人工智能 第二章

第二章:智能Agent


2.1  Agent和环境

1:Agent通过传感器感知环境并通过执行器对所处环境产生影响。

2:Agent的感知序列是该Agent所收到的所有输入数据的完整历史。

3:人造Agent的Agent函数通过Agent程序实现,区分这两个概念十分重要。Agent函数是抽象的数学描述;Agent程序则是具体实现,它在一些物理系统内部运行。

2.2 好的行为:理性的概念

1:理性Agent是做正确的Agent。

2:对所有的任务和Agent,没有一成不变的固定的性能度量。

3:作为一般原则,最好根据在环境中希望得到的结果来设计性能度量,而不是根据Agent表现出的行为。

2.2.1  理性

什么是理性的判断依赖于以下4个方面:

A:定义成功标准的性能度量。

B:对环境的先验知识。

C:Agent可以完成的行动。

D:Agent截止到此的感激序列。

对每一个可能的感知序列,根据已知的感知序列提供的证据和Agent具有的先验知识,理性Agent应该选择能使其性能度量最大化的行动。

2.2.2  全知者,学习和自主性

1:必须区别理性和全知的概念,一个全知的Agent明确地知道它的行动产生的实际结果并且做出相应的动作,但全知者在现实中是不可能的。

2:理性是使期望的性能最大化,而完美是使实际的性能最大化。

3:对理性的定义并不要求全知,因为理性的选择只依赖于到当时为止的感知序列。

4:为了修改未来的感知信息而采取的行动有时称为信息收集,它是理性的重要部分。

5:我们的定义不仅要求理性Agent收集信息,而且要求Agent从它感知的信息中尽可能多的学习。


2.3  环境的性质

2.3.1      任务环境的规范描述

我们必须规定性能度量,环境以及Agent的执行器和传感器,把所有的这些归在一起,都属于任务环境。根据首字母缩写,我们称之为PEAS描述。设计Agent时,第一步就是尽可能完整地详细说明任务环境。

2.3.2       任务环境的性质

1:完全可观察的与部分可观察的

2:单Agent与多Agent

3:确定的与随机的

4:片段式的与延续式的

5:静态的与动态的

6:离散的与连续的

7:已知的与未知的


2.4  Agent的结构

AI的任务是设计Agent程序,它实现的是把感知信息映射到行动的与多Agent函数。假设该程序要在某个具备物理传感器和执行器的计算装置上运行-我们称之为体系结构  

                                             Agent=体系结构+程序

2.4.1 Agent程序

1:本书中Agent程序都具有同样的框架:输入为从传感器得到的当前感知信息,返回的是执行器的行动抉择。

2:AI的关键挑战是搞清如何编写程序,在可能的范围内用少量代码而不是庞大的表来生成理性行为。


四种基本的Agent

2.4.2  简单反射Agent

简单Agent基于当前的感知选择行动,不关注感知历史。简单反射型Agent具有极好的简洁性,但是它们的智能也很有限。

2.4.3  基于模型的反射Agent

1:处理部分可观察环境的最有效途径是让Agent跟踪记录现在看不到的那部分世界,即Agent应该根据感知历史维持内部状态,从而至少反映出当前状态看不到的信息。

2:随时更新内部状态信息要求在Agent程序 中加入两种类型的知识,首先,我们需要知道世界是如何独立于Agent而发展的信息。其次,我们需要Agent自身的行动如何影响世界的信息。

3:关于"世界如何运转"的知识--无论是用简单的布尔电路还是用完备的 科学理论实现--都被称为世界模型,使用这种模型的Agentb被称为基于模型的Agent。

2.4.4  基于目标的Agent

搜索和规划是寻找达成Agent目标的行动序列的人工智能领域。尽管基于目标的Agent显得效率较低,但是它更灵活,因为支持它决策的知识被显式表示出来,并且可以修改。

2.4.5    基于效用的Agent

仅靠目标在很多环境中不足以生成高品质的行为。Agent的效用函数是性能度量的内在化,如果内在的效用函数和外在的性能度量是和谐的,那么选择最大效用行动的Agent根据外在的性能度量也是理性的。


2.4.6   学习Agent

学习Agent可以被划分为四个概念上的组件,最重要的区别体现在学习元件和性能元件之间,学习元件负责提高,而性能元件负责选择外部行动。学习元件利用来自评判元件的反馈评价Agent做的如何,并确定应该如何修改性能元件以便将来做的更好。


2.4.7 Agent程序的各组件是如何工作的

我们将表示放置在不断增长的复杂度和表达能力的轴线上----原子,要素和结构。

1:在原子表示中,世界的每个状态是不可见的--,它没有内部结构。搜索和博弈论,隐马尔可夫模型,马尔可夫决策过程中的算法都用的是原子表示--或者,至少把表示当做是原子的。

2:要素化表示将状态表示为变量或特征的集合,每个变量或特征都有可能有值。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,839评论 6 482
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,543评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,116评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,371评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,384评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,111评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,416评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,053评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,558评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,007评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,117评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,756评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,324评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,315评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,539评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,578评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,877评论 2 345

推荐阅读更多精彩内容