[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 때 우리는 PEAS description을 specify 해야한다.

   - Performance Measure (Safe, fast, legal, comfortable trip, maximize profits) : 맞는 방향으로 가는지, trip time을 최소화로 하는지 등의 goal

   - Environment (Roads, other traffic, pedestrians, customers) : 주어진 환경

   - Actuators (Steering, accelerator, brake, signal, horn, display) : 현재 state에서 수행할 수 있는 action

   - Sensors (Cameras, sonar, speedometer, GPS ...)  : 현재 state를 판단할 수 있는 sensor 

 이 네가지가 Task environment!

 

  2) Properies of task environments

 

    i. Fully observable vs Partially observable (unobservable)

      : agents의 sensor가 현재 환경의 state를 완벽히 파악할 수 있는지 없는지의 문제

 

   ii. Single agent vs multiagent

      : agent의 수. 체스는 competitive multiagent environment고 택시에서 충돌을 피해 성능을 최대화하는 것은 모든 agents와 협력적이므로 partially cooperative multiagent environment 이다. 

 

  iii. Deterministic vs Stochastic

      : 현재 state에서 agent가 action을 수행했을 때, 그 다음 state를 완벽하게 결정할 수 있는지의 여부. 만약 agent가 다음 state을 알 수 있다면 deterministic하고 아니라면 stochastic하다. 만약 fully observable하다면 deterministic 하기 때문에 불확실성에 대해 걱정할 필요가 없지만, 만약 partially observable하다면 stochatic 할 수 있다. 

    Not fully observable하거나 not deterministic한 환경일 때 우리는 uncertain하다고 말한다. Stochastic이라는 단어는 일반적으로 결과에 대한 불확실성이 확률의 관점에서 정량화되는 것을 말한다. Nondeterministic Environment이란 actions이 그들의 가능한 결과물에 의해 특정지어지지만, 그에 따르는 확률이 없는 환경이다. Nondeterministic environment description은 일반적으로 agents가 action의 모든 가능한 결과를 정상적으로 처리해야 하는 performance measures와 관련이 있다.

 

  iv. Episodic vs Sequential

      : episodic task environment에서 agent의 경험은 ATOMIC EPISODES로 나누어진다. 각 에피소드에서 agent는 상황을 인식하고 어떤 single action을 수행한다. 그리고 다음 episode는 previous episode에서 취한 action에 depend하지 않다. (대부분의 classification tasks가 episodic하다) 

  sequential environment에서는 현재의 결정이 모든 다음 결정들에 영향을 미친다. 체스나 택시 운전 같은 것들이 sequantial 하다. Episodic environments가 sequential environment보다 더 간단하다.

 

   v. Static vs dynamic

      : 만약 environment가 agent가 수행되던 중 변할 수 있다면, 우리는 이 때 environment가 dynamic(동적)이라고 한다. 반대는 static(정적)이다. Static environments는 비교적 쉽게 다룰 수 있는 반면, Dynamic environments의 경우에는 agent에게 무엇을 하기 원하는지 끊임없이 물어봐야 한다. 

  만약 시간의 흐름에 따라 환경 자체는 변하지 않지만 agent의 performance score가 변화한다면 이는 environment가 Semidynamic하다고 말한다. 택시 운전은 완벽히 dynamic하고, Chess를 시간을 두고 한다면 이는 semidynamic, Crossword puzzles은 static하다. 

 

   vi. Discrete vs Continuous

       : time이 어떻게 다루어지는지, percepts와 actions이 어떤지의 state를 반영한다. 만약 chess environment가 유한한 수와 서로 구별되는 독립적인 state를 갖는다면 chess는 perceps와 actions의  discrete set이다. 반면 택시의 경우에는 continuous state이자 continuous time problem이다. 

 

   vii. Known vs Unknown

       :  이것은 environment 자체의 관한 것이 아니라 agent의 knowledge의 state에 관한 것이다. Known environment라면 모든 action에 대해 outcome이 주어질 것이고, unknown 하다면 agent는 좋은 결정을 내리기 위해 어떻게 움직여야 하는지 학습해나가야 할 것이다. (fully and partially observal과는 다른 개념이다) 솔리테어 카드게임의 경우에는 나는 룰을 알지만 cards를 볼 수 없어 known environment이면서 partially observable한 environments이다. 또한 새로운 비디오게임에서 나는 모든 게임 state를 볼 수 있으나 내가 어떤 버튼을 눌렀을 때 어떤 동작을 하는지 알 수 없어 unkown environment이면서 fully observable하다. 

 

* fully observable, deterministic, discrete, and known environment 라면 그 solution은 fixed sequence of actions이다.