Введение:
Реактивная машина выполняла только базовый процесс. Реактивная машина — это самый простой тип искусственного интеллекта. Она выдаёт результат в ответ на конкретный входной сигнал. Простая реактивная машина — это, например, такая, которая получает на вход изображение человеческого лица и выдаёт вокруг него прямоугольник, чтобы обозначить его как лицо. Поскольку памяти нет, она не сохраняет никаких данных и ничему не учится.
Статические методы машинного обучения — это реактивные машины. У них самая простая идея, и их можно найти в репозиториях GitHub по всему интернету. Скачивать, обменивать, передавать и импортировать такие модели в набор инструментов разработчика очень легко.
Что такое реактивная машина?
Это самый базовый тип ИИ по функциональности. Его возможности ограничены. Он полностью реляционный. Он не способен запоминать прошлый опыт, так как не может предсказывать результаты на основе прошлого опыта: он работает только с текущими данными и реагирует в соответствии с ними. Реактивные устройства ИИ не могут делать выводы из данных, чтобы оценивать свои будущие действия. На один и тот же вход всегда будет один и тот же выход. Они могут выполнять лишь ограниченное число заранее определённых задач.
Как работают реактивные машины?
Реактивный ИИ работает как ожидается, выдавая ожидаемые результаты на основе получаемых данных. Такие реактивные устройства будут всегда одинаково реагировать на схожие события. Реактивные машины не могут учиться или представлять прошлое и будущее.
Каков пример реактивного ИИ?
Знаменитая шахматная программа IBM, победившая чемпиона мира Гарри Каспарова, — пример реактивного ИИ.
Deep Blue распознаёт все фигуры на шахматной доске и понимает, как они ходят. Он способен предсказывать, какие ходы сделает он сам и его соперник. Он также может определить наилучший вариант действий из множества возможных.
С другой стороны, у него нет знаний о прошлом и памяти о том, что происходило раньше. Deep Blue игнорирует всё, что было до текущего момента, за исключением редко применяемого шахматного правила, запрещающего повторять один и тот же ход три раза. Всё, что он делает, — анализирует фигуры на шахматной доске в их текущем положении и выбирает один из нескольких вероятных будущих ходов.[1]
Каковы некоторые характеристики реактивного ИИ?
- Она хорошо подходит для простого распознавания образов и простой классификации.
- Она также отлично подходит для ситуаций, когда все параметры известны.
- Она может обыгрывать людей, потому что делает вычисления намного быстрее.
- Она не способна справляться с ситуациями, где требуется прошлый опыт.
- Understanding the Four Types of Artificial Intelligence. 14 ноября 2016 г.; Доступно по адресу: https://www.govtech.com/computing/understanding-the-four-types-of-artificial-intelligence.html.
Примеры реактивных машин
Реактивные машины редко встречаются в современных продуктах, потому что большинство ИИ сейчас учится на данных, но сама идея остаётся полезной. К распространённым примерам относятся:
- Deep Blue — шахматный компьютер IBM, победивший чемпиона мира Гарри Каспарова в 1997 году. Он оценивал текущую позицию на доске и выбирал лучший ход с помощью фиксированных правил и перебора.
- Простой игровой ИИ в аркадных и головоломных играх, где соперник реагирует на текущую позицию игрока.
- Фильтры на основе правил, например простой спам-фильтр, блокирующий письма с определёнными словами и не учащийся на новых примерах.
- Простые правила рекомендаций, например «показывать товары из той же категории».
Реактивная машина и ИИ с ограниченной памятью
A reactive machine only looks at the present input and never stores past experience. Limited memory AI also looks at recent data, such as the last few seconds of road conditions for a self-driving car, and is trained on past examples. Learn more in limited memory AI or see all four types of AI.
Быстрые ответы
Что такое реактивная машина простыми словами?
Это ИИ, который реагирует на то, что видит прямо сейчас, не помня прошлого и не умея на нём учиться.
Используется ли реактивный ИИ сегодня?
Да, в простых системах, где предсказуемость поведения важнее обучения, например в контроллерах на основе правил и простых игровых соперниках.
Каковы ограничения реактивных машин?
Они не могут учиться на опыте, улучшаться со временем или справляться с ситуациями, выходящими за рамки их правил.
