第二章：智能Agent

本章讨论Agent的本质，Agent是否完美，环境的多样性，及由此带来的各种Agent分类。

1. Agnet和环境

Agent通过传感器感知环境并通过执行器对所处环境产生影响，不同Agent用的传感器也各不相同。我们用 「感知」 表示任何给定时刻Agent的感知输入，而 「感知序列」 是该Agent所接受的所有输入数据的历史记录，Agent依赖感知序列做出行动，可以说 Agent函数 描述了Agent行为，它将感知序列映射为行动序列。

2. 好的行为：理性的概念

「理性Agent」 是做事正确的Agent。但什么是“正确的”？

如果Agent做出的行动序列能将环境变成渴望的，那这个Agent性能良好。这里的渴望，通过 「性能度量」 表述，它对环境状态的任何给定序列进行评估。显然，没有一成不变的性能度量，具体问题具体分析才是关键。作为一般原则，最好根据实际在环境中希望得到的结果来设计性能度量，而不是根据Agent表现出的行为。

我们这样定义理性Agent：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Agent具有的先验知识，理性Agent应该选择能使其性能度量最大化的行动。

理性不等于完美，理性是使期望的性能最大化，而完美是使实际的性能最大化。理性的选择只依赖于已知的感知序列，而观察有助于最大化期望性能，信息收集是理性的重要部分。

理性Agent不仅要收集信息，还需要从这些信息中尽可能多的 「学习」。如果Agent依赖于设计人员的先验知识而不是它自身的感知信息，那它就缺乏自主性。理性Agent应当自主学习，以弥补不完整或不正确的先验知识。但实践中，我们并不要求Agent一开始就完全自主，给它些初始知识以及学习能力是合理的。

3. 环境的性质

有了理性的定义，差不多可以思考如何来构建理性Agent了。不过，首先必须考虑 「任务环境」。我们要规定性能度量、环境以及Agent的执行器和传感器，这些就是任务环境。根据这四个单词的首字母，我们称之为 PEAS 描述。

以自动驾驶汽车为例，首先，我要考虑我们所期望的性能度量是什么？油耗少？用时短？安全性高？其次，这车的行驶环境是什么？公路？乡间小道？雪地？它的执行器一般还是和人工驾驶一样，油门、刹车、发动机那些。但可能还需要一些语言模块与人交流。基本的传感器有哪些？摄像头、红外测距仪、速度表等。

任务环境的范围是很大的，我们可以对它们进行分类，这些维度在很大程度上不但决定了适当的Agent设计，也决定了实现Agent的主要技术群体的实用性。这里的定义是非正式的：

完全可观察的与部分可观察的：Agent传感器在任何时间点上都能获取环境的完整状态，那任务环境就是完全可观察的，否则为部分可观察。
单Agent与多Agent：这个不多说了。主要注意：AgentA是否要把另一个对象B当作Agent对待，就要看B的行为是否也致力于让AgentA的行为的性能度量值最大化。
确定的与随机的：如果环境的下一个状态完全取决于当前状态和Agent执行的动作，那环境就是确定的，否则就是随机的。
片段式的与延续式的：在片段式的任务环境中，Agent的经历被分成了一个个独立的原子片段。每个片段都不依赖以前的片段中采取的行动。而延续式环境中，当前决策会影响所有未来的决策。
静态的与动态的：顾名思义了，但有种情况是环境不会变，而Agent的性能评价随时间变换，那这样的环境就是 半动态的。
离散的与连续的：环境的状态、时间的处理方式以及Agent的感知信息和行动，都有离散/连续之分。
已知的与未知的：这种其实应该指Agent的知识状态，在已知环境中，所有的行为后果是给定的，如果是未知的则Agent需要学习如何工作以便更好决策。

人们会意识到，最难处理的情况就是部分可观察的、多Agent的、随机的、延续的、动态的、连续的和未知的环境。

4. Agent的结构

现在来讨论Agent内部是如何工作的。AI的任务是设计 「Agent程序」，它实现的是把感知信息映射到行动的Agent函数。而Agent函数要在 「体系结构」——某个具备物理传感器和执行器的计算装置上运行，体系结构为程序提供感知信号，运行程序，并把计算结果送达执行器。

下面，我们概述4种基本的Agent程序，它们几乎涵盖了全部智能系统的基础原则：

简单反射Agent

简单反射Agent是最简单的Agent种类，这种Agent基于当前的感知选择行动，不关注感知历史。简单反射行为也可以用在复杂的环境中，比如自动驾驶的“红灯停，绿灯行”，这种是条件触发的建立好的行为的联接，我们称之为 「条件-行为规则」。简单反射Agent具有极好的简洁性，但智能有限。
基于模型的反射Agent

世界如何独立于Agent而发展？Agent自身的行为如何影响世界的信息？这种关于“世界如何运作”的知识，无论通过什么方式实现，我们都称之为世界模型。使用了这种模型的Agent就是「基于模型的Agent」。这种Agent会利用世界模型来更新内部状态的信息，这有助于处理部分可观测环境，比如自动驾驶的车辆变道，就需要跟踪记录世界模型中其他车辆的位置。
基于目标的Agent

只知道当前环境状态对决策而言并不够，Agent还需要目标信息来描述想要达到的状况，基于目标的行动选择需要 「搜索」 和 「规划」。基于目标的Agent很灵活，因为支持它决策的知识被显示表示出来，并且可以修改。也就是说，可以只修改个别相关行为，就可以达成新的目标；如果是反射Agent就要重写很多条件-行动规则。
基于效用的Agent

要生成高品质的行为，我们还需要根据 「效用」，目标只能提供哪些行动是有效的、哪些是无效的；而效用则能衡量有效的行为中哪些更有效。「效用函数」 是性能度量的内在化，基于效用的Agent可以在选择的多个目标之间进行适当的折中，也可以在目标都无法完成时，根据成功率进行概率加权选出最有可能成功的目标去行动。

到目前为止，我们还没说明这些Agent程序是如何形成的，它们是由机器自己学习来的。我们将简要介绍学习Agent（这不是动宾短语，而是一个名词）的主要思想。

学习Agent可以被划分为4个概念上的组件：评判元件、学习元件、性能元件以及问题产生器。

感知信息本身无法告诉Agent做得好还是差，所以需要评判元件根据固定的性能标准产生反馈，评价Agent做得如何并确定应该如何修改性能元件以做得更好。学习元件负责改进提高，而性能元件负责选择外部行动，学习元件的设计很大程度上依赖于性能元件的设计。学习Agent的最后一个组件是问题产生器，它负责行动建议，哪些行动？可以得到新的、有信息的经验的行动，它的任务就是建议探索性行动。

总之，智能Agent的学习可以被总结为改进Agent的每个组件，使得各组件与能得到的反馈信息更加和谐，从而改进Agent的总体性能。

这些组件到底是如何工作的？这里只展示一些基础内容（太多辣），讲讲在不同环境下，表示Agent组件的不同方法——原子、要素和结构。

原子表示中，世界的每个状态是不可见的，它没有内部结构。
要素化表示中，世界状态表示为变量或特征的集合，每个变量或特征都可能有值。
结构化表示，在要素化表示的基础上，还描述了事物间的相互关联，就像数据结构中的图一样。