilken slutsats som helst, flexibel.
Nackdelar: Kan vara dyrt och tidskrävande eftersom det kräver att många regler utvärderas.
Bakåtchaining:
Fördelar: Kräver kända mål, leder sökningen till specifika fakta.
Nackdelar: Premisser av bakåtchaining styr vilka fakta (tester) som behövs, vilket kan begränsa dess flexibilitet.

Question 57

Vad är sammanfattningen av presentationen om resonemang?

Answer 57

Intelligenta agenter behöver kunskap om världen för att fatta bra beslut.
Agentens kunskap lagras i en kunskapsbas i form av meningar i ett kunskapsrepresentationsspråk.
En kunskapsbaserad agent behöver en kunskapsbas och en inferensmekanism. Den opererar genom att lagra meningar i sin kunskapsbas, härleda nya meningar med inferensmekanismen och använda dem för att avgöra vilka handlingar som ska utföras.
Ett representationsspråk definieras av dess syntax och semantik, som specificerar strukturen på meningar och hur de relaterar till fakta om världen.
Tolkningen av en mening är det faktum som den hänvisar till. Om detta faktum är en del av den faktiska världen, är meningen sann.