Abstract: By action model, we understand any logic-based representation of effects and executability preconditions of individual actions within a certain domain. In the context of artificial intelligence, such models are necessary for planning and goal-oriented automated behaviour. Currently, action models are commonly hand-written by domain experts in advance. However, since this process is often difficult, time-consuming, and error-prone, it makes sense to let agents learn the effects and conditions of actions from their own observations. Even though the research in the area of action learning, as a certain kind of inductive reasoning, is relatively young, there already exist several distinctive action learning methods. We will try to identify the collection of the most important properties of these methods, or challenges that they are trying to overcome, and briefly outline their impact on practical applications., Abstrakt: Podle akčního modelu chápeme logickou reprezentaci efektů a předpokladů vykonatelnosti jednotlivých akcí v rámci určité domény. V kontextu umělé inteligence jsou tyto modely nezbytné pro plánování a cílené automatizované chování. V současné době jsou akční modely běžně ručně psány odborníky domény předem. Vzhledem k tomu, že tento proces je často obtížný, časově náročný a náchylný k chybám, má smysl nechat agenty seznámit se s účinky a podmínkami akcí z vlastních pozorování. I když je výzkum v oblasti akčního učení, jako určitý druh indukčního uvažování, relativně mladý, existuje již několik výrazných metod učení. Pokusíme se identifikovat sbírku nejdůležitějších vlastností těchto metod., and Michal Čertický
Some philosophers hold that it would be impossible for us to do something actively if the physical world were causally closed, i.e., if in the physical world all events were caused by other physical events if they are caused at all. The reason for this view is that these philosophers adhere to what I call the traditional picture of action. Recently, Martine Nida-Rümelin tried to defend this picture by phenomenological considerations. According to the traditional picture a behavior can only count as something an agent does actively if it is ultimately caused by the agent in an agent-causal way. In this paper I adduce three arguments against agent causation: (1) We do not really understand what agent causation is. (2) If agent causation were real, we would be confronted with the strange fact that human agents can only cause certain tiny events in the brain. (3) There is no empirical evidence that agent causation is real. In the last part of my paper I present an alternative account of the difference between what agents do actively and what is done to them., Někteří filosofové se domnívají, že by bylo pro nás nemožné něco aktivně činit, kdyby byl fyzický svět kauzálně uzavřen, tj. Kdyby byly všechny události způsobeny jinými fyzickými událostmi, kdyby byly ve fyzickém světě způsobeny vůbec. Důvodem tohoto názoru je, že tito filozofové dodržují to, čemu říkám tradiční obraz jednání. Nedávno se Martine Nida-Rümelin pokusila tento obraz obhájit fenomenologickými úvahami. Podle tradičního obrazu se chování může počítat pouze jako něco, co agent dělá aktivně, pokud je nakonec způsobeno agentem v kauzálním způsobu. V tomto příspěvku uvádím tři argumenty proti příčinám agenta: (1) Opravdu nechápeme, co je to příčina agenta. (2) Pokud byla příčinná souvislost agenta skutečná, byli bychom konfrontováni s podivnou skutečností, že lidští agenti mohou v mozku způsobit jen určité drobné události. (3) Neexistují žádné empirické důkazy, že příčinná souvislost agentů je skutečná. V poslední části mé práce uvádím alternativní popis rozdílu mezi tím, co agenti aktivně dělají a co se s nimi děje., and Ansgar Beckermann