Task Environments: PEAS and the Eight Propertiesژینگەکانی ئەرک: PEAS و هەشت تایبەتمەندییەکە

In the previous lesson you met agents, sensors and actuators. Now we look closely at the environment. The course notes describe it in three ways:

لە وانەی پێشوودا ئەیجێنتەکان، هەستەوەرەکان (Sensor) و جووڵێنەرەکانت (Actuator) ناسی. ئێستا بە وردی سەیری ژینگە دەکەین. تێبینییەکانی کۆرسەکە بە سێ شێوە وەسفی دەکەن:

To design an agent, we first describe its task environment — the "problem" the agent must solve. We do it in two steps: list its PEAS, then decide which properties the environment has.

بۆ دیزاینکردنی ئەیجێنتێک، سەرەتا ژینگەی ئەرکەکەی وەسف دەکەین — ئەو «کێشەیەی» ئەیجێنتەکە دەبێت چارەسەری بکات. بە دوو هەنگاو دەیکەین: PEASـەکەی دەنووسین، پاشان بڕیار دەدەین ژینگەکە چ تایبەتمەندییەکی هەیە.

PEAS stands for Performance measure, Environment, Actuators and Sensors. Here is PEAS for an automated taxi:

PEAS کورتکراوەی P⁦erformance measure⁩ (پێوانەی ئەدا (Performance measure))، Environment (ژینگە)، Actuators (جووڵێنەرەکان) و Sensors (هەستەوەرەکان)ـە. ئەمە PEASـی تەکسییەکی خۆکارە:

Following Russell and Norvig's textbook, the course notes compare environments in eight pairs. Each pair is a question you ask about the environment:

بەپێی کتێبەکەی Russell و Norvig، تێبینییەکانی کۆرسەکە ژینگەکان لە هەشت جووتدا بەراورد دەکەن. هەر جووتێک پرسیارێکە کە لەسەر ژینگەکە دەیکەیت:

If the agent can see everything in its environment that matters, the environment is fully observable — as the name says. Chess is an example: the computer (the agent) sees the whole chessboard and can analyse every move. This complete view lets it decide from the full state of the game.

ئەگەر ئەیجێنت بتوانێت هەموو ئەو شتانەی ناو ژینگەکەی ببینێت کە گرنگن، ئەوا ژینگەکە ژینگەی تەواو بینراوە — ناوەکەی بە خۆیەوەیەتی. شەترەنج نموونەیە: کۆمپیوتەرەکە (Computer) (واتە ئەیجێنتەکە) هەموو تەختەی شەترەنجەکە دەبینێت و دەتوانێت شیتەڵی هەموو جووڵەیەک بکات. ئەم بینینە تەواوە ڕێگەی پێ دەدات لەسەر بنەمای دۆخی (State) تەواوی یارییەکە بڕیار بدات.

If the agent sees only part of its environment, the environment is partially observable. A self-driving car cannot see what is in front of the truck ahead of it; it has only a little information about the road, so it must decide with incomplete information. Fully observable environments are easier: the agent does not need to keep an internal state (a memory of the world) to track what it cannot see. (Agents that do keep one are the model-based agents in Types of agents.)

ئەگەر ئەیجێنت تەنیا بەشێک لە ژینگەکەی ببینێت، ژینگەکە ژینگەی نیمچەبینراوە. ئۆتۆمبێلێکی خۆگەڕ (Self-driving car) پێشەوەی ئەو بارهەڵگرەی بەردەمی نابینێت؛ تەنیا زانیارییەکی (Information) کەمی لەسەر شەقامەکە هەیە، بۆیە دەبێت بە زانیاریی ناتەواو بڕیار بدات. ژینگە تەواو بینراوەکان ئاسانترن: ئەیجێنتەکە پێویست ناکات دۆخی ناوەکی (Internal state) (بیرەوەرییەک لە جیهان) ڕابگرێت بۆ بەدواداچوونی ئەوەی نایبینێت. (ئەو ئەیجێنتانەی ڕایدەگرن ئەیجێنتە مۆدێلدارەکانن (Model-based reflex agent) لە وانەی جۆرەکانی ئەیجێنت.)

