人工知能において、反応的エージェント（reactive agents）とは、現在の刺激に基づいて行動を選択する自律システムであり、世界の内部モデルに依存しない。これらは反応的プランニング（reactive planning）における重要な概念であり、古典的プランニングとは2つの点で異なる行動選択技法群を構成する：高度に動的かつ予測不可能な環境に対処するためタイムリーに動作すること、そして各瞬間において現在の文脈に基づいて次の行動を1つだけ計算すること。反応的プランニングという用語は少なくとも1988年に遡り、より現代的な用語である動的プランニング（dynamic planning）と同義である。
反応的エージェントは、世界モデルや過去の出来事の記憶などの持続的な内部状態を維持しない;その代わり、センサー入力や環境の手がかりに直接応答し、変化する条件下で単純、高速、かつ堅牢な動作を実現する;これは、記号的推論を用いて行動の系列を計画する熱考的エージェント（deliberative agents）とは対照的である;反応的エージェントは、しばしば反応的プラン（reactive plans）を用いて実装され、これはエージェントの優先順位と行動を記述する格納構造である;
反応的プランの表現
反応的プランはいくつかの方法で表現でき、それぞれが基本的な表現単位と、それらの単位をプランに合成する手段を必要とする;一般的な表現には、条件-行動ルール、有限状態機械、ファジー論理、および結合主義ネットワークが含まれる;
###条件-行動ルール
条件-行動ルール（condition-action rule）またはif-thenルールは、次の形式のルールである：if condition then action;これらのルールはプロダクション（productions）と呼ばれる;その意味は単純明快である：条件が成立すれば、行動を実行する;行動は外部的（例：何かを拾う）または内部的（例：事実を記憶に書き込む、または新しいルール集合を評価する）であり得る;条件は通常ブール値であり、行動は実行されるかされないかのいずれかである;
プロダクションルールは、平坦な構造または階層構造に編成され得る;例えば、包摂アーキテクチャ（subsumption architecture）は、相互接続された行動の層から成り、各層は適切な入力に応答する有限状態機械である;これらの層はスタック状に編成され、上位層が下位層の目標を包摂する;他のシステムは木構造を用いたり、現在最も重要なルール部分集合を変更する機構を含んだりする;平坦な構造は構築が容易であるが、単純な行動しか許容しないか、構造の欠如を補うために複雑な条件を必要とする;
分散型行動選択の重要な部分は競合解決（conflict resolution）であり、これは複数のルールの条件が同時に成立するときに競合を解決する;方法には、固定優先順位の割り当て、選好の割り当て（Soarアーキテクチャにおけるように）、相対的効用の学習（ACT-Rにおけるように）、またはある種のプランニングの利用が含まれる;エキスパートシステムはしばしば新近性などのより単純なヒューリスティクスを用いるが、単純な手法で大規模システムにおける良好な挙動を保証することは困難である;競合解決は、相互排他的な行動を提案するルールに対してのみ必要である;
###有限状態機械
有限状態機械（FSM）は、計算機科学で広く用いられるシステム挙動のモデルである;エージェント行動については、典型的なFSMは状態とそれらの間の遷移から成る;遷移は次の形式の条件-行動ルールである：if condition then activate-new-state;各瞬間において、ただ1つの状態のみが活性であり、その遷移が評価される;遷移は同じ状態に接続して、状態を変更せずに遷移行動を実行することも可能にする;
行動は2つの方法で生成され得る：状態は原子的行動（行為）またはスクリプトに関連付けられ得る;行為は、その状態が活性である間、毎時間ステップ実行される;より一般的には、各状態は一連の行動を記述するスクリプトに関連付けられる；遷移が新しい状態を活性化する場合、以前のスクリプトは中断され、新しいスクリプトが開始される;複雑なスクリプトは階層的FSMに分解でき、状態が下位状態を含む;階層的FSMは標準的FSMと計算論的に等価であるが、設計を容易にする;例として、Damian Islaが2005年に記述した、コンピュータゲームのボットのための階層的FSMの使用がある;
###ファジー的アプローチ
if-thenルールとFSMはファジー論理と組み合わせることができ、条件、状態、および行動をブール値ではなく近似的かつ滑らかにする;これにより、特にタスク遷移中に、より滑らかな行動がもたらされる;しかし、ファジー条件の評価は、明確な対応物の評価よりもはるかに遅い;Alex Champandardによって提案されたアーキテクチャのようなものが、このアプローチを探求してきた;
###結合主義的アプローチ
反応的プランは、人工ニューラルネットワークや自由流動階層などの結合主義ネットワークを用いて表現することもできる;基本単位は、抽象的な活動を供給する入力リンクと、活動を後続の単位に伝播させる出力リンクを持つ;単位は活動変換器として機能し、典型的には層状構造で接続される;利点には、より滑らかな行動、適応性、および禁止的記述のための抑制の利用が含まれる;欠点には、行動の設計の困難さと、特に適応性が要求される場合に比較的単純な行動に制限されることが含まれる;
##反応的プランニングアルゴリズム
典型的な反応的プランニングアルゴリズムは、if-thenルールを評価するか、結合主義ネットワークの状態を計算する;いくつかのアルゴリズムは特別な特徴を持つ;例えば、Rete評価アルゴリズムは、前のステップからのキャッシュを用いて、毎時間ステップすべてのルールを再評価することを避け、効率を向上させる;スクリプト言語も使用でき、ルールやFSMがアーキテクチャのプリミティブとなり、柔軟かつ迅速な開発を可能にする;
##応用と重要性
反応的エージェントは、環境が動的かつ予測不可能であるロボティクス、コンピュータゲーム、およびシミュレーションシステムにおいて広く用いられている;これらは人工知能における基礎的概念であり、より熱考的アプローチと対照をなす;反応的エージェントの単純さと速度は、自律走行車両やゲームキャラクターなどにおけるリアルタイム制御に適している;この分野の研究は、結合主義的反応的プランが実装される機械学習やニューラルネットワークなどの分野に影響を与えてきた;
##制限と拡張
反応的エージェントは、事前に計画を立てたり、長期的結果について推論したりする能力を欠き、戦略的思考を必要とするタスクでの使用を制限する;しかし、それらはハイブリッドアーキテクチャにおいて熱考的システムと組み合わせることができる;拡張には、階層的FSM、ファジー論理、および時間とともに行動を適応させる学習機構が含まれる;この分野は、深層学習や大規模言語モデルの進歩とともに進化し続けているが、反応的エージェントは多くのリアルタイム応用にとって依然として明確かつ実用的なアプローチである;
##関連項目