人工知能における 5 種類のエージェント

「5 types of agents in artificial intelligence」は、公開された証拠がインターネットインフラ、ガバナンス、運用依存関係、または市場の可視性と関連しているため、BTW Media によってプロファイルされています。

• AI エージェントには 5 つのタイプがあり、それぞれ複雑さと知能のレベルが異なります：単純反射エージェント、モデルベース反射エージェント、目標ベースエージェント、効用ベースエージェント、学習エージェント。
• AI エージェントは、入力を感知するセンサーとアクションを実行するアクチュエーターを使用して環境と相互作用し、特定の目標を達成するために知覚、思考、行動のサイクルで動作します。
• インテリジェントエージェントの例としては、センサーとアクチュエーターでナビゲートする自動運転車や、ユーザーの要求に応答し学習した行動に基づいてタスクを実行する Siri のようなバーチャルアシスタントが挙げられます。

人工知能（AI）は、現代生活の多くの側面に浸透している情報技術の魅力的な分野です。複雑に見えるかもしれませんが、個々の構成要素を探求することで AI をより理解し、身近に感じることができます。これらの要素がどのように組み合わさるかを学ぶことで、AI テクノロジーをより良く理解し実装できるようになります。このブログでは、人工知能におけるインテリジェントエージェントの概念を紹介し、5 種類の AI エージェントについて探ります。

AI におけるエージェントとは？

AI の文脈では、「エージェント」とは、センサーを介して周囲を認識し、アクチュエーターまたはエフェクターを介して動作することで環境と相互作用する自律的なプログラムまたはエンティティです。エージェントは、アクチュエーターを使用して知覚、思考、行動のサイクルで動作します。以下にエージェントの例を示します。

ソフトウェアエージェント

これらのエージェントは、ファイルの内容、キーボード入力、受信したネットワークパケットを感覚入力として使用し、それらの入力に基づいて結果を画面に表示するアクションを実行します。

人間エージェント

人間は自然なエージェントであり、目、耳、その他の器官がセンサーとして機能し、手、脚、口、その他の身体部分がアクチュエーターとして機能します。

ロボットエージェント

ロボットエージェントは、カメラや赤外線距離計をセンサーとして使用し、さまざまなサーボモーターやモーターがアクチュエーターとして動作します。

AI におけるインテリジェントエージェントは、特定の目標を達成するためにセンサーとアクチュエーターを使用して環境と相互作用する自律的なエンティティです。これらのエージェントはまた、時間をかけてパフォーマンスを向上させるために環境から学習することもできます。自動運転車やSiriのようなバーチャルアシスタントは、AI におけるインテリジェントエージェントの例です。

こちらもお読みください：明日のインテリジェントマシンを推進する 5 種類の AI ハードウェア

人工知能における 5 種類のエージェント

AI で使用されるインテリジェントエージェントには、その能力の幅と知能レベルによって定義される 5 つの異なるタイプがあります。

単純反射エージェント

これらのエージェントは、現在の知覚のみに基づいて動作し、知覚の履歴は考慮しません。知能と能力が限られているため、完全に観測可能な環境でのみ成功します。単純反射エージェントは適応性がなく、現在の状態で知覚されないものはアクションに影響を与えません。応答は基本的に、事前定義されたルールリストと事前プログラムされた結果を参照する、ユーザーが開始したイベントによってトリガーされます。

モデルベース反射エージェント

モデルベース反射エージェントは、単純反射エージェントに対して大きな利点があります。過去のデータを考慮し、部分的に観測可能な環境でも動作できます。現在の世界の状態を表すモデルと、過去の知覚に基づいて現在の状態を反映する内部状態を使用します。アクションの選択方法は単純反射エージェントと似ていますが、環境に対する理解はより包括的です。

こちらもお読みください：AI におけるコグニティブコンピューティングでソリューションを提供する

目標ベースエージェント

その名が示す通り、これらのエージェントは目標を使用して望ましい結果を記述し、それを達成するためにさまざまな可能性から選択することができます。モデルベースエージェントを基盤として、目標ベースエージェントは目標を達成するために利用可能なオプションから最適なアクションを選択し、人工知能を使用して意思決定を行います。このプロセスは「探索と計画」として知られ、異なるアクションを評価して最も効果的なものを決定します。

効用ベースエージェント

目標ベースエージェントと同様に、効用ベースエージェントは、望ましい結果に基づいて潜在的なシナリオを評価する追加の効用尺度を提供します。次に、結果を最大化するアクションを選択します。この能力により、意思決定の前に異なる要因間でトレードオフを行うことができます。例えば、衣料品店の目標は利益の最大化かもしれませんが、効用ベースエージェントは顧客満足度も考慮します。効用を実数（例えば、顧客満足度の 1 から 10 のスケール）として定義することで、エージェントは効用に基づいて実際のシナリオで意思決定を行うことができます。

学習エージェント

学習エージェントは追加の学習要素を備えており、時間の経過とともに徐々に改善し、環境に関する知識をより多く獲得することができます。自身のアクションに対するフィードバックから学習し、それに応じて適応します。このプロセスには、学習要素（経験から学習する）、批評家（フィードバックを提供する）、パフォーマンス要素（外部アクションを決定する）、問題生成器（履歴を保持し新しい提案を行う）の 4 つのコンポーネントが必要です。

人工知能の台頭はとどまるところを知りません。2020 年から 2027 年にかけて業界が年平均成長率 33.2%で成長すると予測され、小売業のリーダーの 80%が 2027 年までに AI を活用したインテリジェントオートメーションを自社が採用すると予想しているという調査結果もある中、AI 戦略を模索しない組織は取り残されるリスクがあります。インテリジェントエージェントの役割を理解することは、AI の可能性を評価するための重要な第一歩です。