《人工智能：计算Agent基础》——1.8 本章小结

本节书摘来自华章计算机《人工智能：计算agent基础》一书中的第1章，第1.8节,作者：（加）david l.poole,alan k.mackworth 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

人工智能是对智能行动的计算agent的研究。

agent在环境中动作，它只能访问自己的先验知识、历史观察值、目标及偏好。

agent是一个通过操纵符号来决定要做什么的物理符号系统。

agent的设计者应该考虑模块性、如何描述这个世界、向前计划多远、感知和行为效果的不确定性、目标或偏好的结构、其他的agent、如何从经验中学习和所有真实agent都只有有限的计算资源的事实。

为了通过计算机解决问题，计算机必须具有有效的表达方式以便于推理。

为了知道什么时候已经解决了问题，agent必须对适当解的构成做一个定义，例如，是否它必须最优，或近似最优，或几乎总是最优，或者一个可满足解是否适当。

在选择表示法时，应该用那种尽可能接近问题的表示法，这样就可以很容易地确定所表示的内容，检查它的正确性并能够维护。通常用户都会想要一个解释，为什么他们应该相信答案。