第二章 智能Agent

---

這一章主要討論了Agent的各個方面，給讀者一個初步的了解。

Agent是什么？Agent，在我看來，是一個在環境中，可以感知周圍環境，并根據環境而進行動作的一個object。當然，我們需要的是一個理性的Agent。而理性的Agent做出的動作，應該是讓它的性能度量最大化的動作，也就是說，該動作是一個正向性的動作。

當然，不同的價值觀對于正向的標準是不同的，所以一個智能Agent需要根據所了解的知識來做出相應的行為。但是它又不能僅僅是根據其設計人員的價值觀來判斷事物，這樣的話它就缺乏了自主性。我們需要的理性Agent應該能通過自身的學習來彌補之前的所了解的不足和缺陷。就如同剛出生的嬰兒一般，理性Agent剛開始的時候可能會存在諸多隨機的行為來處理事務，但是根據經驗的積累，就逐漸形成了一套此Agent認為的價值觀。

由于智能Agent依賴與環境，所以我們需要知道環境的性質。PEAS（性能，環境，執行器，傳感器）是我們設計Agent的時候需要首先詳細說明清楚的任務環境。它存在著很多維度：觀察性，傳感器是否可以完全記錄Agent周圍環境的狀態；Agent數量，需要多少Agent
來完成特定的任務；隨機性，環境中下一個狀態是否完全取決于Agent
根據當前環境執行的動作；延續性，Agent的下一個片段是否依賴于之前片段中采取的行動；動態性，環境是否會變化；連續性，變化是否連續；未知性，Agent知識庫中是否知道次問題的解決辦法。

Agent其自身也存在著結構。Agent是一個體系結構和程序的組合，程序一定要適應體系結構。本書繼續介紹了四種基本的Agent程序：簡單反射Agent，它僅僅根據當前的環境感知來選擇動作，它雖然很簡潔，它的智能卻是很有限的，并且很多情況現會陷入無限循環當中，隨機化是解決這個問題的一個很好的辦法；基于模型反射的Agent，根據感知歷史來維持內部狀態，并且根據已有的知識反應出當前狀態無法看到的信息，再來選擇動作；基于目標的Agent，根據當前狀態以及目標信息來確定動作，也就是說它和之前兩種不同的是，它考慮了動作的結果，當然，因此它的效率就會相對低，但是它可以使過程變得相對更靈活；基于效用的Agent，它在之前三種的基礎上增加了對于行動結果的效益判斷，它可以使期望效用最大化，但是對于這點需要深一步的研究。

學習Agent，由評判元件、學習元件、性能元件、問題產生器構成。學習元件通過評判元件的反饋來讓Agent知道如何能做的更好，并確定如何修改負責動作的性能元件，問題產生器就是提供實驗行動的元件。

總結

以上是生活随笔為你收集整理的《人工智能：一种现代的方法》总结 第二章的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。