Artificial Intelligence 简明教程

AI - Agents & Environments

人工智能系统由一个代理及其环境组成。代理在自身环境中行为。该环境中可能包含其他代理。

What are Agent and Environment?

agent 是能够通过 sensors 感知自身环境并通过 effectors. 对自身环境执行操作的任何事物。

  1. 一个 human agent 具有传感器，例如眼睛、耳朵、鼻子、舌头和皮肤，以及其他器官，例如手、腿、嘴巴，用于效应器。

  2. 一个 robotic agent 用摄像头和红外测距仪替换传感器，以及各种电机和驱动器用于效应器。

  3. 一个 software agent 将编码的位串作为其程序和操作。

agent environment

Agent Terminology

  1. Performance Measure of Agent − 这是决定智能体成功程度的标准。

  2. Behavior of Agent − 这是智能体在任何给定的知觉序列后执行的动作。

  3. Percept − 这是智能体在特定时间点的感知输入。

  4. Percept Sequence − 这是到目前为止智能体感知到所有事物的历史记录。

  5. Agent Function − 这是从知觉序列到动作的映射。

Rationality

理性的状态便是合理的、明智的，并且具有良好的判断力。

理性涉及预期行为和结果，具体取决于代理感知的内容。执行操作以获取有用信息是理性行为的重要组成部分。

What is Ideal Rational Agent?

理想理性代理能够执行预期行为以根据以下内容最大程度地提升其绩效衡量：

  1. Its percept sequence

  2. Its built-in knowledge base

代理的理性性取决于以下因素：

  1. performance measures ，用于确定成功程度。

  2. 代理至今的 Percept Sequence 。

  3. 代理的 prior knowledge about the environment 。

  4. 代理能够执行的 actions 。

理性代理始终执行正确操作，其中正确操作意味着代理在给定的感知序列中取得最大成功率的操作。代理解决的问题以绩效衡量、环境、执行器和传感器 (PEAS) 为特征。

The Structure of Intelligent Agents

代理的结构可视为：

  1. 代理 = 架构 + 代理程序

  2. 架构 = 代理执行的机器。

  3. 代理程序 = 代理函数的执行。

Simple Reflex Agents

  1. 他们仅根据当前的感知选择操作。

  2. 仅当根据当前的感知做出正确的决定时，它们才是理性的。

  3. 他们的环境可完全观察到。

Condition-Action Rule - 这是将状态（条件）映射到操作的规则。

simple reflex agent

Model Based Reflex Agents

他们运用世界模型来选择自己的行为。他们维持一个内部状态。

Model −关于“世界上事情发生方式”的知识。

Internal State −它是当前状态中不可观察方面的表示形式，取决于概念历史。

Updating the state requires the information about −

  1. How the world evolves.

  2. 代理的行为如何影响世界。

model based reflex agents

Goal Based Agents

他们选择行为以便实现目标。基于目标的方法比反射代理更灵活，因为支持决策的知识建模明确，因此允许修改。

Goal −它是预期情况的描述。

goal based agents

Utility Based Agents

他们基于每个状态的偏好（效用）选择行为。

目标不充分，何时 −

  1. 有冲突的目标，其中只有几个可以实现。

  2. 目标实现存在一定的不确定性，并且需要权衡成功可能性与目标的重要性。

utility based agents

The Nature of Environments

一些程序完全在 artificial environment 运行，限于键盘输入、数据库、计算机文件系统和屏幕上的字符输出。

相反，一些软件代理（软件机器人或软机器人）存在于丰富、无限的软机器人域中。模拟器具有 very detailed, complex environment 。软件代理需要实时从一系列长动作中进行选择。一个软机器人设计用于扫描客户的在线偏好，向客户展示有趣物品，它在 real 和 artificial 环境中工作。

最著名的 artificial environment 是 Turing Test environment ，其中一个真实代理和一个人工智能代理在平等的条件下被测试。这是一个非常具有挑战性的环境，因为软件代理很难像人类一样表现出色。

Turing Test

系统智能行为的成功可以用图灵测试来衡量。

两名人员和一台待评估的机器参加测试。在这两个人中，一个人扮演测试者。他们每个人都坐在不同的房间里。测试人员不知道谁是机器，谁是人类。他通过输入问题并将其发送给这两个智能体来进行询问，然后他接收输入的响应。

此测试旨在愚弄测试人员。如果测试人员无法根据人类响应来确定机器的响应，则认为该机器是智能的。

Properties of Environment

环境具有多重属性−

  1. Discrete / Continuous −如果环境的独特、清晰定义状态的数量有限，则环境是离散的（例如，国际象棋）；否则是连续的（例如，驾驶）。

  2. Observable / Partially Observable − 如果根据感知可以确定每个时间点的环境的完整状态，则可以观测到该状态；否则，该状态只能被部分观测到。

  3. Static / Dynamic − 如果在代理执行操作时环境保持不变，则该环境是静态的；否则，该环境是动态的。

  4. Single agent / Multiple agents − 环境中可能包含其他代理，这些代理可能与该代理的类型相同或不同。

  5. Accessible / Inaccessible − 如果代理的传感仪器可以获取环境的完整状态，则该代理可以访问该环境。

  6. Deterministic / Non-deterministic − 如果环境的下一个状态完全由当前状态和代理的操作决定，则该环境是确定性的；否则，该环境是非确定性的。

  7. Episodic / Non-episodic − 在阶段性环境中，每个阶段都包含代理感知然后执行操作的过程。其操作的质量仅取决于阶段本身。后续阶段不依赖于前一阶段的操作。阶段性环境之所以简单得多，是因为代理不需要进行超前思考。