कृत्रिम बुद्धिमत्ता में, प्रतिक्रियाशील एजेंट स्वायत्त प्रणालियाँ हैं जो दुनिया के आंतरिक मॉडल पर भरोसा किए बिना वर्तमान उत्तेजनाओं के आधार पर क्रियाओं का चयन करती हैं। वे प्रतिक्रियाशील योजना में एक प्रमुख अवधारणा हैं, जो क्रिया चयन के लिए तकनीकों का एक समूह है जो शास्त्रीय योजना से दो तरह से भिन्न होता है: वे समयबद्ध तरीके से कार्य करते हैं, अत्यधिक गतिशील और अप्रत्याशित वातावरण से निपटते हैं, और वे वर्तमान संदर्भ के आधार पर प्रत्येक क्षण केवल एक अगली क्रिया की गणना करते हैं। प्रतिक्रियाशील योजना शब्द कम से कम 1988 से चला आ रहा है और यह अधिक आधुनिक शब्द गतिशील योजना का पर्याय है।
प्रतिक्रियाशील एजेंट एक स्थायी आंतरिक स्थिति, जैसे कि विश्व मॉडल या पिछली घटनाओं की स्मृति, बनाए नहीं रखते हैं। इसके बजाय, वे सीधे संवेदी इनपुट या पर्यावरणीय संकेतों पर प्रतिक्रिया करते हैं, जिससे वे बदलती परिस्थितियों में सरल, तेज़ और मजबूत बनते हैं। यह विचारशील एजेंटों के विपरीत है जो प्रतीकात्मक तर्क का उपयोग करके क्रियाओं के अनुक्रम की योजना बनाते हैं। प्रतिक्रियाशील एजेंटों को अक्सर प्रतिक्रियाशील योजनाओं का उपयोग करके लागू किया जाता है, जो एजेंट की प्राथमिकताओं और व्यवहार का वर्णन करने वाली संग्रहीत संरचनाएँ हैं।
प्रतिक्रियाशील योजना प्रतिनिधित्व
प्रतिक्रियाशील योजनाओं को कई तरीकों से प्रस्तुत किया जा सकता है, जिनमें से प्रत्येक को एक बुनियादी प्रतिनिधित्व इकाई और इन इकाइयों को योजनाओं में संयोजित करने के साधन की आवश्यकता होती है। सामान्य प्रतिनिधित्व में स्थिति-क्रिया नियम, परिमित-अवस्था मशीनें, फ़ज़ी लॉजिक और कनेक्शनिस्ट नेटवर्क शामिल हैं।
स्थिति-क्रिया नियम
एक स्थिति-क्रिया नियम, या यदि-तो नियम, इस रूप में एक नियम है: यदि स्थिति तो क्रिया। इन नियमों को उत्पादन कहा जाता है। अर्थ सीधा है: यदि स्थिति सत्य है, तो क्रिया करें। क्रिया बाहरी हो सकती है (जैसे, कुछ उठाना) या आंतरिक (जैसे, स्मृति में एक तथ्य लिखना या नियमों के एक नए सेट का मूल्यांकन करना)। स्थितियाँ सामान्यतः बूलियन होती हैं, और क्रियाएँ या तो की जाती हैं या नहीं की जाती हैं।
उत्पादन नियम सपाट संरचनाओं या पदानुक्रमों में व्यवस्थित हो सकते हैं। उदाहरण के लिए, अधीनता वास्तुकला में परस्पर जुड़े व्यवहारों की परतें होती हैं, जिनमें से प्रत्येक एक परिमित-अवस्था मशीन है जो उपयुक्त इनपुट पर प्रतिक्रिया करती है। ये परतें एक स्टैक में व्यवस्थित होती हैं, जिसमें उच्च परतें निचली परतों के लक्ष्यों को अधीन कर लेती हैं। अन्य प्रणालियाँ पेड़ों का उपयोग करती हैं या ऐसे तंत्र शामिल करती हैं जो बदलते हैं कि कौन सा नियम उपसमुच्चय वर्तमान में सबसे महत्वपूर्ण है। सपाट संरचनाएँ बनाना आसान होता हैं लेकिन केवल सरल व्यवहार की अनुमति देती हैं या संरचना की कमी की भरपाई के लिए जटिल स्थितियों की आवश्यकता होती है।
