본 게시물은 AI를 활용하여 논문 “Probabilistic Agent Programs∗”에 대한 주요 내용을 요약하고 분석한 결과입니다. 심층적인 정보는 원문 PDF를 직접 참고해 주시기 바랍니다.
📄 Original PDF: Download / View Fullscreen
영문 요약 (English Summary)
In this paper, we propose the concept of probabilistic agent programs and show how given an arbitrary program written in any imperative language, we may build a declarative “probabilistic” agent program on top of it which supports decision making in the presence of uncertainty. We provide two alternative semantics for probabilistic agent programs. We show that the second semantics, though more epistemically appealing, is more complex to compute. We also develop sound and complete algorithms to compute the semantics of positive agent programs.
한글 요약 (Korean Summary)
이 논문에서, 우리는 확률 론적 대리인 프로그램의 개념을 제안하고 어떤 명령 언어로 작성된 임의의 프로그램을 어떻게 부여했는지 보여줍니다. 우리는 확률 론적 대리인 프로그램에 대한 두 가지 대안 적 의미를 제공합니다. 우리는 두 번째 의미론이 더 인식적으로 매력적이지만 계산하기에 더 복잡하다는 것을 보여줍니다. 또한 긍정적 인 에이전트 프로그램의 의미를 계산하기 위해 사운드 및 완전한 알고리즘을 개발합니다.
주요 기술 용어 설명 (Key Technical Terms)
이 논문의 핵심 개념을 이해하는 데 도움이 될 수 있는 주요 기술 용어와 그 설명을 제공합니다. 각 용어 옆의 링크를 통해 관련 외부 자료를 검색해 보실 수 있습니다.
- Software Code Calls [Wikipedia (Ko)] [Wikipedia (En)] [나무위키] [Google Scholar] [Nature] [ScienceDirect] [PubMed]
설명: 추상 데이터 유형의 불확실성을 통한 기본 구문 구성은 그 자체로 나타납니다. 에이전트의 상태에서 세계에 대한 불확실한 견해를 나타냅니다.
(Original: The basic syntactic construct through which uncertainty in abstract data types manifests itself; represents uncertain view of the world in agents’ state.) - Type Composition Operators [Wikipedia (Ko)] [Wikipedia (En)] [나무위키] [Google Scholar] [Nature] [ScienceDirect] [PubMed]
설명: 유형을 입력으로 취하는 부분 함수 및 기존 데이터 유형에서 새로운 데이터 유형을 생성하는 방법을 나타냅니다.
(Original: Partial functions that take types as input and yield a type as output, representing ways to create new data types from existing ones.) - Integrity Constraints [Wikipedia (Ko)] [Wikipedia (En)] [나무위키] [Google Scholar] [Nature] [ScienceDirect] [PubMed]
설명: 일련의 제약 조건 에이전트의 상태가 유효하기 위해서는 만족해야합니다. API 기능 호출을 통해 데이터 유형/구조 세트를 관리하는 데 영향 에이전트가 사용합니다.
(Original: Set of constraints an agent’s state must satisfy for it to be valid; used by IMPACT agents in managing sets of data types/structures through API function calls.)
