Utilizarea învăţării asistate în cadrul dispozitivelor IoT centrate pe utilizator, reprezintă un pas spre viitor în ceea ce privește comunicarea acestora. Principalul beneficiu pe care agenții inteligenți îl aduc dispozitivelor IoT este crearea unui sistem bazat pe nevoile utilizatorului. Astfel, diferitele gadgeturi pot învăța obiceiurile persoanei respective, oferindu-i o utilizare mult mai eficientă pe măsură ce acesta le folosește.
Dispozitivele IoT au întâlnit o dezvoltare masivă în ultimul timp, iar obiectele interconectate au început să ofere o mulţime de date despre lucrurile asupra cărora sunt aplicate. Cu toate acestea datele, nu reprezintă o valoare decât dacă sunt transformate în informaţii, care pot fi utile mai târziu. Acest lucru face trimitere la domeniul Big Data prin care datele brute sunt procesate, pentru a se obţine informaţie valoroasă. Însă, este nevoie de timp şi studiu pentru ca apoi să existe cunoştinţe despre ceea ce a fost făcut sau despre ceea ce se vrea a fi făcut.
Domeniul Inteligenţei Artificiale a cunoscut o adevărată evoluţie datorită puterii de procesare, care a ajuns să fie tot mai mare, iar dimensiunile sistemelor de calcul au scăzut în mărime, acestea ajungând să aibă proporţia unui stick de memorie USB. Datorită evoluției s-au îmbunătăţit şi agenţii inteligenţi, care devin tot mai intuitivi datorită diferitelor tehnici de învăţare.
Stuart Jonathan Russel afirmă că : "Un agent este o entitate care percepe mediul în care se află şi acţionează asupra acestuia"[1].
Agenții sunt produse software autonome, adaptive care pot fi folosiți pentru perceperea mediului din care provin. Cu ajutorul senzorilor și pe baza cunoștințelor de la care au pornit, utilizând învățarea asistată acumulează cât mai multe cunoștințe pozitive sau negative despre mediul în care activează. Pe baza informațiilor pe care le primesc mai apoi, aceştia pot lua singuri decizii punându-le în practică cu ajutorul efectorilor.
Învățarea asistată este procesul prin care agenții sunt ajutați să ia decizii pe baza feedbackului primit de la utilizator sau de la sistemul din care provin, în diferitele situații care apar și care sunt necunoscute. După ce asupra agentului a fost formată o bază de cunoștințe, la următoarea apariție a situațiilor învățate, acesta va ști ce este de făcut. De asemenea, tehnica de învățare și deciziile pe care agentul le ia sunt în continuă schimbare și îmbunătățire.
În diagrama de mai jos este definit modul în care trebuie să arate un sistem IoT cu un agent inteligent de învăţare integrat şi funcționalitatea acestuia cu privire la metoda de învăţare şi acumulare de noi cunoştinţe.
Atunci când sistemul IoT este folosit de către utilizator într-un mediu, senzorii din dispozitiv colectează date din exterior. Aceste date sunt apoi preluate de către agent pentru a fi prelucrate și pentru a se extrage cunoștințele cu privire la mediu, pentru a şti ce este de făcut.
Figura 1.
Elementul de învățare (Learning ElementI) este procesul responsabil pentru îmbunătățirea tehnicii de învățare a agentului pentru ca elementul de performanță (Performance element) să fie cât mai eficient. Pentru ca acesta să știe dacă deciziile pe care le-a luat sunt bune sau nu, componenta critică"Critic" este necesară. Aceasta este folosită pentru a se evalua cât de bune sunt deciziile pe care agentul le-a luat și apoi este trimis feedback către elementul de învățare (Learning Element). Learning element este direct conectat cu Problem Generator care are rolul de a studia și alte posibilități nemaîntâlnite care pot să apară în procesul de funcționare și învățare al agentului, necesitând evaluare. Procesele Critic și Problem Generator pot fi considerate elemente esențiale în procesul de învățare al agentului.
Revenind la Learning Element, acesta trimite informația învățată către Performance Element componenta care decide care acțiuni sunt bune și ce trebuie trimis către Effector pentru a fi realizat. Efectorii pun în practică acțiunile pe care agentul le-a luat, acestea fiind destinate utilizatorului. În funcție de deciziile luate "Performance Element" decide dacă acțiunile au fost bune sau nu și acesta trimite feedback către "Learning Element" care din nou creează baza de cunoștințe.
Până acum, conceptul a fost implementat doar de către giganţii IT-ului, în scopul dezvoltării noilor tehnologi. Exemple din viaţa cotidiană, care folosesc acest concept sunt :
Maşina autonomă Google se conduce fără şofer, senzorii acesteia colectând date din mediul în care se află, iar apoi pe baza inteligenţei artificiale, aceasta decide ce e de făcut, descurcându-se şi în situaţii nemaiîntâlnite.
Siri, Cortana, Bixby, pe baza datelor primite de la utilizator/mediu, îl ajută cu privire la deciziile pe care acesta le poate lua.
Unul dintre framework-urile gratuite care pot fi folosite pentru implementarea agenţilor este JADE (Java Agent DEvelopment Framework), acesta simplifică modul în care agenţii sunt implementaţi, chiar şi în sisteme ce conţin mai mulţi agenţi (multi-agent). [2]
În concluzie, integrarea agenților inteligenți în dispozitivele IoT și utilizarea tehnicilor de învățare asistată este benefică în ceea ce priveşte abilitatea de luare a deciziilor de către dispozitive, acestea oferindu-i utilizatorului un grad de confort ridicat. Aparatele învaţă obiceiurile persoanei în cauză, satisfăcându-i mai apoi toate nevoile. Aşadar, putem spune că această tehnologie reprezintă un pas major spre viitor şi spre ideea de dispozitive inteligente care ştiu ce funcţii au de îndeplinit, adaptându-se profilului utilizatorului.
Artificial Intelligence A MODERN APROACH, Third Edition, Stuart Jonathan Russel & Peter Norvig, Editura: Pearson
de Bálint Ákos
de Andrei Oneț
de Ioana Varga
