《人工智能:计算Agent基础》——第2章 体系结构和分层控制

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在实时环境中如何感知、推理和动作。实际上,这涉及Agent的内部结构。正如上面西蒙所指出的,层次分解是复杂系统(如智能Agent)设计中的重要部分。因此本章主要描述了用层次分解方式设计智能Agent的方法、构建智能Agent的方法以及构建“智能”所需的知识。

2.1 Agent

Agent是指在具体环境中具有动作能力的对象,如一个人、一个机器人、一条狗、一只小虫子、一阵风、重力、一盏灯或者一个能购物和售货的计算机程序。43
有意图的Agent是具有偏好的,它会偏爱于某些环境状态,并将采取行动来达到它们最偏好的状态。无意图的Agent则会聚集在一起并被称为自然。建模时需设定一个Agent是否为有意图Agent,此建模假定是否合适要根据环境来定,如在一些情境中,需要将某条狗定义为有意图的,而有时候则不需要。
如果一个Agent不具有偏好,由定义可知它不会关心其所处的环境状况,因此也不会关心自己做什么。设计此类Agent的唯一目的是逐步培养其偏好,使其更偏爱某种环境状态并尽力实现之。Agent并非必须知道自己的偏好,如一个恒温器,它只需感知环境,并控制加热器开和关即可。它嵌入了偏好,即让房间中的人员处在一个合适的温度中,尽管它并不知道自己具有此偏好。Agent的偏好一般是Agent设计者的偏好,但是有时在Agent运行中也可赋予目标和偏好。
Agent需要一个“主体”来与环境进行交互。一个嵌入式的Agent有一个物理的主体。机器人就是一个人造的具有目的性的嵌入式Agent。有些Agent则仅在信息空间存在,也被称为机器人,这里我们说的Agent指的便是此类。
本章讨论了如何构建有意图的Agent,我们用机器人作为主要的实例,因为机器人学科中已有相当多的研究,且许多术语来自于机器人学科。当然,此讨论适用于所有Agent。
Agent通过传感器来接收信息。一个Agent的动作取决于通过传感器获取的信息。这些传感器有可能反映环境的真实状态。传感器可能是有噪声的、不可靠的、坏掉的,甚至有时传感器是可靠的,但是它传回的关于环境的信息却是模棱两可的,而Agent却必须依靠其获取的信息来行动。这些信息经常很弱,例如,传感器s看上去会生成数值v。
Agent通过它们的执行器(也叫effectors)来动作。执行器同样可能是有噪声的、不可靠的、行动缓慢的或者坏掉的。Agent所控制的是其发送给执行器的信息(命令)。Agent经常会采取行动去寻找更多的环境信息,如打开橱柜门查看物件或者对学生进行测试来测定他们的知识。

时间: 2024-09-30 23:45:20

《人工智能:计算Agent基础》——第2章 体系结构和分层控制的相关文章

《人工智能:计算Agent基础》——导读

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

《人工智能:计算Agent基础》——第二部分 表达和推理第3章 状态和搜索3.1 用搜索进行问题求解

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

《人工智能:计算Agent基础》——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Agent1.1 什么是人工智能

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

《人工智能:计算Agent基础》——2.3 分层控制

2.3 分层控制 在图2-1中讲述的一种构建Agent的方法是将主体分为两部分:传感器和一个复杂的感知系统,感知系统将对世界的描述输入给推理引擎来实现控制器,然后能够生成传给执行器的命令.但这 图2-4 一个理想的分层Agent系统结构.未标注的矩形表示层,双线表示信息流.虚线说明某一时刻的输出作为下一时刻的输入对智能系统而言是一个很差的结构,因为它太慢了,使得其很难缓解以下两个矛盾:复杂问题的缓慢推理和Agent所需的高级目标的快速反应,例如,躲避障碍.它也不清楚,在其可操纵范围之外存在一个独

《人工智能:计算Agent基础》——1.7 本书概述

1.7 本书概述 本书的余下部分对由复杂性维度所定义的设计空间进行探索,对每个维度进行独立的合理考虑.第2章主要分析图1-3中所提到的黑盒的内部结构,并讨论Agent的模块及层次分解.第3章主要讨论决策未来行为的最简单情况,单个Agent用显式状态推理,没有不确定性,有要完成的目标,但是存在不确定期.在这种情况下,解决目标这个问题可以抽象成图中的路径搜索问题,并介绍了如何利用本领域的额外知识进行搜索.第4.5章主要介绍如何利用特征.具体地说,第4章主要考虑怎样在给定的约束条件下找到可能的状态,这

《人工智能:计算Agent基础》——2.7 参考文献及进一步阅读

2.7 参考文献及进一步阅读 Agent系统的模型是基于Zhang.Mackworth[1995]的关于约束网络的工作和Rosenschein.Kaelbling[1995]的工作,分层控制则是基于Albus[1981]的工作和Brooks[1986]等人的关于包含结构的工作.Abelson.DiSessa[1981]的Turtle Geometry从建模简单反应式Agent角度介绍了相关数学理论.Luenberger[1979]则是一篇值得一读的关于Agent与环境交互的经典理论的简介.Sim

《人工智能:计算Agent基础》——2.6 本章小结

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.

《人工智能:计算Agent基础》——3.8 本章小结

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

《人工智能:计算Agent基础》——1.6 原型应用

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