If the agent has no sensors at all, the environment is unobservable. The old names say the same thing: in an accessible environment the agent can get complete and accurate information — for example an empty room whose state is defined only by its temperature. An inaccessible environment hides information — for example the weather on Earth, because it is impossible to measure all the tiny factors that affect it.

ئەگەر ئەیجێنتەکە هیچ هەستەوەرێکی نەبێت، ژینگەکە ژینگەی نەبینراوە (Unobservable environment). ناوە کۆنەکان هەمان شت دەڵێن: لە ژینگەیەکی دەستپێگەیشتوودا ئەیجێنتەکە دەتوانێت زانیاریی تەواو و ورد بەدەست بهێنێت — بۆ نموونە ژوورێکی بەتاڵ کە دۆخەکەی تەنیا بە پلەی گەرماکەی دیاری دەکرێت. ژینگەیەکی نادەستپێگەیشتوو زانیاری دەشارێتەوە — بۆ نموونە کەشوهەوای سەر زەوی، چونکە پێوانی هەموو ئەو هۆکارە بچووکانەی کاری تێدەکەن مەحاڵە.

In a deterministic environment, the current state and the chosen action completely decide the next state. Every action has a predictable result. Chess is a good example: the rules are fixed, and if a player moves a piece, the new position is certain — there is no randomness. If the environment is also fully observable, the agent never has to worry about uncertainty.

لە ژینگەیەکی پێشبینیکراودا، دۆخی ئێستا و کردەوە هەڵبژێردراوەکە بە تەواوی دۆخی داهاتوو دیاری دەکەن. هەر کردەوەیەک ئەنجامێکی پێشبینیکراوی هەیە. شەترەنج نموونەیەکی باشە: یاساکان جێگیرن و ئەگەر یاریزانێک پارچەیەک بجووڵێنێت، شوێنە نوێکە دڵنیایە — هیچ هەڕەمەکییەک نییە. ئەگەر ژینگەکە ژینگەی تەواو بینراویش بێت، ئەیجێنتەکە هەرگیز پێویست ناکات خەمی نادڵنیایی بخوات.

In a stochastic environment, actions have random or unpredictable results; the agent cannot fully decide what happens. In real driving, when a car stops at a stop sign, it cannot be sure what the other drivers will do next. Weather is a classic example: it depends on many unpredictable things, so even with today's data tomorrow's exact weather cannot be known, and tiny changes in the starting conditions can lead to very different results.

لە ژینگەیەکی هەڕەمەکیدا، کردەوەکان ئەنجامی هەڕەمەکی یان پێشبینینەکراویان هەیە؛ ئەیجێنتەکە ناتوانێت بە تەواوی دیاری بکات چی ڕوو دەدات. لە لێخوڕینی ڕاستەقینەدا، کاتێک ئۆتۆمبێلێک لە نیشانەی ڕاوەستان ڕادەوەستێت، دڵنیا نییە شۆفێرەکانی تر دواتر چی دەکەن. کەشوهەوا نموونەیەکی ناسراوە: بەندە بە چەندین شتی پێشبینینەکراو، بۆیە تەنانەت بە دراوەی ئەمڕۆش کەشوهەوای وردی سبەی ناتوانرێت بزانرێت، هەروەها گۆڕانکاریی زۆر بچووک لە بارودۆخی سەرەتادا دەکرێت ئەنجامی زۆر جیاواز دروست بکات.

In an episodic environment, the agent's experience is a series of separate, one-shot episodes. Each action is independent and does not affect future actions, so only the current percept is needed. Example: in image recognition, each picture is separate — the agent classifies each one on its own.

لە ژینگەیەکی بەشبەشدا، ئەزموونی ئەیجێنتەکە زنجیرەیەکە لە بەشی جیاواز و یەکجاری. هەر کردەوەیەک سەربەخۆیە و کار ناکاتە سەر کردەوەکانی داهاتوو، بۆیە تەنیا هەستپێکراوەکەی (Percept) ئێستا پێویستە. نموونە: لە ناسینەوەی وێنەدا هەر وێنەیەک جیایە — ئەیجێنتەکە هەر یەکەیان بە تەنیا پۆلێن دەکات.

In a sequential environment, actions have consequences for the future: what the agent does now changes what it can do next and what challenges it will face, as in a video game or in chess. So the agent needs a memory of past actions to choose the next best action.

