《Docker技术入门与实战》——3.8　本章小结

第2章 体系结构和分层控制 所谓分层或分层系统,是指一个系统由多个相互关联的子系统组成,而每个子系统又可再次分层直至到达最底层基本子系统为止.自然界的大部分系统中,何时停止分层及什么是基本元素的随意性极大.物理学中会经常使用基本粒子的概念,但是粒子早已证实不是物质的最底层基本元素.我们从实验观察到自然中的大部分复杂系统都展示出分层结构.从理论上讲,我们希望世界上的复杂系统都具备分层结构,其复杂系统可从简单系统演变而来.--Herbert A.Simon［1996］ 本章主要讨论智能Agent在实

第二部分 表达和推理 第3章 状态和搜索 你看到过海岸上的螃蟹在寻找大西洋的过程中一直向后爬行,最终消失吗?人们也是同样的思考方式.--H.L.Mencken (1880-1956) 前面一章讨论了Agent是如何理解和动作的,但是没有讲到它们的目标是如何影响动作的.一个Agent可以根据既定的目标集有规划的去动作,但是如果不能适应变化的目标,这样的Agent就是非智能的.或者,Agent能够根据自身能力和既定目标去推理,从而决定应该做什么.这一章介绍将Agent决定做什么的问题描述为在一个图中

第一部分 世界中的Agent:什么是Agent及如何创建它们 第1章人工智能与Agent 人工智能的历史充满幻想.可能.验证和希望.自从荷马描绘机器"鼎"服侍在众神的餐桌旁,那想象中的机器佣人便成为我们文化的一部分.然而,我们人工智能的研究者,直到50年前,才首次制造出实验性机器来验证那些假想,即有关具备思维和智能行为机器人的假想,使得之前仅在理论上具备可能性的机器人得到验证.--Bruce Buchanan ［2005］ 历经几个世纪的思想构建,人工智能学科被公认为有超过50年的历史

2.6 本章小结 一个Agent系统由一个Agent和一个环境组成. Agent需要传感器和执行器来与环境进行交互. 一个Agent由主体和相关控制器组成. Agent是适应于时间,且必须根据其以往与环境的交互历史来决定做什么. 一个Agent不会直接访问其历史,而是它所记住的内容(信念状态)和它刚刚观察到的信息.在每一个时刻,Agent对于去做什么和记下什么主要取决于其信念状态和当前的观察. 复杂的Agent以可交互的分层结构形式构建. 智能Agent是需要知识的,而知识在设计阶段.离线阶段.

3.8 本章小结 许多实际问题可以抽象为在图中进行路径搜索的问题. 宽度优先搜索和深度优先搜索可以在没有任何图以外的额外信息的情况下通过图来找到路径. A 搜索可以使用启发函数,来估计从一个节点到目标节点的花费.如果这个估计低于实际花费,A能保证找到最低花费路径. 迭代深化搜索和深度优先分支界限搜索可以用来找到最低花费路径,且能比像A 之类的算法节省更多的内存,因为A算法会储存多条路径. 当图很小的时候,动态规划搜索可以用来纪录从每一个节点到目标节点的最低花费路径的实际花费,这可以用来找到最

前 言 本书是一本关于人工智能(AI)科学的图书.本书认为AI所要研究的是如何设计智能计算Agent(智能体).本书采用教科书的组织形式,适合广大读者阅读.过去几十年,我们见证了AI这门综合学科的兴起.正如其他学科一样,AI具有清晰.规范的理论和难操控的实验部分.本书平衡了理论和实验,并将两者密切地结合.俗话说"好的理论必须有其实用价值",因此我们将工程应用融入到AI的科学研究中.本书所述方法都秉承了格言"凡事都应尽量从简,但不可过简".我们认为科学必须有其坚实的基

2.2 Agent系统 图2-1展示了Agent与环境的一般交互过程,该图所示整体即是我们所说的Agent系统.44一个Agent系统是由Agent和其所在环境构成.Agent接收环境中的刺激,然后做出相应动作.一个Agent由主体(body)和控制器(controller)两部分组成.控制器从主体处接收感知,然后将命令送至主体处.主体包括传感器和执行器,传感器将外部刺激转化为感知,执行器能将命令转换成动作.刺激包括光.声音.键盘上输入的单词.鼠标移动或者物理冲击,也包括从网页或者数据库中获取的

1.4 本章小结 游戏领域的人工智能和学术领域的人工智能的目标是不同的.学术领域的人工智能尝试解决真实世界中的问题,并需要在不消耗过多有限资源的情况下证明某个理论.游戏领域的人工智能致力于在资源有限的条件下,构建对于玩家来说看上去很智能的NPC.游戏人工智能的目标是提供一个有挑战性的对手,让游戏玩起来更加有趣.我们也大概了解了应用在游戏中的不同的人工智能技术,比如有限状态机(FSM).随机性和概率.感应器和输入系统.群组行为.路径跟随和行为引导.人工智能寻找路径.导航网格的生成.行为树.在接下来

2.7 本章小结 在本章中,我们学会了如何在Unity3D中基于状态机来实现一个简单的坦克游戏.首先我们了解了如何用switch语句以最简单的方式实现有限状态机,然后研究了如何使用一个框架,来使人工智能的实现更易于管理和扩展.在下一章中,我们将学习随机性和概率,学习如何利用它们来让我们的游戏结果更加难以预测.

1.6 原型应用 人工智能领域的应用广泛而且多样化,包括医疗诊断.工厂流程调度.险恶环境中的机器人.博弈.太空中的无人驾驶车辆.自然语言处理系统.指导系统等.这些应用并不是独立进行的,我们抽象出这些应用的本质特点,来研究智能推理及动作背后的原理. 本节概述了4个应用领域,其中的几个实例将贯穿整本书.尽管我们介绍的几个实例都很29简单(如此他们才适用于本书),但其应用领域代表了人工智能技术能够或正在应用的领域范围. 4个应用领域如下所示: 自主传送机器人会在某个建筑物旁徘徊,负责给里面的人传送包裹