无信息搜索算法不提供有关某个状态与目标状态的接近程度的任何线索。例如，考虑一个位于 Arad 且目标为 Bucharest的智能体。一个对罗马尼玛地理一无所知的无信息智能体无...
发简信
IP属地：上海
-
无信息搜索策略
-
问题求解性能评估
在开始设计各种搜索算法之前, 需要考虑在这些算法中进行选择时所使用的标准。我们可以从以下4个方面评价算法的性能。 完备性: 当存在解时，算法是否能保证找到解，当不存在解时，...
-
冗余路径
图3-4所示的搜索树包含了一条从 Arad 到 Sibiu 再回到 Arad的路径。这时我们称 Arad 为搜索树中的一个重复状态，在本例中该重复状态是由循环生成的。因此，...
-
最佳优先搜索和搜索数据结构
最佳优先搜索 我们如何决定下一步从边界扩展哪个节点？最佳优先搜索是一种非常通用的方法，在这种方法中，我们选择使得某个评价函数f(n)的值最小的节点 n。在每次迭代中，选择边界...
-
搜索算法
搜索算法将搜索问题作为输入并返回问题的解或报告 failture(当解不存在时)。在本章中，我们考虑在状态空间图上叠加一棵搜索树的算法，该算法从初始状态形成各条路径，并试图找...
-
真实世界问题
我们已经了解了如何根据指定的位置和沿着它们之间的边进行的位置转移来定义寻径问题。寻径算法有许多应用场景。其中一些是上文中罗马尼亚例子的直接扩展，例如提供导航的网站和车载系统等...
-
问题示例
问题求解的方法已经被应用于大量任务环境中。我们这里列出一些典型问题，区分为标准化问题和真实世界问题。标准化问题常用于说明或训练各种问题求解方法。它具有简洁、准确的描述，因此适...
-
问题形式化
我们将前文中去往 Bucharest 的问题形式化为一个** 模型**——一种抽象的数学描述，而不是真实存在的事物。与简单的原子状态描述 Arad 相比，实际的旅行的世界状态...
-
搜索问题和求解
搜索问题的形式化定义如下。 可能的环境状态的集合，我们称之为状态空间。 智能体启动时的初始状态。 一个或多个目标状态的集合。有时问题只有一个目标状态，有时存在若干个可以供选择...
-
问题求解智能体
我们假设智能体总是能够访问与世界相关的信息，有了这些信息，智能体可以执行以下4个阶段的问题求解过程。 目标形式化 目标通过限制智能体的目的和需要考虑的动作来组织其行为。 问题...
-
部署图规范级别部署图 规范级别(也称为类型级别)部署图展示了将制品部署到部署目标的概览，不涉及制品或节点的具体实例。 实例级别部署图 实例级部署图显示将工件实例部署到特定部署目标实...
-
什么是人工智能
我们声称人工智能很有趣，但是我们还没有描述它是什么。历史上研究人员研究过几种不同版本的人工智能。有些根据对人类行为的复刻来定义智能，而另外一些更喜欢用理性来抽象地正式定义智能...
-
智能体的任务环境
既然已经有了理性的定义，考虑构建理性智能的准备几乎已经完成。然而还必须考虑任务环境，它本质上是“问题”，理性智能体是“解决方案”，我们首先展示如何指定任务环境，并用一些示例说...
-
理性智能体
理性智能体是做正确事情的事物。显然，做正确的事情比做错误的事情要好，但是做正确的事情意味着什么呢？ 道德哲学发展了几种不同“正确事情”的概念，但人工智能通常坚持一种称为结果主...
-
智能体
任何通过传感器感知环境并通过执行器作用宇该环境的事物都可以被视为智能体。一个人类智能体以眼睛、耳朵和其他器官作为传感器，以手、腿、声道等作为执行器。机器人智能体可能以摄像头和...
-
智能体程序的组件如何工作
我们已经将智能体程序（用非常高级的术语）描述为由各种组件组成，其功能是回答诸如“现在的世界是什么样的？” “我现在应该采取什么动作” “我的动作将导致什么？” 等问题。人工智...
-
学习型智能体
我们已经描述了一些智能体程序和选择动作的方法。到目前为止，我们还没有解释智能体程序是如何产生的。在图灵早期的论文中，他考虑手动编程实现智能机器的想法。他估计了这可能需要多少工...
-
基于效用的智能体
在大多数环境中，仅靠目标并不足以产生高质量的行为。例如，许多动作序列都能使出租车到达目的地（从而实现目标), 但有些动作序列比其他动作序列更快、更安全、更可靠或更便宜。目标只...
-
基于目标的智能体
了解环境的现状并不总是足以决定做什么。例如，在一个路口，出租车可以左转、右转或者直行。正确的决定取决于出租车要去哪里。换句话说，除了当前状态的描述之外，智能体还需要某种描述理...
-
AI Agent 学习路径
AI Agent 学习路径（从入门到精通，分阶段可落地） AI Agent（智能体）是具备感知-决策-执行-反馈闭环能力的智能系统，能自主完成复杂任务（如业务专家助手、自动化...