لە ژینگەیەکی زنجیرەییدا، کردەوەکان کاریگەرییان لەسەر داهاتوو هەیە: ئەوەی ئەیجێنتەکە ئێستا دەیکات ئەوە دەگۆڕێت کە دواتر دەتوانێت بیکات و چ ئاستەنگێکی دێتە پێش، وەک لە یارییەکی ڤیدیۆییدا (Video game) یان لە شەترەنجدا. بۆیە ئەیجێنتەکە پێویستی بە بیرەوەریی کردەوەکانی پێشوو هەیە بۆ هەڵبژاردنی باشترین کردەوەی داهاتوو.

A static environment does not change while the agent is deliberating (thinking about what to do). A crossword puzzle is static: it stays the same until the solver decides on an answer. Static environments are easy, because the agent does not need to keep looking at the world while it decides.

ژینگەی نەگۆڕ لە کاتی بیرکردنەوەی ئەیجێنتەکەدا (کاتێک بیر دەکاتەوە چی بکات) ناگۆڕێت. خاچەوشە ژینگەی نەگۆڕە: وەک خۆی دەمێنێتەوە تا ئەوەی چارەسەری دەکات (کەسێک بێت یان نەرمەواڵە (Software)) لەسەر وەڵامێک بڕیار دەدات. ژینگە نەگۆڕەکان ئاسانن، چونکە ئەیجێنتەکە لە کاتی بڕیارداندا پێویست ناکات بەردەوام سەیری جیهان بکات.

A dynamic environment can change by itself while the agent is thinking. The street around a car is dynamic: other cars move and traffic lights change, so the agent must keep watching the road at every action. Taxi driving is the classic example.

ژینگەی گۆڕاو دەتوانێت لە کاتی بیرکردنەوەی ئەیجێنتەکەدا خۆی بگۆڕێت. شەقامی دەوری ئۆتۆمبێلێک ژینگەی گۆڕاوە: ئۆتۆمبێلەکانی تر دەجووڵێن و ترافیکلایتەکان دەگۆڕێن، بۆیە ئەیجێنتەکە دەبێت لە هەموو کردەوەیەکدا چاودێریی شەقامەکە بکات. لێخوڕینی تەکسی نموونە ناسراوەکەیە.

A discrete environment has a limited (finite) number of percepts and actions. In chess the pieces can move only in a few fixed directions, so there is a finite number of possible moves.

ژینگەی پچڕاو ژمارەیەکی سنووردار لە هەستپێکراوەکان و کردەوەکانی هەیە. لە شەترەنجدا پارچەکان تەنیا بە چەند ئاڕاستە و بژاردەیەکی دیاریکراو و سنووردار دەجووڵێنرێن، بۆیە ژمارەی جووڵە گونجاوەکان سنووردارە.

In a continuous environment there are very many actions and options — in fact unlimited ones, because values change smoothly. A self-driving car works in a continuous environment: it can choose any speed and any steering angle, and react to countless situations.

لە ژینگەیەکی بەردەوامدا کردەوەکان و بژاردەکان زۆر زۆرن — لە ڕاستیدا بێسنوورن، چونکە بەهاکان بە نەرمی دەگۆڕێن. ئۆتۆمبێلێکی خۆگەڕ لە ژینگەیەکی بەردەوامدا کار دەکات: دەتوانێت هەر خێراییەک و هەر گۆشەیەکی سووکان هەڵبژێرێت و کاردانەوەی بۆ بارودۆخی بێشومار هەبێت.

In a single-agent environment only one agent is working, by itself — for example, a vacuum robot cleaning an empty room, with no other agent to work with or compete against.

لە ژینگەیەکی تاکەئەیجێنتدا تەنیا یەک ئەیجێنت بە تەنیا کار دەکات — بۆ نموونە ڕۆبۆتێکی گسک کە ژوورێکی بەتاڵ پاک دەکاتەوە، بەبێ هیچ ئەیجێنتێکی تر بۆ هاوکاری یان کێبڕکێ.

In a multi-agent environment several agents act. In a football video game there are many players (agents) on both teams; each one's moves affect the others, so every player has to think about what the others are doing. Designing an agent for a multi-agent environment brings new problems — cooperation, competition, communication — that a single-agent environment does not have.