वितरित क्रिया चयन का एक महत्वपूर्ण हिस्सा संघर्ष समाधान है, जो तब संघर्षों को हल करता है जब कई नियमों की स्थितियाँ एक साथ सत्य होती हैं। विधियों में निश्चित प्राथमिकताएँ निर्धारित करना, प्राथमिकताएँ निर्दिष्ट करना (जैसे Soar वास्तुकला में), सापेक्ष उपयोगिताओं को सीखना (जैसे ACT-R में), या योजना के एक रूप का उपयोग करना शामिल है। विशेषज्ञ प्रणालियाँ अक्सर हाल ही जैसे सरल अनुमानों का उपयोग करती हैं, लेकिन सरल दृष्टिकोणों के साथ बड़ी प्रणालियों में अच्छे व्यवहार की गारंटी देना कठिन है। संघर्ष समाधान केवल उन नियमों के लिए आवश्यक है जो परस्पर अनन्य क्रियाओं का प्रस्ताव करते हैं।
परिमित-अवस्था मशीनें
एक परिमित-अवस्था मशीन (FSM) प्रणाली व्यवहार का एक मॉडल है जो कंप्यूटर विज्ञान में व्यापक रूप से उपयोग किया जाता है। एजेंट व्यवहार के लिए, एक विशिष्ट FSM में अवस्थाएँ और उनके बीच संक्रमण होते हैं। संक्रमण स्थिति-क्रिया नियम हैं जो इस रूप में होते हैं: यदि स्थिति तो नई-अवस्था सक्रिय करें। प्रत्येक क्षण, केवल एक अवस्था सक्रिय होती है, और इसके संक्रमणों का मूल्यांकन किया जाता है। संक्रमण उसी अवस्था से भी जुड़ सकते हैं ताकि अवस्था बदले बिना संक्रमण क्रियाओं को निष्पादित करने की अनुमति मिल सके।
व्यवहार दो तरीकों से उत्पन्न किया जा सकता है: अवस्थाएँ परमाणु क्रियाओं (कृत्यों) या स्क्रिप्ट से जुड़ी हो सकती हैं। एक कृत्य हर बार जब अवस्था सक्रिय होती है तो किया जाता है। अधिक बार, प्रत्येक अवस्था एक स्क्रिप्ट से जुड़ी होती है जो क्रियाओं के अनुक्रम का वर्णन करती है; यदि एक संक्रमण एक नई अवस्था को सक्रिय करता है, तो पिछली स्क्रिप्ट बाधित होती है और नई शुरू होती है। जटिल स्क्रिप्ट को पदानुक्रमित FSM में तोड़ा जा सकता है, जहाँ अवस्थाओं में उप-अवस्थाएँ होती हैं। पदानुक्रमित FSM कम्प्यूटेशनल रूप से मानक FSM के बराबर होते हैं लेकिन डिज़ाइन को सुविधाजनक बनाते हैं। एक उदाहरण कंप्यूटर गेम बॉट्स के लिए पदानुक्रमित FSM का उपयोग है, जैसा कि डेमियन इस्ला ने 2005 में वर्णित किया था।
फ़ज़ी दृष्टिकोण
यदि-तो नियम और FSM को फ़ज़ी लॉजिक के साथ जोड़ा जा सकता है, जिससे स्थितियाँ, अवस्थाएँ और क्रियाएँ बूलियन के बजाय अनुमानित और सुचारू हो जाती हैं। इसके परिणामस्वरूप सुचारू व्यवहार होता है, विशेष रूप से कार्य संक्रमण के दौरान। हालाँकि, फ़ज़ी स्थितियों का मूल्यांकन करना स्पष्ट समकक्षों की तुलना में बहुत धीमा है। एलेक्स चैम्पैंडार्ड द्वारा प्रस्तावित वास्तुकला जैसी वास्तुकलाओं ने इस दृष्टिकोण का पता लगाया है।