원문 발췌 및 번역 보기 (Excerpt & Translation)
원문 발췌 (English Original)
Probabilistic Agent Programs∗ J¨urgen Dix† University of Koblenz, Dept. of Computer Science D-56075 Koblenz, Germany1999 Mirco Nanni University of Pisa, Dept. of Computer ScienceOct I-56125 Pisa, Italy 21 V.S. Subrahmanian‡ Dept. of CS, University of Maryland College Park, MD 20752, USA 22nd June 2021[cs.AI] Abstract Agents are small programs that autonomously take actions based on changes in their environment or “state.” Over the last few years, there have been an increasing number of efforts to build agents that can interact and/or collaborate with other agents. In one of these efforts, Eiter, Sub- rahmanian, and Pick (1999) have shown how agents may be built on top of legacy code. However, their framework assumes that agent states are com- pletely determined, and there is no uncertainty in an agent’s state. Thus, their framework allows an agent developer to specify how his agents will react when the agent is 100% sure about what is true/false in the world state. In this paper, we propose the concept of a probabilistic agent pro- gram and show how, given an arbitrary program written in any imperative language, we may build a declarative “probabilistic” agent program on toparXiv:cs/9910016v1 of it which supports decision making in the presence of uncertainty. We provide two alternative semantics for probabilistic agent programs. We show that the second semantics, though more epistemically appealing, is more complex to compute. We provide sound and complete algorithms to compute the semantics of positive agent programs. ∗Most proofs are contained in the appendix. †This work was carried out when the author was visiting the University of Maryland from January-October 1999. ‡This work was supported by the Army Research Office under Grants DAAH-04-95-10174, DAAH-04-96-10297, DAAG-55-97-10047 and DAAH04-96-1-0398, by the Army Research Lab- oratory under contract number DAAL01-97-K0135 and by an NSF Young Investigator award IRI-93-57756. 1 1…
발췌문 번역 (Korean Translation)
확률 론적 대리인 프로그램 * J¨urgen Dix † Koblenz 대학교, 컴퓨터 과학 부서 D-56075 Koblenz, Germany1999 Mirco Nanni University of Pisa, Computer Science Of Computer Science I-56125 PISA, 이탈리아 21 V.S. Subrahmanian ‡ 미국 메릴랜드 대학교 공원, CS, MD 20752, 미국 2021 년 6 월 22 일 [Cs.AI] 초록 요원은 환경의 변화 또는“상태”에 따라 자율적으로 조치를 취하는 소규모 프로그램입니다. 지난 몇 년 동안, 다른 에이전트와 상호 작용하고/또는 협력 할 수있는 에이전트를 구축하기위한 수의 수가 증가하고 있습니다. 이들 orts 중 하나에서 Eiter, Sub-Rahmanian 및 Pick (1999)은 레거시 코드 위에 에이전트가 어떻게 구축 될 수 있는지 보여주었습니다. 그러나 그들의 프레임 워크는 에이전트 상태가 완전하게 결정되었으며 에이전트의 상태에는 불확실성이 없다고 가정합니다. 따라서 그들의 프레임 워크를 통해 에이전트 개발자는 에이전트가 세계 주에서 참/거짓에 대해 100% 확신 할 때 에이전트가 어떻게 반응하는지 지정할 수 있습니다. 이 논문에서, 우리는 확률 론적 에이전트 프로젝트의 개념을 제안하고, 어떤 명령 언어로 작성된 임의의 프로그램을 고려할 때, 우리는 불확실성의 존재에서 의사 결정을 지원하는 Toparxiv : CS/9910016V1에 대해 선언적 “확률 론적”에이전트 프로그램을 구축 할 수 있는지 보여줍니다. 우리는 확률 론적 대리인 프로그램에 대한 두 가지 대안 적 의미를 제공합니다. 우리는 두 번째 의미론이 더 인식적으로 매력적이지만 계산하기에 더 복잡하다는 것을 보여줍니다. 우리는 긍정적 인 에이전트 프로그램의 의미를 계산하기 위해 사운드 및 완전한 알고리즘을 제공합니다. * 대부분의 증명은 부록에 포함되어 있습니다. †이 작업은 저자가 1999 년 1 월 -10 월부터 메릴랜드 대학교를 방문했을 때 수행되었습니다. ‡이 작품은 DAAH-04-95-10174, DAAH-04-96-10297, DAAG-55-97-10047 및 DAAH-55-97-10047 및 DAAH04-96-1-0398, ARMY RISEARTION의 DAAH-55-97-10047 및 DAAH-55-97-10047 및 DAAH-55-97-10047 및 DAAH-55-97-10047 및 DAAH-55-97-10047 및 DAAH-55-96-10297에 의해 지원되었습니다. DAAL01-97-K0135 및 NSF Young Investigator Award IRI-93-57756. 1 1 …
출처(Source): arXiv.org (또는 해당 논문의 원 출처)
답글 남기기