لە ژینگەیەکی فرەئەیجێنتدا چەند ئەیجێنتێک کار دەکەن. لە یارییەکی ڤیدیۆییدا کە تۆپی پێیە، چەندین یاریزان (ئەیجێنت) لە هەردوو تیمەکەدا هەن؛ جووڵەی هەر یەکەیان کار دەکاتە سەر ئەوانی تر، بۆیە هەر یاریزانێک دەبێت بیر لەوە بکاتەوە کە ئەوانی تر چی دەکەن. دیزاینکردنی ئەیجێنتێک بۆ ژینگەیەکی فرەئەیجێنت کێشەی نوێ دەهێنێت — هاوکاری، کێبڕکێ، پەیوەندیکردن — کە لە ژینگەیەکی تاکەئەیجێنتدا نین.

This pair is a little different: known and unknown are not really a feature of the environment but of the agent's knowledge — does it know the "rules" of how the world works?

ئەم جووتە کەمێک جیاوازە: ناسراو و نەناسراو لە ڕاستیدا تایبەتمەندیی ژینگە نین، بەڵکو هی زانینی ئەیجێنتەکەن — ئایا «یاساکانی» کارکردنی جیهان دەزانێت؟

Do not mix this pair with observability. A known environment can be partially observable: in Klondike solitaire you know all the rules, but many cards are face down. An unknown environment can be fully observable: in a new video game you can see the whole screen but do not yet know what the buttons do.

ئەم جووتە لەگەڵ بینراوبووندا تێکەڵ مەکە. ژینگەی ناسراو دەکرێت ژینگەی نیمچەبینراو بێت: لە Solitaireی Klondikeدا هەموو یاساکان دەزانیت، بەڵام زۆر لە کارتەکان پشتیان لە سەرەوەیە. ژینگەی نەناسراو دەکرێت ژینگەی تەواو بینراو بێت: لە یارییەکی ڤیدیۆییدا کە تازە دەستت پێکردووە، هەموو شاشەکە دەبینیت بەڵام هێشتا نازانیت دوگمەکان چی دەکەن.

Two lessons from the slides: the type of environment largely decides how the agent must be designed, and the real world is (of course) partially observable, stochastic, sequential, dynamic, continuous and multi-agent — the hardest value of every pair.

دوو وانە لە سلایدەکانەوە: جۆری ژینگە بە ڕادەیەکی زۆر دیاری دەکات ئەیجێنتەکە چۆن دیزاین بکرێت، هەروەها جیهانی ڕاستەقینە (بێگومان) ژینگەی نیمچەبینراو، ژینگەی هەڕەمەکی، ژینگەی زنجیرەیی، ژینگەی گۆڕاو، ژینگەی بەردەوام و ژینگەی فرەئەیجێنتە — قورسترین بەهای هەموو جووتێک.

The course notes give a classic exercise — the note under the table says "see the last page" for the explanations. Classify four task environments: solitaire (the usual card game, Klondike), backgammon (تاولە), internet shopping and taxi driving. Answer the questions first, then open the next screen for the full table.

تێبینییەکانی کۆرسەکە ڕاهێنانێکی کلاسیکی دەدەن — تێبینییەکەی ژێر خشتەکە دەڵێت «سەیری لاپەڕەی ئەخیر بکە» بۆ ڕوونکردنەوەکان. چوار ژینگەی ئەرک پۆلێن بکە: Solitaire (یارییە ئاساییەکەی کارت، Klondike)، تاولە ⁦(backgammon)⁩، کڕینی ئینتەرنێتی و لێخوڕینی تەکسی. سەرەتا وەڵامی پرسیارەکان بدەرەوە، پاشان شاشەی داهاتوو بکەرەوە بۆ خشتە تەواوەکە.

In summary, the exercise compares games, shopping and taxi rides on the same properties to show how much information each agent can see, how predictable its world is, and which other factors shape how each environment works.

بە کورتی، ڕاهێنانەکە یاری، کڕین و گەشتی تەکسی لەسەر هەمان تایبەتمەندییەکان بەراورد دەکات بۆ ئەوەی پیشان بدات هەر ئەیجێنتێک چەند زانیاری دەبینێت، جیهانەکەی چەند پێشبینیکراوە و چ هۆکارێکی تر شێوەی کارکردنی هەر ژینگەیەک دیاری دەکەن.