कनेक्शनिस्ट दृष्टिकोण
प्रतिक्रियाशील योजनाओं को कनेक्शनिस्ट नेटवर्क, जैसे कि कृत्रिम तंत्रिका नेटवर्क या मुक्त-प्रवाह पदानुक्रम का उपयोग करके भी व्यक्त किया जा सकता है। बुनियादी इकाई में इनपुट लिंक होते हैं जो अमूर्त गतिविधि को खिलाते हैं और आउटपुट लिंक होते हैं जो गतिविधि को निम्नलिखित इकाइयों तक प्रचारित करते हैं। इकाइयाँ गतिविधि ट्रांसड्यूसर के रूप में कार्य करती हैं, आमतौर पर स्तरित संरचनाओं में जुड़ी होती हैं। लाभों में सुचारू व्यवहार, अनुकूलनशीलता और निषेधात्मक विवरण के लिए निषेध का उपयोग करने की क्षमता शामिल है। नुकसान में व्यवहार को डिज़ाइन करने में कठिनाई और अपेक्षाकृत सरल व्यवहार तक सीमाएँ शामिल हैं, विशेष रूप से जब अनुकूलनशीलता की आवश्यकता होती है।
प्रतिक्रियाशील योजना एल्गोरिदम
विशिष्ट प्रतिक्रियाशील योजना एल्गोरिदम यदि-तो नियमों का मूल्यांकन करते हैं या कनेक्शनिस्ट नेटवर्क की स्थिति की गणना करते हैं। कुछ एल्गोरिदम में विशेष विशेषताएँ होती हैं। उदाहरण के लिए, Rete मूल्यांकन एल्गोरिदम प्रत्येक समय चरण पर सभी नियमों का पुनर्मूल्यांकन करने से बचने के लिए पिछले चरण से एक कैश का उपयोग करता है, जिससे दक्षता में सुधार होता है। स्क्रिप्टिंग भाषाओं का भी उपयोग किया जा सकता है, जहाँ नियम या FSM एक वास्तुकला के प्राइमेटिव होते हैं, जो लचीले और तेज़ विकास की अनुमति देते हैं।
अनुप्रयोग और महत्व
प्रतिक्रियाशील एजेंट व्यापक रूप से रोबोटिक्स, कंप्यूटर गेम और सिमुलेशन प्रणालियों में उपयोग किए जाते हैं जहाँ वातावरण गतिशील और अप्रत्याशित होते हैं। वे कृत्रिम बुद्धिमत्ता में एक मौलिक अवधारणा हैं, जो अधिक विचारशील दृष्टिकोणों के विपरीत है। प्रतिक्रियाशील एजेंटों की सरलता और गति उन्हें वास्तविक समय नियंत्रण के लिए उपयुक्त बनाती है, जैसे कि स्वायत्त वाहनों और गेम पात्रों में। इस क्षेत्र में अनुसंधान ने मशीन लर्निंग और तंत्रिका नेटवर्क जैसे क्षेत्रों को प्रभावित किया है, जहाँ कनेक्शनिस्ट प्रतिक्रियाशील योजनाएँ लागू की जाती हैं।
सीमाएँ और विस्तार
प्रतिक्रियाशील एजेंटों में आगे की योजना बनाने या दीर्घकालिक परिणामों के बारे में तर्क करने की क्षमता का अभाव होता है, जो रणनीतिक सोच की आवश्यकता वाले कार्यों में उनके उपयोग को सीमित करता है। हालाँकि, उन्हें हाइब्रिड वास्तुकलाओं में विचारशील प्रणालियों के साथ जोड़ा जा सकता है। विस्तार में पदानुक्रमित FSM, फ़ज़ी लॉजिक और समय के साथ व्यवहार को अनुकूलित करने के लिए सीखने के तंत्र शामिल हैं। यह क्षेत्र डीप लर्निंग और बड़े भाषा मॉडल में प्रगति के साथ विकसित हो रहा है, हालाँकि प्रतिक्रियाशील एजेंट कई वास्तविक समय अनुप्रयोगों के लिए एक विशिष्ट और व्यावहारिक दृष्टिकोण बने हुए हैं।