Reflex Agent가 뭔가요?
Reflex agent는 센서로 주변 환경을 인식하고, 이미 정의된 규칙에 따라 정해진 행동을 하는 행위자를 의미한다.
Reflex agent는 simple reflex agent와 model-based reflex agent로 나눌 수 있다.
Simple Reflex Agent
Simple Reflex Agent는 위의 이미지 처럼, 인식 당시의 주변 환경 데이터만을 가지고 조건에 따라 행동을 결정하는 행위자라고 볼 수 있다.
Simple Reflex Agent의 장점
- 설계와 구현이 쉽고, 컴퓨팅 리소스를 적게 사용한다
- 환경의 변화에 실시간으로 대응한다
- 센서가 정확한 정보를 제공하고, 규칙이 잘 짜여있는 경우, 신뢰성이 높다.
- 고사양의 하드웨어나 추가적인 모델 훈련이 필요하지 않다
Simple Reflex Agent의 한계
- 센서가 잘못된 정보를 제공하거나 규칙이 조악하게 설계된 경우 취약하다
- 상태나 기억이 없기 때문에 응용 가능 범위에 한계가 있다.
- 환경 전체를 볼 수 없거나 환경에 명시적으로 프로그래밍되지 않은 변화가 생겼을 때 사용이 불가능하다
- 특정한 행동들만 할 수 있고, 새로운 환경에 적응하지 못 한다
Model-based Reflex Agent
반면 Model-based Reflex Agent는 더 복잡한 구조를 가진다. 사진에 나와 있는 것 처럼, Simple Reflex Agent와는 달리, 상태를 가지며, 당장 받은 센서의 정보만으로 행동을 결정하는 것이 아니라 상태에 따라서 행동을 결정한다.
상태는 두 가지 요인에 따라서 변경된다:
- 행위자와 독립적으로 환경이 어떻게 변화하고 있는지
- 행위자의 행동이 환경에 어떤 영향을 가하는지
Model-based reflex agent는 다음 네 가지 단계를 따른다.
- 인식: 센서를 통해 현재 환경의 상태를 인식한다
- 모델: 인식한 데이터를 이용해서 내부 모델을 구축한다
- 사유: 모델을 통해서 휴리스틱이나 정해진 행동들 중 어떤 것을 취할지 결정한다
- 행동: 행위자가 정한 행동을 실행한다
Model-based Reflex Agent의 장점
- 환경의 이해에 기반한 의사 결정이 효율적이며 빠르다
- 내부 모델 구축을 통해서 더 정확한 결정을 내린다
- 내부 모델의 업데이트 덕분에 환경 변화에 대한 적응력이 높다
- 내부 상태와 규칙을 조건 확인에 사용함으로써 더 많은 정보를 바탕으로 전략적인 결정을 내린다
Model-based Reflex Agent의 단점
- 모델을 구축하고 유지하는 것이 컴퓨팅 리소스를 많이 사용한다
- 실제 환경의 복잡성을 잘 반영하지 못할 수 있다
- 모든 잠재적 상황들을 예측하지 못할 수 있다
- 모델을 최신으로 유지하기 위해 지속적으로 업데이트 해야한다
- 모델이 정보 해석과 분석에 어려움을 표할 수 있다
