一文讀懂智能體

□文/Prashant Gupta

一文讀懂智能體

□文/Prashant Gupta

根據(jù)我們希望實現(xiàn)的目標(biāo)以及衡量其成功的標(biāo)準(zhǔn)，我們可以采用多種方法來創(chuàng)建人工智能。它涵蓋的范圍極其廣泛，從自動駕駛和機(jī)器人這樣非常復(fù)雜的系統(tǒng)，到諸如人臉識別、機(jī)器翻譯和電子郵件分類這些我們?nèi)粘Ｉ畹某Ｒ姴糠?，都可以劃為人工智能的領(lǐng)域范疇之內(nèi)。

閱讀完下面這篇文章，也許你就會了解真正創(chuàng)建人工智能所需要的東西有哪些?！赌阏娴闹朗裁词侨斯ぶ悄軉帷罚╤ttps∶//hackernoon.com/so-youthink-you-know-what-is-artificialintelligence-6928db640c42）

你所采用的路徑將取決于你的AI目標(biāo)是什么，以及你對各種方法的復(fù)雜性和可行性的理解程度。在本文中，我們將討論那些被認(rèn)為對科學(xué)發(fā)展更為可行和普遍的方法，即對理性智能體設(shè)計的研究。

什么是智能體？

·通過傳感器感知其周圍環(huán)境

·通過執(zhí)行器對其進(jìn)行操作

它將在感知、思考和行動的周期中往返運(yùn)行。以人類為例，我們是通過人類自身的五個感官（傳感器）來感知環(huán)境的，然后我們對其進(jìn)行思考，繼而使用我們的身體部位（執(zhí)行器）去執(zhí)行操作。類似地，機(jī)器智能體通過我們向其提供的傳感器來感知環(huán)境（可以是相機(jī)、麥克風(fēng)、紅外探測器），然后進(jìn)行一些計算（思考），繼而使用各種各樣的電機(jī)/執(zhí)行器來執(zhí)行操作?，F(xiàn)在，你應(yīng)該清楚在你周圍的世界充滿了各種智能體，如你的手機(jī)、真空清潔器、智能冰箱、恒溫器、相機(jī)，甚至你自己。

什么是Intelligent Agent？

Intelligent Agent是這樣一種智能體，給定它所感知到的和它所擁有的先驗知識，以一種被期望最大化其性能指標(biāo)的方式運(yùn)行。

性能指標(biāo)定義了智能體成功的標(biāo)準(zhǔn)。

此類智能體也被稱之為理性智能體（Rational Agent）。智能體的合理性是通過它的性能指標(biāo)、擁有的先驗知識、可以感知的環(huán)境及其可以執(zhí)行的操作來衡量的。

這個概念是人工智能的核心。

Intelligent Agent的上述屬性通常歸結(jié)于 術(shù) 語 PEAS（Performance, Environment,Actuators and Sensors），其代表了性能、環(huán)境、執(zhí)行器和傳感器。所以，以一輛自動駕駛汽車為例，它應(yīng)該具有以下PEAS：

·性能：安全性、時間、合法駕駛、舒適性。

·環(huán)境：道路、其他汽車、行人、路標(biāo)。

·執(zhí)行器：轉(zhuǎn)向、加速器、制動器、信號、喇叭。

·傳感器：相機(jī)、聲納、GPS、速度計、里程計、加速度計、發(fā)動機(jī)傳感器、鍵盤。

為了滿足現(xiàn)實世界中的使用情況，人工智能本身需要有廣泛的Intelligent Agent。這就引入了我們所擁有的智能體類型及環(huán)境的多樣性。接下來我們一起來看看。

環(huán)境類型

如果想要設(shè)計一個理性智能體，那么就必須牢記它將要使用的環(huán)境類型，即以下幾種類型：

·完全可觀察和部分可觀察：如果是完全可觀察的，智能體的傳感器可以在每個時間點(diǎn)訪問環(huán)境的完整狀態(tài)，否則不能。例如，國際象棋是一個完全可觀察的環(huán)境，而撲克則不是。

·確定性和隨機(jī)性：環(huán)境的下一個狀態(tài)完全由當(dāng)前狀態(tài)和由智能體接下來所執(zhí)行的操作決定的。（如果環(huán)境是確定性的，而其他智能體的行為不確定，那么環(huán)境是隨機(jī)性的）。隨機(jī)環(huán)境在本質(zhì)上是隨機(jī)的，不能完全確定。例如，8數(shù)碼難題（8-puzzle）這個在線拼圖游戲有一個確定性的環(huán)境，但無人駕駛的汽車沒有。

·靜態(tài)和動態(tài)：當(dāng)智能體在進(jìn)行協(xié)商（deliberate）時，靜態(tài)環(huán)境沒有任何變化。（環(huán)境是半動態(tài)的，環(huán)境本身并沒有隨著時間的流逝而變化，但智能體的性能得分則是會發(fā)生相應(yīng)變化的）。另一方面，動態(tài)環(huán)境卻改變了。西洋雙陸棋具有靜態(tài)環(huán)境，而掃地機(jī)器人roomba具有動態(tài)環(huán)境。

·離散和連續(xù)：有限數(shù)量明確定義的感知和行為，構(gòu)成了一個離散的環(huán)境。例如，跳棋就是離散環(huán)境的一個范例，而自動駕駛汽車則需要在連續(xù)環(huán)境下運(yùn)行。

