Автономний агент

Описова логіка

Описова логіка (англ. Description logic) - сімейство мов для представлення баз знань, який можна використовувати для формулювання визначень понять предметної області у структурованій і формально-обґрунтованій формі. Описова логіка викоритовується для проектування онтологій у Семантичному Вебі.
Часто описову логіку ще називають Дескрипційною логікою.

Синтаксис описової логіки складається з:

• Множина унарних предикатних символів, які позначають імена понять.
• Множина бінарних зв'язків, які позначають імена відношень.
• Рекурсивні визначення одних понять на основі імен інших понять та імен відношень, використовуючи конструктори.

До конструкторів можуть відноситись з одного боку операції над поняттями (аналогічно операціям над множинами: об'єднання, доповнення, перетин тощо) чи накладання обмежень на відношення (транзитивніть, рефлексивність, функціональність і т.п.).

Основні задачі описової логіки:

• узагальнення - визначити на основі означень чи є одне поняття підпоняттям іншого
• класифікація - визначити відповідності об'єкта поняттю
• перевірка несуперечливості концепції - чи виконувані з точки зору логіки критерії визначення поняття

Однією з найважливіших характерних особливостей описових логік є їх акцент на практичну можливість логічного виведення. Рішення будь якої задачі здійснюється шляхом її опису з наступним виконанням запиту щодо того, чи є ця задача узагальненням однієї із кількох можливих категорій рішень. У стандартних системах логіки першого порядку часто неможливо передбачити час вироблення рішення, а користувачу найчастіше самостійно доведеться розробити представлення, яке дозволяє виключити множину висловлювань, які найімовірніше змусять систему потратити кілька тижнів щоб вирішити поставлену задачу. З іншого боку у описових логіках все спрямовано на забезпечення того, щоб перевірка узагальнення могла бути вирішена за час, поліноміально залежний від розміру описів.
UPD У статті О формальных основах OWL є доволі толковий опис описової логіки.
На основі цієї статті шпаргалка описових логік (FreeMind):

Задачі з прийняття рішень

1. Доведення з нульовим розголошенням (Zero-knowledge proof)
Суб'єкт A знає деяку інформацію - суб'єкт B хоче отримати цю інформацію, але перш ніж отримати цю інформацію B хоче впевнитись, що A справді знає цю інформацію, з іншого боку суб'єкт A поки не хоче розголошувати цю інформацію (наприклад, поки B не заплатить, але B заплатить тільки тоді, коли буде впевнений (на практиці з великою ймовірністю), що у A достовірна інфомація).
2. Задача упередженого порадника
Є всезнаючий порадник, у якого можна завжди проконсультуватись, але порадник хоч і все знає та не завжди говорить правду (відповідно до власних інтересів), задача полягає в тому, щоб на основі відповідей порадника прийняти правильне рішення (ТАК або НІ).
Виявляється є ефективне ЙМОВІРНІСНЕ рішення цієї задачі.

Експериментальна економіка

Експеримантальна економіка - це спосіб прогнозування (результатів виборів, поширення епідемії грипу та ін.) шляхом ставок.

Похоже, что финансовые интернет-рынки не только позволяют оценить, каковы будут кассовые сборы следующего фильма с Джорджем Клуни, и насколько тяжелой окажется эпидемия гриппа, но и предсказывают результаты выборов точнее, чем опросы

На основі статті "Когда рынки точнее прогнозов" із журналу "В мире науки" №6, 2008 рік

Знову про інтелектуальні права та економію паперу

Винаходи типу багаторазового та ще й електронного паперу мені особисто дуже подобаються. Добре було б читати електронні книжки на великих листках замість маленьких екранів, чи сидячи перед монітором комп'ютера.

Однозначно у цьому є багато плюсів, починаючи від кардинального здешевлення носія і закінчуючи питаннями екології. Проте багато кому і не сподобається такий прогрес - все ж одержувати доходи від продажу паперових носіїв інтелектуальної власності значно простіше. Що ж робити?

Думаю це ще один аргумент на перегляд ставлення до інтелектуальної власності у майбутньому. Типу: продукт спочатку оплачується, а тоді створюється, а не як зараз.

Штучний інтелект для штучного інтелекту

Виявляється не лише людям потрібний штучний інтелект, але й штучному інтелекту потрібен штучний інтелект (тавтологія не моя, це все Amazon).

Amazon придумав, як у програми вбудувати штучний інтелект. Для цього вони створили спеціальний API, при цьому ваша програма може формувати задачі, які на сьогоднішній день здатна розв'язати лише людина, і за допомогою цього API передавати на спеціальний сайт, де всі, хто проходить повз може розв'язати. Таким чином створюється ілюзія, що ваша програма має інтелект.
Наприклад, людина тільки глянувши на фото зможе визначити, чи є на ній людина чи ні... Технологія від Amazon дозволяє наділяти програми такими можливостями вже сьогодні.
Правда, щоб оці прохожі мали стимул розв'язувати такі задачі - їм потрібно платити, реальні гроші... за це пропонують по кілька центів та все ж.

Побачимо, що з цього вийде.... Ця штучка добряче допоможе хакерам в обході всяких Тюрінг кодів (це графічні зображення при різних авторизаціях, які дають змогу сайт переконатись, що з сайтом працює не бот, а людина).

Називається нова розробка Amazon Mechanic Turk.

Action Selection methods using Reinforcement Learning

Action Selection methods using Reinforcement Learning

The Action Selection problem is the problem of run-time choice between conflicting and heterogenous goals, a central problem in the simulation of whole creatures (as opposed to the solution of isolated uninterrupted tasks). This thesis argues that Reinforcement Learning has been overlooked in the solution of the Action Selection problem. Considering a decentralised model of mind, with internal tension and competition between selfish behaviors, this thesis introduces an algorithm called "W-learning", whereby different parts of the mind modify their behavior based on whether or not they are succeeding in getting the body to execute their actions. This thesis sets W-learning in context among the different ways of exploiting Reinforcement Learning numbers for the purposes of Action Selection. It is a "Minimize the Worst Unhappiness" strategy. The different methods are tested and their strengths and weaknesses analysed in an artificial world.