4、智能代理架构全解析

智能代理架构全解析

在人工智能领域，智能代理的构建是一个核心议题，它涉及到如何让代理在不同环境中做出合理决策并执行有效行动。以下将深入探讨智能代理的相关概念及主要的架构类型。

专家系统与智能代理的区别

专家系统是早期人工智能的重要应用，以 MYCIN 为例，它旨在协助医生治疗人类血液感染。MYCIN 通过与用户交互获取符号化的事实，进而推导结论，更像是一个顾问，不直接作用于人类或环境。与智能代理相比，专家系统具有非具身性，即不直接与环境交互，信息通过用户传递，也不直接作用于环境，而是向第三方提供反馈或建议，且通常不需要与其他代理合作。不过，部分专家系统（如 ARCHON 系统）与智能代理较为相似。

智能代理的主要架构类型

智能代理的构建主要有四种架构类型：
1. 基于逻辑的架构 ：决策通过逻辑演绎完成。
2. 反应式架构 ：决策基于情境到行动的直接映射。
3. 信念 - 愿望 - 意图（BDI）架构 ：决策依赖于对代表代理信念、愿望和意图的数据结构的操作。
4. 分层架构 ：决策通过不同软件层实现，各层在不同抽象级别对环境进行推理。

为了便于理解，我们用 (A = {a,a’,…}) 表示代理可能执行的动作集合，用 (S = {s,s’,…}) 表示环境可能处于的状态集合。

基于逻辑的架构

传统的符号人工智能认为，通过给系统提供环境和期望行为的符号表示，并进行语法操作，就能产生智能行为。在基于逻辑的架构中，符号表示为逻辑