Ambiente operativo

L'ambiente operativo nello studio dell'intelligenza artificiale è l'insieme delle variabili che influenza la decisione di un agente razionale. Ogni agente razionale preleva le informazioni dall'ambiente esterno tramite i sensori ( input ) , elabora una decisione e modifica l'ambiente esterno tramite dei dispositivi attuatori ( output ). Le modifiche apportate all'ambiente sono rilevate dai sensori dell'agente razionale sia come nuove informazioni di input dell'ambiente esterno e sia come informazioni di feedback al fine di misurare le variazioni di stato dell'ambiente e l'efficacia della decisione dell'agente nei confronti di un obiettivo ( prestazione agente razionale ). L'elaborazione dei feedback è alla base del processo di apprendimento dell'agente razionale.

Gli agenti razionali possono operare in ambienti fisici o virtuali. Ad esempio, per il semplice robot aspirapolvere l'ambiente è il pavimento che, a sua volta, può assumere due stati: sporco o pulito. Per un softbot, invece, l'ambiente è il web e le informazioni ivi contenute. Ad esempio, è inutile per il robot-aspirapolvere sapere se piove o è bel tempo, gli è sufficiente sapere se l'ambiente bidimensionale del pavimento in cui si trova è impolverato oppure no. Ben più complesso, invece, è l'ambiente preso in considerazione dal robot che guida l'attracco delle navette spaziali alla Stazione spaziale internazionale (ISS). In entrambi i casi si parla di ambiente di riferimento dell'agente razionale e di stati dell'ambiente.

Dimensione ambiente. Nella realizzazione di un agente razionale il progettista delimita l'ambiente alle sole variabili rilevanti (dimensione ambiente). La dimensione dell'ambiente può delineare un ambiente completamente, parzialmente osservabile o inosservabile, deterministico o stocastico, non deterministico, statico o dinamico, sequenziale o episodico, discreto o continuo, sicuro o non sicuro, ecc.

Discretizzazione. Per far analizzare l'ambiente reale a un agente razionale è spesso necessario ridurre prima la complessità dell'ambiente reale ( ambiente continuo ) in un ambiente più limitato ( ambiente discreto ). L'elaborazione dell'ambiente reale potrebbe appesantire notevolmente la complessità temporale e spaziale dell'algoritmo decisionale. Il processo di riduzione dell'ambiente continuo in un ambiente discreto è detto discretizzazione.