人工智能第二章.pptVIP

基于模型的反射agent 第二十七页，共三十六页。 第二章 智能Agent 第一页，共三十六页。 内容提要 Agents和环境 理性Agent 环境的性质 Agent的类型与结构 第二页，共三十六页。 Agent Agent通过感知器感知环境并通过执行器对所处的环境产生影响 人类Agent 眼睛，耳朵为感知器 手，脚，声道为执行器 机器人Agent 摄像头，红外距测仪为感知器 马达为执行器 第三页，共三十六页。 Agent和环境 Agent函数将任何感知历史数据映射为行为： Agent程序通过在物理系统上运行来实现Agent函数 Agent = 体系结构 + 程序 第四页，共三十六页。 真空吸尘器世界 感知器：地点和内容（eg. [A,Dirty]） 行为：向左，向右，洗尘，无操作 第五页，共三十六页。 真空吸尘器世界 第六页，共三十六页。 理性Agent 理性agent：对于每一可能的感知数据序列，一个理性的agent应该采取一个行为以达到最大的性能。 理性判断的4个因素 性能度量 先验知识 可以完成的行动 截至到此刻的感知序列 第七页，共三十六页。 理性Agent 一个Agent应该根据它感知的信息和它能够进行的行为而做正确的事情 正确的行为将使得Agent能够取得最大的成功 性能度量：一个客观的标准来评价Agent的行为的成功性 Eg.真空器agent的性能度量可以是它清洗区域的数量，花费的时间，消耗的能量，产生的噪音等等 Eg.真空洗尘器8个小时内清理的灰尘总量来度量性能？ 以行为来度量性能不如以结果来度量性能 第八页，共三十六页。 理性Agent 全知：明确知道它的行动产生的实际结果并且作出相应的动作 理性不等同于全知(已知的知识都是有限的) 理性不等于完美： 理性是使期望的性能最大化 完美是使实际的性能最大化 第九页，共三十六页。 理性Agent 理性agent能够进行信息收集。 理性的agent应该具有自主性，能够进行学习 从环境的感知信息中根据历史经验来学习 第十页，共三十六页。 任务环境 任务环境：包括性能(Performance)，环境(Environment)，agent的执行器(Actuators)和传感器(Sensors)，英文缩写为PEAS 对于每一个智能agent,必须说明其PEAS参数 Eg.自动驾驶出租车 性能度量 环境 执行器 传感器 第十一页，共三十六页。 任务环境 Eg.自动驾驶出租车 性能度量：安全性，快速性，交通违规，舒适度，利润 环境：马路，其他交通工具，行人，乘客 执行器：方向盘，加速油门，刹车，语音合成器 传感器：摄像头，红外或声纳，速度表，GPS,键盘，麦克风 第十二页，共三十六页。 任务环境 ? Environment: Patient, hospital, staff ? Actuators: Screen display (questions, tests, diagnoses, treatments, referrals) ? Sensors: Keyboard (entry of symptoms, findings, patients answers) Eg.医疗诊断系统 性能度量：病人的健康性，病人花费 环境：病人，医院，工作人员 执行器：显示屏(询问，测试，诊断，治疗方案) 传感器：键盘(输入症状，现场检测，病人的回答) 第十三页，共三十六页。 任务环境 * Eg.挑拣零件机器人 性能度量：正确挑拣的零件所占的百分比 环境：零件传送带，容器 执行器：机器人手臂和手 传感器：摄像头，关节感知器 第十四页，共三十六页。 任务环境 * Eg.交互式英语教学者 性能度量：最大化学生成绩 环境：学生 执行器：显示屏(练习题，建议，正确答案) 传感器：键盘 第十五页，共三十六页。 环境的性质 * 完全可观察的 vs.部分可观察的 一个agent的传感器在每个时间点上都能获取环境的完整状态 一个agent的传感器在每个时间点上都能获取环境的部分状态 真空洗尘器？自动驾驶汽车？ 单agent vs.多agent 单agent独自运行 eg.字谜游戏 多agent同时运行 eg.国际象棋 国际象棋 vs. 驾驶出租车？ 第十六页，共三十六页。 环境的性质 确定的 vs.随机的 环境的下一个状态完全取决于当前状态和agent执行的动作 部分可观察？ 出租车驾驶？真空吸尘器？ 片段式的 vs. 延续式的 agent的经历被分成一个个原子片段，在每个片段中agent感知信息并完成单个行动，下一个片段不依赖于以前的片段 检查次品零件的机器人？国际象棋？ 第十七页，共三十六页。 环境的性质 * 静态的 vs. 动态的 环境在agent计算的时候不会变化(vs