人工智能 一种现代方法 第2章 智能化智能体

本文深入探讨了人工智能中的智能体及其与环境的交互,强调理性智能体的概念,即根据性能度量、先验知识和感知序列做出最佳决策。此外,文章还分析了环境的不同属性,如完全可观测与部分可观测、确定性与随机性等。智能体的结构包括智能体程序、简单反射型、基于模型、基于目标和基于效用的智能体,它们各自应对不同的情境和任务需求。

人工智能 一种现代方法 第2章 智能化智能体

2018.3.20


2.1智能体和环境

智能体:通过传感器感知所处环境并通过执行器对该环境产生作用。
感知信息:智能体的感知输入
感知序列:感知信息的集合
智能体函数:将感知序列映射到智能体行动
智能体程序:实现智能体函数


2.2好的行为表现:理性的概念

理性智能体:对于每个可能的感知序列,根据已知的序列提供的证据和智能体内建的先验知识,理性智能体应该选择期望能使其性能最大化的行动。

2.2.1性能度量

性能度量:智能体成功标准的具体化
根据希望智能体达到的结果设计度量,而不是人类认为智能体应该表现的行为设计度量。

2.2.2理性

性能度量、先验知识、可执行行动、感知序列

2.2.3全知者,学习和自主性

理性不等于全知
信息收集是理性的重要部分
自主性:智能体能够尽可能的学习,你不先验知识的不足


2.3环境的本质

2.3.1详细说明人物环境

PEAS(性能Performance,环境 Environment, 执行器Actuators, 传感器Sensors)

2.3.2任务环境的属性

  • 完全可观测和部分可观测
  • 确定的和随机的
### 《人工智能一种现代方法》第二内容概要 #### 2.1 智能体及其环境 智能体是指任何能够感知其环境并通过行动改变该环境的事物。为了构建有效的智能体,必须理解智能体与其所处环境之间的关系。智能体的功能取决于它如何将输入的感知转换成输出的动作。 #### 2.2 环境类型 不同的环境特性决定了设计智能体的方式。环境可以根据以下几个方面来描述: - 完全可观察 vs. 局部可观测 - 单一代理 vs. 多代理 - 确定性 vs. 非确定性 - 动态变化 vs. 静态不变 - 连续空间 vs. 离散状态 - 可预测后果 vs. 不可知影响 #### 2.3 性能度量标准 性能衡量指标定义了什么是一个好的行为序列;即智能体目标是什么。这通常由外部设定,并且应该反映任务的真实需求。对于某些应用领域来说,可能还需要考虑伦理和社会价值等因素[^1]。 #### 2.4 设计原则 当创建一个新的智能体时,开发者需要遵循一系列的设计准则,包括但不限于选择适当的知识表示方式、规划策略以及学习机制等。此外,在多代理系统中还需关注合作与竞争模式的选择。 #### 2.5 实现框架 介绍了几种常见的实现架构用于支持不同类型的任务执行,比如简单反射型结构适合于静态环境中运作的基础级程序;而更复杂的层次化体系则适用于处理更加动态复杂的情况。 ```python class Agent: def __init__(self, environment_type): self.environment = Environment(environment_type) def perceive(self): return self.environment.get_perception() def act(self, action): self.environment.apply_action(action) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值