【正文】 到的所有輸入數(shù)據(jù)的完整歷史 ? 智能體函數(shù)：把任意給定感知序列映射到智能體行動的描述 / 智能體程序：抽象的智能體函數(shù)的一個具體實現(xiàn)，該程序在智能體自身結(jié)構上運行 第 1章 人工智能概述 81 理性智能體 (1) ? 理性智能體 (Rational Agent): 做事正確的智能體 ? 性能度量 : 智能體成功程度標準的具體化 ? 作為一般規(guī)則 , 最好根據(jù)在這個環(huán)境中希望得到的實際結(jié)果來設計性能度量 , 而不是根據(jù)智能體應該表現(xiàn)的行為 ? 判斷什么是理性 : ? 性能度量 ? 關于環(huán)境的先驗知識 ? 可以執(zhí)行的行動 ? 到那時為止的感知序列 第 1章 人工智能概述 82 理性智能體 (2) ? 理性智能體 : 對于每個可能的感知序列 , 根據(jù)已知感知序列提供的證據(jù)和智能體內(nèi)建的先驗知識 , 理性智能體應該選擇期望能使其性能度量最大化的行動 ? 理性是使期望性能最大化 ? 完美是實際性能最大化 ? 理性智能體也可以稱作智能化智能體(Intelligent Agent) 第 1章 人工智能概述 83 任務環(huán)境 (1) ? 建造理性智能體的綜合考慮 : 任務環(huán)境 ? PEAS (Performance, Environment, Actuators, Sensors) 性能 /環(huán)境 /執(zhí)行器 /傳感器 ? 例子 第 1章 人工智能概述 智能體種類 性能度量 環(huán)境 執(zhí)行器 傳感器 出租車司機 安全 ,快速 ,守法 ,舒適的旅途 ,利潤最大化 道路 ,其他車輛 ,行人 ,旅客 方向盤 ,加速器 ,剎車 ,信號燈 ,喇叭 ,(顯示器 ) 引擎?zhèn)鞲衅?,速度計 ,加速計 ,里程計 , GPS,(聲波傳感器 ,攝像頭 ,鍵盤 ) 84 任務環(huán)境 (2) 第 1章 人工智能概述 智能體類型 性能度量 環(huán)境 執(zhí)行器 傳感器 醫(yī)學診斷系統(tǒng) 恢復健康的病人 ,費用最小化 ,最少訴訟 病人 ,醫(yī)院 ,職員 顯示 :問題 ,測試 ,診斷 ,治療 ,咨詢 鍵盤輸入 ,癥狀 ,檢查結(jié)果 ,病人回答 挑揀零件的機器人 放進正確箱子的零件的百分比 載有零件的傳送帶 ,箱子 有關節(jié)的胳膊和手 攝像頭 ,關節(jié)角度傳感器 交互式英語教師 最大化學生的測試成績 學生集合 ,測驗機構 顯示 (語音合成 ):練習 ,建議 ,糾正 鍵盤輸入(語音識別 ) 85 任務環(huán)境的屬性 (1) ? 任務環(huán)境的屬性 : ?完全可觀察的 vs 部分可觀察的 : 獲取環(huán)境的完整狀態(tài) , 一般難以做到 ?確定性的 vs 隨機的 : 出租車駕駛環(huán)境是隨機的 ?片段式的 vs 延續(xù)式的 : 挑揀零件機器人的決策只需建立在當前零件基礎上 , 而下棋 , 駕駛 , 句法分析都是延續(xù)式的 第 1章 人工智能概述 86 任務環(huán)境的屬性 (2) ?靜態(tài)的 vs 動態(tài)的 : 出租車駕駛是動態(tài)的 , 填字謎游戲則是靜態(tài)的 ?離散的 vs 連續(xù)的 : 下棋是離散的 , 駕駛汽車是連續(xù)的 ?單智能體 vs 多智能體 : 駕駛汽車和下棋都是多智能體環(huán)境 ? 根據(jù)傳感器的感知，對環(huán)境的綜合考慮，通過執(zhí)行器的工作，實現(xiàn)好的性能量度 第 1章 人工智能概述 87 任務環(huán)境的屬性 (3) 第 1章 人工智能概述 任務環(huán)境 可觀察性 確定性 片段性 靜態(tài)性 離散性 智能體數(shù) 出租車駕駛 部分 隨機的 延續(xù)式的 動態(tài)的 連續(xù)的 多 醫(yī)學診斷系統(tǒng) 部分 隨機的 延續(xù)式的 動態(tài)的 連續(xù)的 單 選零件的機器人 部分 隨機的 片段式的 動態(tài)的 連續(xù)的 單 交互式英語教師 部分 隨機的 延續(xù)式的 動態(tài)的 離散的 多 縱橫字謎游戲 完全 確定的 延續(xù)式的 靜態(tài)的 離散的 單 88 智能體結(jié)構 4種類型的智能體程序 簡單反射型智能體 基于模型的反射智能體 基于目標的智能體 /基于效用的智能體 學習智能體 第 1章 人工智能概述 89 智能體結(jié)構 ? AI的任務是設計智能體程序 ? 智能體程序要在某個具備實際傳感器和執(zhí)行器的計算裝置上運行 , 該裝置稱為體系結(jié)構 ? 智能體 = 體系結(jié)構 + 程序 ? 通常 , 智能體程序具有這樣的框架 : 從傳感器得到當前感知信息作為輸入 , 返回一個行動交給執(zhí)行器 第 1章 人工智能概述 90 智能體類型 ? 有 4種類型的智能體程序 (或部分程序 ) ? 