본문 바로가기

𝓡𝓸𝓸𝓶5: 𝒦𝑜𝓇𝑒𝒶 𝒰𝓃𝒾𝓋/Artificial Intelligence(COSE361)

(17)

[인공지능] 5. Adversarial Search(적대적 탐색) 이 단원에서는 competitive multiagent environment, 즉 서로 경쟁적인 두 agent가 있는 상황을 다룬다. 이는 game으로 잘 알려져 있는 adversarial search problem을 말한다. 1. Game 1) game은 다음과 같은 요소들로 이루어져 있다. - S0 : The initial state. 게임이 어떤 상황에서 시작되는지 - Player(s) : 각 state에서 어느 player가 움직일 차례인지 알려줌 - Actions(s) : 각 state에서 취할 수 있는 move들의 집합을 return - Result(s, a) : 어떤 state s에서 action a를 했을 때 result. transition model. - TerminalTest(s) :..

[인공지능] 4. Beyond Classical Search - 2 2. Local Search In Continuous Space : 지금까지는 현재 내가 어떤 state에 있는지, action을 취하면 어떻게 되는지, 이산적, 그리고 이 게임의 규칙이 뭔지 아는 경우였다! 즉 fully observable, deterministic, discrete, and known environment! discrete와 continuous한 환경의 구분은 시간이 다뤄지는 방법과 agent의 action과 percept에 따라 이루어진다. 지금까지 설명했던 알고리즘으로는 continuous state와 action space를 다룰 수가 없다. (단, first-choice hill climbing과 simulated annealing 제외) 왜냐면 연속적인 경우 branchin..

[인공지능] 4. Beyond Classical Search - 1 1. Local Search algorithm : Local Search algoritms은 single current node와 일반적으로 그 노드의 neighbors node로 움직이는 operation을 사용한다. 전형적으로 search에 의해 따라오는 path는 유지되지 않는다. -> 그래서 little memory만 사용 (보통 constant amount) -> 아주 크거나 infinite(continuous)한 state space에서 납득할만한 solution을 찾을 수 있다. (systematic algorithms은 적합하지 않걸랑) -> 또한 local search algorithm은 optimization problem(objective funtion에 따라 가장 best state..

[인공지능] 3. Solving problems by searching - 3 5. Heuristic Search * Best-First Search : Best-first search는 일반적인 TreeSearch나 GraphSearch algorithm의 instance이다. 이 때 node는 evaluation function인 f(n)에 기초해 expansion된다. Evaluation function은 cost estimate와 같은 것으로 이해할 수 있으며, 그래서 가장 작은 evaluation을 가진 node가 가장 먼저 expand된다. 즉, Best-First Search는 대부분의 TreeSearch나 GraphSearch 알고리즘에서 쓰이고, node를 확장해 나갈 때 어떠한 evaluation function을 기준으로 한다. 이 때 이 Evaluation f..

[인공지능] 3. Solving problems by searching - 2 4. Blind Search 1) Breadth-First Search (너비우선 탐색) - FIFO(First in first out) : root node를 처음으로 expand하고, 모든 successors(자손 노드)를 다음으로 expand한 다음에 또 다음 successors...... - Performance of Breadth-First Search : complete 하지만 optimal 하지는 않다. (* complete : 무조건 goal을 찾을 수 있음) 만약 가장 얕은 goal node가 depth d에 있다면, 모든 더 얕은 node들을 탐색한 다음에 찾을 수 있을 것. 그러나 그 가장 얕은 goal node가 항상 optimal하다고는 볼 수 없음. (단, 모든 cost가 같을 ..

[인공지능] 3. Solving problems by searching - 1 1. Problem-Solving Agents 1) Problem Formulation - Problem은 initial state, actions, transition model, goal test, path cost로 정의된다. - Problem formulation은 goal이 주어진 상황에서, 무슨 action 과 states를 고려할 것인지 결정하는 과정을 말한다. - Problem의 solution은 initial state가 goal state로 가게 만드는 action들의 sequence이다. - goal에 다다르기 위한 sequence of actions을 찾아나가는 과정이 search이다. - solution이 찾아지면 action이 수행되도록 추천된다. 이것이 바로 execution이..

[인공지능] 1.1 What is AI? &2.3 The Nature of Environments 1. AI(인공지능) 이란? : 사람의 Intelligent를 모방하는 기계를 만들어보자! - Thinking Humanly : 사람답게 생각하는게 뭔데? - Thinking Rationally : 논리학과 관련됨(3단논법) - Acting Humanly : Turing test - Acting Rationally : 합리적으로 행동하는 것과 합리적으로 생각하는 것은 다름 (행동한다고 생각하는 건 아님) EX) 네비게이션 즉, AI = Science(생각) & Engineering(행동) (괄호안은 task environment for an automated taxi) 2. The Nature Of Environments 1) Specifying the task environment : agent가 있을..

이전 1 2 다음

티스토리툴바