人工智能2精要.ppt

人工智能　━━　一种现代方法 人工智能━一种现代方法 第二章 智能化智能体 Agent技术的发展与形成 智能化智能体 智能体的特性 自治性：在没有人或其它东西直接干预的情况下能自行操作，并对自身动作和内部状态有某种控制能力；能主动地规划和启动有目标行为，而不是简单地根据环境变化而行事。 交互性：能通过某种语言与其它Agent或人进行信息交换或交互。 协作性 可通信性 自适应性 长寿性 智能化智能体 理性智能体（BDI智能体）： 信念Belief：Agent对环境的基本看法（知识库） 愿望Desire：Agent想要实现的状态，即目标 意图Intention：目标的子集（规划planning） 智能化智能体 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，根据已知的感知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度量最大化的行动。 性能度量 环境 智能体的执行器 智能体的传感器 任务环境 智能化智能体 简单反射型智能体 简单反射型智能体 基于模型的反射型智能体(记忆反射型) 基于目标的智能体 基于效用的智能体 学习智能体 人的抽象 意图：短期内为达到最终目标采取一定的规划 列表描述智能体函数, 智能体程序实现 一直移动、吸尘并不一定是理性行为，当格子干净而电量损耗作为惩罚即空移罚分，则不理性 没有固定的适合于所有智能体的度量标准。由智能体设计者给出客观的性能度量。 性能度量的设计和智能体的好坏有很大关系，例如，若统计8小时内打扫的灰尘量来度量性能，则可能一面吸尘一面把灰尘倒回地面，持续下去，从而最大化吸尘量，但显然并非我们期望的；更合适的性能度量是奖励保持清洁的地面的智能体。 性能度量本身就是不容易选取的，不同行为的智能体可能得到同样的性能度量，例如保持地面干净，一个一直做清洁，一个短时间内清洁然后长时间休息，哪种方式更好是更大范围的课题 理性并非完美，理性是使期望性能最大化，而完美是使实际性能最大化， 智能体对理性行为的选择只取决于到当前位置的感知序列，不能知道它所有行动产生的实际结果（那是全知） 为了在信息不全的感知序列下获得最大化期望性能，智能体的理性行为可以是选择观察行动，即为了获得未来有用的感知信息而采取信息收集的行动，或在环境初始未知的情况下采取必要的探索，或从它所能感知的东西中进行学习 取决于任务环境的定义，医疗诊断片段式，当任务是据已知症状挑选诊断结果 延续式，当任务包括提出一系列测试、对诊治 结果进行评价等。 |笔记| 不可观察的,随机的,延续,动态,连续,多智能体最难实现，例如自动出租车 运行程序产生行动选择 AI设计：设计程序适合智能体的体系结构 |笔记|(查找表不可行) 0871-5031301 * * / 16 jhzhang@ynu.edu.cn 信 息 学 院 人工智能—— 一种现代方法 人工智能—— 一种现代方法 信 息 学 院 Artificial Intelligence A Modern Approach 2.1 智能体和环境 2.2 好的行为表现：理性的概念 2.3 环境的本质 2.4 智能体的结构 2.5 小结 习题 　　Agent理论与技术研究最早源于分布式人工智能，1977年Hewitt提出并开发了Actor模型： 　　模型的特点： 　 　能自控行为； 　　 互作用； 　　 并发执行； 具有封装的内部状态。 　　一般认为：Agent是一种处于一定环境下包装的计算机系统，为实现设计目的，它能在那种环境下灵活地、自主地活动。 面向过程的设计 面向实体的设计 面向对象的设计 AOP：Agent oriented programming 　　上面给出的只是Agent的弱定义，人工智能界的研究人员还要求Agent有更强的性能，拟人的特性，有心理状态，有情感，具有信念、期望、和意图。 移动性；诚实性；善意性； 合理性；推理能力； 规划能力；学习能力。 完美 智能化智能体 智能体 传感器 感知 行动 环境 执行器 传感器：感知信息 （感知序列） 执行器：执行操作 智能体函数：把给定感知序列映射到智能体的行动，即指定Agent响应感知序列所采取的行动。 [f： P* ? A] 智能体程序 智能体：智能体结构+智能体程序 通过感知器感知所处环境并通过执行器对该环境产生作用 A B 感知：位置、是否有灰尘 例如 [A, Dirty] 行动：左移、右移、吸取灰尘、什么也不做 什么决定了智能体的好坏？ 理性智能体：做事正确。 性能度量：评价智能体在环境中的表现 最大化性能度量来设计智能体. 根据实际环境中希望得到的结果