簡單反射型智能體 ? 基于模型的反射型智能體 ? 基于目標的智能體 ? 基于效用的智能體 ? 此外，學習程序也是一種智能體 第 1章 人工智能概述 91 簡單反射型智能體 第 1章 人工智能概述 智能體 傳感器 現(xiàn)在世界 是什么樣的 環(huán) 境 現(xiàn)在我應該 采取什么行動 執(zhí)行器 條件 行動規(guī)律 f : P→A f : IFTHEN 92 基于模型的反射型智能體 第 1章 人工智能概述 傳感器 現(xiàn)在世界 是什么樣的 現(xiàn)在我應該 采取什么行動 執(zhí)行器 狀 態(tài) 世界如何演變 我的行動做了什么 條件 行動規(guī)則 智能體 環(huán) 境 f : P+M→A f : IF+THEN 93 基于目標的智能體 第 1章 人工智能概述 環(huán) 境 傳感器 現(xiàn)在世界 是什么樣的 如果我采用了行動 A 世界將會是什么樣的 現(xiàn)在我應該 采取什么行動 執(zhí)行器 狀 態(tài) 我的行動做了什么 世界如何演變 目 標 智能體 f : P+M+Try→A f : TargetTry 94 基于效用的智能體 第 1章 人工智能概述 環(huán) 境 傳感器 現(xiàn)在世界 是什么樣的 如果我采用了行動 A 世界將會是什么樣的 現(xiàn)在我應該 采取什么行動 處于這樣的狀態(tài) 我將有多快樂 狀 態(tài) 世界如何演變 我的行動做了什么 效 用 智能體 執(zhí)行器 f : P+M+Try+Utility→A f : Utility 95 什么是效用？ (1) ? 最簡單的方式就是把效用想象成金錢，越多越好并不是其全部 ? 100萬 送給 1個身價 5億的富翁 vs. 還是 1個沒有分文存款的窮光蛋，其效用是不一樣的 / 反過來欠債也是類似的效用 —《 MultiAgent引論 》 第 6章 ? 可以考慮效用和行動對世界作用前后的差 (?)之間存在正比關系，和原來的基數(shù)成反比關系 / 依據(jù)不同評判標準定義函數(shù) 第 1章 人工智能概述 96 什么是效用？ (2) ? 金錢和效用之間關系的示意 第 1章 人工智能概述 O 效用 金錢 97 學習智能體 第 1章 人工智能概述 執(zhí)行器 環(huán) 境 傳感器 智能體 性能標準 評論元件 學習元件 問 題 產(chǎn)生器 執(zhí)行元件 反饋 學習的目標 知識 變化 對照 Mitchell《 機器學習 》 第 1章圖 98 小結(jié) AI成功的例子 AI的目標 AI的未來 第 1章 人工智能概述 99 AI成功的例子 (1) ? 博弈： IBM公司的“深藍”成為第一個在國際象棋比賽中戰(zhàn)勝世界冠軍的計算機程序 ? 1997年，一次公開賽中 斯帕羅夫，他說從棋盤對面感到了“一種新智能” ? （但是，連“深藍 ”的設計者也不認為用了什么人工智能技術） 第 1章 人工智能概述 100 AI成功的例子 (2) ? 自主控制： CMU研制的 ALVINN計算機視覺系統(tǒng)安置在 NAVLAB計算機控制微型汽車中，用于汽車導航行駛在高速公路上 ? 全程 2850英里 (約 ), 其中 98%時間由這個系統(tǒng)掌握方向盤 , 2%時間由人駕駛 , 幾乎都在高速公路出入口處 第 1章 人工智能概述 101 AI成功的例子 (3) ? 后勤規(guī)劃： 1991年海灣戰(zhàn)爭中美國軍隊配備了一個動態(tài)分析和重規(guī)劃工具 DART, 用于自動后勤規(guī)劃與運輸調(diào)度 ? 該系統(tǒng)同時涉及 50000個車輛、貨物和人，而且要考慮起點、目的地、路徑，解決所有參數(shù)之間的沖突。 Descartes(笛卡爾 )給出了第一個關于意識和物質(zhì)之間的區(qū)別以及由此產(chǎn)生的問題的清晰討論 ? 笛卡爾是 二元論 的支持者：堅持意識 (或稱為靈魂 /精神 )的一部分是超脫于自然之外的 , 不受物理定律影響 . 而動物不擁有這種二元屬性 , 它們可以被作為機器對待 第 1章 人工智能概述 22 哲學的貢獻 (5) ? 唯物主義 認為 : 大腦依照物理定律運轉(zhuǎn)而構成了意識 , 自由意志也就簡化為對出現(xiàn)在選擇過程中可能選擇的感受方式 ? 問題 2結(jié)論 : 存在兩種選擇 — 二元論和一元論 第 1章 人工智能概述 23 哲學的貢獻 (6) ? 問題 3：知識是從哪里來的 ? ? 關于知識的來源 : Francis Bacon(培根 )《 新工具論 》 開始了經(jīng)驗主義運動 ? John Locke(洛克 )指出：“無物非先感而后知” ? David Hume(休謨 )提出歸納原理：一般規(guī)則是通過揭示形成規(guī)則的元素之間的重復關聯(lián)而獲得的 第 1章 人工智能概述 24 哲學的貢獻 (7) ? 基于 Ludwig Wittgenstein, Bertrand