1. Simple Reflex Agents (Tác nhân phản xạ đơn giản):
Nguyên tắc: Hoạt động dựa trên các quy tắc “nếu…thì…” (if…then…). Nhận đầu vào từ môi trường, đối chiếu với quy tắc, và thực hiện hành động tương ứng.
Đặc điểm: Đơn giản, nhanh chóng, nhưng không có khả năng ghi nhớ hoặc dự đoán tương lai.
Ví dụ: Robot hút bụi
2. Model-Based Agents (Tác nhân dựa trên mô hình):
Nguyên tắc: Sử dụng mô hình để dự đoán trạng thái tiếp theo của môi trường dựa trên hành động.
Đặc điểm: Linh hoạt hơn, có thể xử lý tình huống phức tạp hơn, nhưng đòi hỏi mô hình chính xác.
Ví dụ: Xe tự lái
3. Goal-Based Agents (Tác nhân dựa trên mục tiêu):
Nguyên tắc: Hành động để đạt được mục tiêu cụ thể.
Đặc điểm: Thông minh hơn, có khả năng lập kế hoạch và đưa ra quyết định dựa trên mục tiêu.
Ví dụ: Trợ lý ảo tìm kiếm thông tin để trả lời câu hỏi của người dùng
4. Utility-Based Agents (Tác nhân dựa trên tiện ích):
Nguyên tắc: Đánh giá các hành động dựa trên tiện ích.
Đặc điểm: Ra quyết định phức tạp hơn, có thể cân nhắc nhiều yếu tố và ưu tiên các lựa chọn mang lại lợi ích lớn nhất.
Ví dụ: Hệ thống đề xuất sản phẩm dựa trên sở thích của người dùng
5. Learning Agents (Tác nhân học tập):
Nguyên tắc: Có khả năng học hỏi và cải thiện hiệu suất theo thời gian dựa trên kinh nghiệm.
Đặc điểm: Thích ứng tốt với môi trường thay đổi, có thể tự động điều chỉnh quy tắc hoặc mô hình.
Ví dụ: Một chương trình chơi cờ vua. Ban đầu, nó có thể chơi kém, nhưng sau khi chơi hàng ngàn ván, nó học được các chiến thuật và nước đi hay, trở thành đối thủ đáng gờm.
6. Collaborative or Multi-Agent Systems (Hệ thống đa tác nhân hoặc cộng tác):
Nguyên tắc: Nhiều tác tử AI cùng làm việc để giải quyết một vấn đề chung.
Đặc điểm: Có thể giải quyết các nhiệm vụ phức tạp, tận dụng kiến thức và kỹ năng của nhiều tác nhân khác nhau.
Ví dụ: Hệ thống các robot trong nhà máy phối hợp để hoàn thành quy trình sản xuất.
