Misura prestazione agente razionale

La misura della prestazione è di fondamentale importanza nella costruzione di un agente razionale. L'agente razionale determina il suo comportamento sulla base di un obiettivo prefissato, dell'esperienza accumulata e della conoscenza pregressa. Per essere in grado di saper distinguere l'esperienza positiva dall'esperienza negativa, l'agente razionale deve poter misurare la propria prestazione. Obiettivo e misura della prestazione sono due aspetti distinti in un sistema di intelligenza artificiale.

• Obiettivo. E' l'obiettivo che il sistema deve conseguire. Ad esempio, vincere una partita a tris o pulire una stanza nel caso dei robot domestici per la pulizia del pavimento.
• Misura della prestazione. E' la misura che consente al sistema di valutare il grado di raggiungimento dell'obiettivo dopo un'azione. La misura della prestazione può semplicemente consistere nell'ottenimento o meno dell'obiettivo, come nel caso del gioco del tris in cui una partita può essere vinta o meno, oppure in una complessa analisi degli effetti sull'ambiente determinati dall'agente razionale (es. pavimento pulito). Quest'ultima performance è più difficoltosa da rilevare in quanto è necessario analizzare l'ambiente di riferimento.

Scelta della regola. E' il progettista a individuare in fase di programmazione quale regola debba fungere da misura della prestazione. La scelta di una regola sbagliata o imperfetta pregiudica l'intero processo di apprendimento dell'intelligenza artificiale portando l'agente razionale a maturare con l'esperienza dei comportamenti non perfettamente razionali rispetto all'obiettivo.

Ambiente esterno e misura della prestazione. Uno degli errori comuni nella programmazione degli agenti razionali è la misurazione della prestazione sulla base di ciò che si pensa sia il migliore comportamento possibile. In realtà, tale impostazione è fortemente limitante per un sistema di intelligenza artificiale in quanto vincola il processo di apprendimento ad un preconcetto del progettista. E' invece preferibile legare la misurazione delle prestazioni all'effetto che il comportamento dell'agente determina sull'ambiente circostante. L'agente razionale deve poter percepire gli stati dell'ambiente esterno per associare le conseguenze o gli effetti delle proprie decisioni. Ad esempio, imporre a un robot un percorso guidato che si presume sia il migliore limita la capacità del sistema di individuare un proprio percorso ottimizzato sulla base dell'effettiva pulizia (o meno) del pavimento.