Intro to AI, Rational Agents

第一章笔记是该课程的开篇介绍, 核心是定义什么是智能体 (Agent) 以及智能体所处的环境 (Environment)

智能体 (Agents)

AI的中心问题是创建一个理性的智能体 (rational agent) 。理性智能体是一个拥有目标或偏好，并试图执行一系列行动以期在这些目标下获得最佳（或最优）期望结果的实体 。

智能体的“理性”并非指无所不知或完美，而是在其知识范围内做出最优的期望选择。

智能体的构成与环境：

• 智能体存在于一个环境 (environment) 中，该环境是针对特定智能体实例的 。

• 智能体通过传感器 (sensors) 与环境交互，并通过执行器 (actuators) 对环境施加影响 。

• 智能体与其所处的环境共同构成一个世界 (world) 。例如，一个跳棋程序的“世界”就是虚拟棋盘和对手 。

环境类型 (Types of Environments)

智能体的设计在很大程度上取决于其所处环境的类型 。因此，理解环境的属性至关重要。根据不同的分类依据, 智能体所处的环境可以有如下几种:

• 可观察性 (Observability)：

  • 在完全可观察 (fully observable) 的环境中，智能体完全了解其状态 。

  • 在部分可观察 (partially observable) 的环境中，智能体无法获得关于状态的全部信息，因此必须维护一个对世界状态的内部估计 。

• 确定性 (Determinism)：

  • 在确定性 (deterministic) 环境中，在特定状态下执行一个行动只有一个确定的结果 。

  • 在随机性 (stochastic) 环境中，转移模型存在不确定性，即一个行动可能有多个不同概率的结果 。

• 智能体数量 (Number of Agents)：

  • 在多智能体 (multi-agent) 环境中，一个智能体需要与其他智能体共同行动 。为了避免行为被其他智能体预测，它可能需要将其行动随机化 (randomize) 。

• 动态性 (Dynamism)：

  • 如果环境在智能体行动时不会发生变化，则称之为静态 (static) 环境 。

  • 动态 (dynamic) 环境则会随着智能体的交互而改变 。

• 物理规则 (Physics)：

  • 如果环境具有已知的物理规则 (known physics)，智能体就了解其转移模型（即使是随机的），并可以在规划时利用这些知识 。

  • 如果物理规则是未知的 (unknown)，智能体则需要通过有目的的行动来学习这些动态规律 。