·單一智能體和多智能體：僅有自身操作的智能體本身就有一個單一智能體環(huán)境。但是如果還有其他智能體包含在內(nèi)，那么它就是一個多智能體環(huán)境。自動駕駛汽車就具有多智能體環(huán)境。

還存在著其他類型的環(huán)境，情景和順序，已知和未知，這些定義了智能體的范圍。

智能體的類型

一般有4種類型的智能體，根據(jù)智能水平或其能夠執(zhí)行任務(wù)的復(fù)雜性不同而區(qū)分。所有類型都可以隨著時間的推移改進(jìn)性能并產(chǎn)生更好的操作。這些可以概括為學(xué)習(xí)智能體（learning agents）。

單反射性智能體（Simple reflex agents）

這些選擇操作僅基于當(dāng)前狀態(tài)，忽略感知?dú)v史。

如果環(huán)境完全可觀察到，或者正確的行為是基于目前的感知，它們才能工作。

基于模型的反射性智能體(Model-based reflex agents)

智能體跟蹤部分可觀察的環(huán)境。這些內(nèi)部狀態(tài)取決于感知?dú)v史。環(huán)境/世界的建模是基于它如何從智能體中獨(dú)立演化，以及智能體行為如何影響世界。

基于目標(biāo)的智能體（Goal-based agents）

這是對基于模型的智能體的改進(jìn)，并且在知道當(dāng)前環(huán)境狀態(tài)不足的情況下使用。智能體將提供的目標(biāo)信息與環(huán)境模型相結(jié)合，選擇實現(xiàn)該目標(biāo)的行動。

基于效用的智能體（Utility-based agents）

對基于目標(biāo)的智能體進(jìn)行改進(jìn)，在實現(xiàn)預(yù)期目標(biāo)方面有所幫助是不夠的。我們可能需要考慮成本。例如，我們可能會尋找更快、更安全、更便宜的旅程到達(dá)目的地。這由一個效用函數(shù)標(biāo)記。效用智能體將選擇使期望效用最大化的操作。

通用智能體，也稱為學(xué)習(xí)智能體，由阿蘭·圖靈提出，是目前人工智能系統(tǒng)中最先進(jìn)的方法。

上述所有智能體可以被概括為學(xué)習(xí)智能體以產(chǎn)生更好的操作。

學(xué)習(xí)智能體（Learning Agents）

學(xué)習(xí)要素：負(fù)責(zé)改進(jìn)。

性能要素：負(fù)責(zé)選擇外部行為，這是截至目前我們通常認(rèn)為的智能體。

評論：關(guān)于確定的性能標(biāo)準(zhǔn)，智能體做得如何？

問題生成器：允許智能體探索。

內(nèi)部狀態(tài)表示

隨著智能體的復(fù)雜化，內(nèi)部結(jié)構(gòu)也越來越復(fù)雜。它們存儲內(nèi)部狀態(tài)的方式也發(fā)生變化。由于其性質(zhì)，簡單的反射型智能體不需要存儲狀態(tài)，其他類型則需要。下面的圖像提供智能體狀態(tài)的高級別表示，按表示能力增長順序排列（從左到右）。

·原子表示法（Atomic representation）：在這種情況下，狀態(tài)存儲為黑箱，即沒有任何內(nèi)部結(jié)構(gòu)。例如，對于Roomba（機(jī)器人真空吸塵器），內(nèi)部狀態(tài)是已經(jīng)進(jìn)行了真空的補(bǔ)丁，您不必了解任何其他內(nèi)容。如圖所示，這種表示適用于基于模型和目標(biāo)的智能體，并用于各種AI算法，例如搜索問題和對抗游戲。

· 因 素 化 表 示 法（Factored Representation）：在這種表示中，狀態(tài)不再是黑箱。它現(xiàn)在具有屬性值對，也稱為可以包含值的變量。例如，在找到一條路線時，你有GPS位置以及油箱中的油量值。這為問題增加了一個約束。如圖所示，這種表示適用于基于目標(biāo)的智能體，并用于各種AI算法，如約束滿足（constraint satisfaction）和貝葉斯網(wǎng)絡(luò)（bayesian networks）。

· 結(jié) 構(gòu) 化 表 示 法（Structured Representation）：在這種表示中，我們在變量/因子狀態(tài)之間有關(guān)系，這在AI算法中引發(fā)邏輯。例如，在自然語言處理中，陳述是否在語句中包含對某人的引用，以及該語句中的形容詞是否形容該人。這些陳述關(guān)系將決定這個陳述是否是諷刺的（sarcastic）。這是高級別的人工智能，用于一階邏輯、基于知識的學(xué)習(xí)和自然語言理解的算法。

對于人工智能來說，這些理性智能體還有很多，這只是一個概述。正如你所知道的，理性智能體的設(shè)計研究是人工智能的重要組成部分，因為它在各種領(lǐng)域中有著廣泛的應(yīng)用。但是，這些智能體不能獨(dú)立工作，他們需要一個人工智能算法來驅(qū)動它們。這些算法大多涉及搜索。很快，我就會寫一些關(guān)于驅(qū)動理性智能體的AI算法，以及在AI中使用機(jī)器學(xué)習(xí)的文章。