Агенти, орієнтовані на корисність (Utility-based agents) — це тип агентів штучного інтелекту, які ухвалюють рішення, прагнучи максимізувати певну функцію корисності (utility function). На відміну від агентів, орієнтованих лише на ціль (goal-based agents), які зосереджені на досягненні певного стану, агенти орієнтовані на корисність враховують ступінь задоволення чи переваги, пов’язані з різними можливими станами, і вибирають дії, що приносять найбільшу «корисність». Такий підхід дозволяє враховувати неоднозначність, ризики та пріоритети у прийнятті рішень.
Характеристики агентів, орієнтованих на корисність
- Функція корисності — це математична модель, яка кількісно описує «цінність» кожного можливого стану або результату для агента.
- Оцінка альтернатив — агент порівнює не лише досягнення чи недосягнення цілі, а й ступінь вигідності кожного варіанту.
- Прийняття рішень на основі максимізації корисності — агент вибирає ту дію, яка, на його думку, максимізує очікувану корисність.
- Облік ризиків та компромісів — агент може враховувати непевність та вибирати стратегії з урахуванням балансу між ризиком і вигодою.
- Внутрішня модель світу — необхідна для оцінки наслідків дій та розрахунку корисності.
Принцип роботи
- Агент отримує інформацію про поточний стан середовища.
- За допомогою внутрішньої моделі агент прогнозує можливі наступні стани для кожної доступної дії.
- Для кожного прогнозованого стану обчислюється значення корисності за заданою функцією.
- Агент обирає дію, що веде до стану з максимальною очікуваною корисністю.
- Виконує цю дію і повторює цикл.
Приклади застосування
- Фінансові системи, які приймають рішення про інвестиції, максимізуючи прибуток і мінімізуючи ризики.
- Роботи, що виконують складні завдання з багатьма варіантами дій, наприклад, пошук оптимального маршруту з урахуванням витрат і часу.
- Ігрові агенти, що оцінюють вигідність різних стратегій для досягнення найкращого результату.
- Системи прийняття рішень у медицині, що балансують користь лікування і можливі побічні ефекти.
Переваги
- Забезпечує більш тонкий та гнучкий підхід до ухвалення рішень, ніж агенти, орієнтовані лише на досягнення цілей.
- Дозволяє враховувати пріоритети, переваги та ризики.
- Підходить для складних, багатоваріантних задач з непевністю.
- Підвищує якість рішень у динамічних і неоднозначних середовищах.
Недоліки
- Визначення та формалізація функції корисності можуть бути складними і суб’єктивними.
- Обчислювальна складність оцінки і максимізації корисності, особливо в складних середовищах.
- Помилки або неточності у внутрішній моделі та функції корисності можуть призводити до неправильних рішень.
- Потребує великої кількості даних і ресурсів для моделювання та прогнозування.
Агенти, орієнтовані на корисність, є найбільш «інтелектуальними» серед базових типів агентів, оскільки вони не лише прагнуть досягти цілі, а й максимізують якість результату. Вони широко застосовуються у складних системах, де потрібно враховувати неоднозначність, ризики і багато альтернатив. Цей підхід є основою для розробки більш адаптивних і ефективних систем штучного інтелекту.