智能代理入门

引言

CodeProject 有大量优秀的 .NET 代码和其他很棒的东西，但就 AI 主题而言，我认为可以做得更多。因此，我想分享一些在 Stuart Russell 和 Peter Norvig 的《人工智能：一种现代方法》中涵盖的概念。我的目的是教育，而不是抄袭，所以我不会涵盖章节中的所有内容，并会尽可能地意译。下面，我将尝试回答第二章“智能体”后面的一个练习题，希望能帮助我记住这些概念，并与大家分享这些概念。我不确定这篇文章会受到怎样的评价，但嘿，它只是一个剪贴簿，这倒是挺合适的，但我愿意接受建设性的批评或积极的反馈，以决定我将来是否应该分享更多这样的文章。我认为我最近越来越像一个架构程序员了。当然，这都是一些基本的东西，对于一些 AI 大师来说可能很无聊，但我当初在认真研究 AI 编程并在浏览 CodeProject 时，如果能有一篇这样的文章就好了。

性能度量和效用函数有什么区别？

什么是智能体？

智能体是指任何可以通过传感器感知其环境并通过效应器作用于该环境的实体。¹ 人类的效应器是我们耳朵、眼睛、腿等。对于机器人智能体，可以是电机和摄像头等。

什么是理性智能体？

理性智能体会正确地执行某个动作，但做正确的动作并不总是意味着它就是最成功的动作。为了评估智能体能采取的最成功的动作是什么，人们必须决定如何以及何时评估智能体的成功。决定智能体有多么成功 Criteria 被称为性能度量。² 每个性能度量通常对智能体来说是独一无二的，因为并非有一个固定的度量适用于所有智能体。在很长一段时间或一生中衡量性能是满足何时度量的理想方式。

我在学习 AI 时发现的一个非常有趣的话题是了解理性和全知的区别。全知智能体知道其行动的实际结果，并可以据此采取行动；但全知在现实中是不可能的。³ 以一个刚在山区购买了一块美丽土地并建造了一座宏伟住宅以供退休的人为例。完工后，一块巨大的陨石直接砸中了房子。在那里建房子是不理性的吗？理性只关心在已知感知信息下的预期成功。因此，智能体的个人感知是理性的四个重要依赖因素之一（另外三个列在第二章，与回答问题不太相关），在任何给定时间。智能体到目前为止所感知到的所有内容称为感知序列。⁴ 这些感知序列可以一对一地映射到动作，或者通过更抽象、更有效的方法来映射。

自主性是我们定义理性智能体时需要涵盖的最后一项。它指的是智能体不仅仅依赖于设计者的“内置知识”。我喜欢将其视为智能体的天生编程，但更多的是基于其自身从环境中收集到的感知数据。

什么是基于效用的智能体？

基于效用的智能体试图通过偏好一个状态而不是另一个状态来最大化其自身的感知成功。如果一个状态比另一个状态更受偏爱，那么它就对智能体具有更高的效用。因此，效用是一个函数，它将一个状态（或一系列状态，如果我们测量智能体长期的效用）映射到一个实数，该实数描述了相关的幸福程度 [感知成功]。⁵ 有许多不同类型的智能体。最基本的是基于反射的智能体，它们直接响应感知；以及基于目标的智能体，它们仅仅为了实现目标而行动。这两种智能体通常不如基于效用的智能体高效。

摘要

性能度量是智能体做出成功决策所需的如何和何时的决定性因素。例如，如果你想为杂耍机器人制定一个合理的性能度量，你可能会监测它成功地在一定时间内杂耍了多少个保龄球。杂耍 2 个保龄球肯定与杂耍 3 个不同，因此将为每个单独的动作创建不同的性能度量。

而效用函数是一种性能度量方法，它分析智能体自身的感知性能度量，以便更好地选择成功的行动。例如，如果我们的杂耍机器人被任务为我们成功杂耍，但我们将其应杂耍的保龄球数量（在此示例中为 2 或 3）的决定权留给机器人，那么在其效用函数中，它会意识到它在杂耍 3 个保龄球时不如杂耍 2 个保龄球表现得好，当然，除非它确实杂耍 3 个保龄球比杂耍 2 个更好。但是，根据我个人的杂耍经验，我肯定比杂耍 3 个保龄球更擅长杂耍 2 个保龄球。 :-D

脚注

• ¹ Stuart Russell, Peter Norvig (1995) Artificial Intelligence: A Modern Approach. Intelligent Agents (p. 31)
• ² Stuart Russell, Peter Norvig (1995) Artificial Intelligence: A Modern Approach. Intelligent Agents (p. 32)
• ³ Stuart Russell, Peter Norvig (1995) Artificial Intelligence: A Modern Approach. Intelligent Agents (p. 32)
• ⁴ Stuart Russell, Peter Norvig (1995) Artificial Intelligence: A Modern Approach. Intelligent Agents (p. 33)
• ⁵ Stuart Russell, Peter Norvig (1995) Artificial Intelligence: A Modern Approach. Intelligent Agents (p. 44)