agentfunctie

Agentfunctie is een begrip uit kunstmatige intelligentie en robotica dat de relatie beschrijft tussen wat een agent waarneemt en welk gedrag hij vertoont. In de klassieke formulering is de agentfunctie een mapping van perceptreeksen naar acties: voor elke mogelijke geschiedenis van waarnemingen levert zij een specifieke handeling op. De agentfunctie is abstract; de daadwerkelijke uitvoering is het agentprogramma, dat de functie implementeert in software of hardware. De vorm van de functie hangt af van de architectuur en de omgeving.

Formeel kan de agentfunctie worden geschreven als g: P* → A, waarbij P* de verzameling van alle perceptreeksen en A de verzameling mogelijke acties is. In praktijk wordt vaak beperkte geheugenrepresentatie gebruikt, omdat een volledige beschrijving van alle percepten onpraktisch is. Op basis van de representatie onderscheiden reactieve agenten (directe mapping van percepten naar acties), deliberatieve agenten (werken met interne toestanden en plannen) en hybride systemen.

Voorbeelden: een eenvoudige stofzuigerrobot gebruikt een minimale perceptiemap die 'vieze vloer' of 'schone vloer' kent om respectievelijk te zuigen of te verplaatsen. Een autonome auto verwerkt sensorgegevens tot beslissingen over richting, snelheid en remmen via een complexere agentfunctie. In onderwijs en onderzoek helpt het onderscheid tussen agentfunctie en agentprogramma bij het ontwerpen en evalueren van gedrag.

Uitdagingen zijn onder meer partiële observatie, onzekerheid, veranderende omgevingen en veiligheid. De prestatie van een agent wordt vaak gemeten aan de hand van taakgerelateerde beloningsfuncties en evaluatiemethoden die robuustheid en generalisatie testen.