《人工智能：計算Agent基礎》——1.7 本書概述

本節書摘來自華章計算機《人工智能：計算agent基礎》一書中的第1章，第1.7節,作者：（加）david l.poole,alan k.mackworth 更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視。

本書的餘下部分對由複雜性次元所定義的設計空間進行探索，對每個次元進行獨立的合理考慮。

第2章主要分析圖1-3中所提到的黑盒的内部結構，并讨論agent的子產品及層次分解。

第3章主要讨論決策未來行為的最簡單情況，單個agent用顯式狀态推理，沒有不确定性，有要完成的目标，但是存在不确定期。在這種情況下，解決目标這個問題可以抽象成圖中的路徑搜尋問題，并介紹了如何利用本領域的額外知識進行搜尋。

第4、5章主要介紹如何利用特征。具體地說，第4章主要考慮怎樣在給定的限制條件下找到可能的狀态，這個限制是以變量形式表示的特征的值的配置。第5章闡述在所有狀态都滿足給定的限制集時，如何确定命題是否為真。

第6章主要講述如何用不确定性進行推理。

第7章介紹如何從先前經驗及資料中學習。它包括學習中最常見的情況，即利用特征的監督學習，從中可以學到被觀察目标的特征集合。

第8章考慮規劃問題，具體對狀态及動作的基于特征的表達進行表示與推理。第9章介紹不确定性中的規劃問題，第10章将這種狀況擴充至多個agent。

第11章介紹不确定性下的學習及強化學習。39

第12章介紹如何用個體及關系進行推理；第13章主要讨論的是本體，以及如何建立基于知識的系統；第14章說明個體及關系的推理如何與規劃、學習及機率推理相結合。

第15章回顧人工智能的設計空間并說明本書提供的材料如何适應設計空間。同時也介紹一些關于建立智能系統的倫理思考。