【Notes】CS311 Artificial Intelligence

Ch.1 Introduction

略。

Ch.2 Agent

称智能体 (Agent) 为满足以下特性的个体：

• 通过 Sensor 感知环境；
• 利用 Actuators 根据环境执行操作。

Agent function：将感知映射到行动。

理性

智能体的理性 (rationality) 与 performance measure 有关。

定义理性智能体时，需将其属性归类为 PEAS 四大类：Performance, Environment, Actuators, Sensors

环境的分类

• Fully / Partially Observable：传感器能否访问每个时间点的环境完整状态。
• Deterministic / Stochastic：环境的下一个状态是否只由当前状态与智能体执行的操作决定。（如果除了其他智能体的操作外，该环境是 deterministic 的，则称该环境就是 strategic 的）
• Episodic / Sequential：若智能体的经验是原子性的（由对一个时刻的感知与执行单个动作组成），且动作选择仅取决于当前时刻的感知，则称其 episodic 的，反之 sequential。
• Discrete / Continuous：感知和动作是否数量有限、定义明确。
• Static / Dynamic：智能体思考时环境是否保持不变（若环境本身不变，但智能体表现得分改变，则称其 semi-dynamic 的）
• Single agent / Multi-agent：略。
• Known / Unknown：设计者是否了解环境构成。

智能体的分类

• Simple reflex agents

根据当前感知选择动作，忽略感知历史。

必须在 fully observable 的环境下，且正确行动只与当前感知有关。

• Model-based reflex agents

内部状态由历史观测决定，可以处理 partially observable 的环境。（预测）

• Goal-based agents

拥有目标信息，会预测每种行动对达成目标的贡献。

• Utility-based agents

包含 utility function 用来评估智能体达成目标的收益，即为该智能体的 performance measure。

智能体会选择最大化 utility 的行动。

• Learning agents

能够从自身经验中学习，较为通用。

四个组件：

1. Learning element：负责改进。
2. Performance element：负责选择动作。
3. Critic：评价做得好不好。
4. Problem generator：允许智能体进行探索。

智能体的状态

• Atomic Representation：每个状态都可以看做没有内部结构的黑匣子。
  • Algo：搜索、游戏、马尔可夫过程...
• Factored Representation：每个状态都有一些属性，可以用一组变量来表示。
  • Algo：Constraint satisfaction、贝叶斯网络...
• Structured Representation：可以明确表达状态对象之间的关系。
  • Algo：一阶逻辑, knowledge-based learning, NLU...

Ch.3 Uninformed Search

---

施工中...