پیش‌نویس:هنجار(هوش مصنوعی)

از ویکی‌پدیا، دانشنامهٔ آزاد

هنجارها را می توان از دیدگاه های مختلف در هوش مصنوعی برای ساخت رایانه ها و نرم افزارهای رایانه که توانایی رفتار هوشمند دارند را در نظر گرفت.

در هوش مصنوعی و قانون ، اصول یا هجنارهای قانونی در ابزارهای محاسباتی لحاظ می شوند تا به طور خودکار بر روی آن ها استدلال کنند. در سیستم‌های چند عامله (MAS)، (شاخه‌ای از هوش مصنوعی (AI)) ، یک هنجار راهنمایی برای رفتار مشترک عوامل است و در نتیجه تصمیم‌گیری، هماهنگی و سازماندهی آنها را آسان می‌کند.

با توجه به اینکه بیشتر مشکلات مرتبط با تنظیم تعامل عوامل خودکار به مسایلی مربوط است که به طور سنتی توسط مطالعات حقوقی مورد بررسی قرار میگرفتند و از آنجایی که قانون گسترده ترین و توسعه یافته ترین سیستم هنجاری است، تلاش برای محاسبه هنجارها در هوش مصنوعی و قانون و در سیستم های چند عامله اغلب همپوشانی دارند.

هوش مصنوعی و قانون[ویرایش]

با ورود برنامه های کاربردی رایانه ای به دامنه حقوقی و به ویژه هوش مصنوعی ای که در آن به کار رفته است ، منطق به عنوان ابزار اصلی برای رسمی کردن استدلال حقوقی ، مورد استفاده قرار گرفته است و در جهات مختلف، از منطق های deontic تا سیستم های استدلال رسمی، توسعه یافته است.

پایگاه دانش سیستم های استدلال حقوقی معمولاً شامل قواعد حقوقی (مانند مقررات و قراردادهای دولتی) است و در نتیجه قوانین حقوقی کانون بازنمایی دانش و استدلال برای خودکار سازی و حل وظایف حقوقی پیچیده هستند. سیستم‌های قواعد حقوقی معمولاً به صورت یک formalism مبتنی بر منطق نشان داده می‌شوند، مانند منطق deontic .

کاربردهای هوش مصنوعی و قانون با استفاده از نمایش صریح هنجارها از بررسی پایبندی فرآیندهای تجاری و اجرای خودکار قراردادهای هوشمند گرفته تا سیستم‌های متخصص حقوقی که به افراد در مورد مسائل حقوقی مشورت می‌دهند را در بر می گیرد .

سیستم های چند عاملی[ویرایش]

هنجارها در سیستم‌های چند عاملی ممکن است با درجات گوناگون از صراحت ظاهر شوند، از دستورالعمل های کاملاً بدون ابهام نوشتاری تا اصول نهفته ضمنی یا الگوهای در حال ظهور ضمنی. مطالعات دانشمندان رایانه ای این دوقطبیت را بازتاب می دهد . اصول صریح معمولاً در منطق های رسمی (مثلاً منطق های deontic و استدلال) برای نمایش و استدلال بر آنها که در نهایت منجر به معماری برای عامل های شناختی می شود مورد بررسی قرار می گیرند ، در حالی که اصول ضمنی به عنوان الگوهایی به حساب می آیند که از تعاملات تکراری بین عامل ها (معمولاً عوامل یادگیری تقویت شده ) ناشی می شود . اصول صریح و ضمنی می توانند با هم برای هماهنگ کردن عوامل استفاده شوند . [۱]

قواعد صریح معمولاً به عنوان یک اظهاریه deontic نمایش داده می شوند که هدف آن نظم دادن به حیات عوامل نرم افزاری و تعاملات بین آن ها است. این می تواند یک تعهد ، یک اجازه یا یک ممنوعیت باشد، و اغلب با استفاده از یک گویش یا توسعه ای از منطق Deontic نمایش داده می شود. در مقابل، قواعد ضمنی، اصول اجتماعی هستند که نوشته نشده اند و معمولاً از تعاملات تکراری عوامل نشات می گیرند

منابع[ویرایش]

  1. R. Riveret, Y. Gao, G. Governatori, A. Rotolo, J. Pitt, G. Sartor. A probabilistic argumentation framework for reinforcement learning agents. Autonomous agents and multi-agent systems 33 (1), 216-274