javatpoint：人工智能代理的类型

根据智能体的感知程度和能力，可以将其分为五类。随着时间的推移，所有这些代理都可以提高性能并产生更好的操作。如下所示：

1. 简单反射代理
2. 基于模型的反射代理
3. 基于目标的代理
4. 基于效用的代理
5. 学习代理

1.简单反射代理：

• 简单反射因子是最简单的因子。这些代理基于当前感知做出决策，而忽略感知历史的其余部分。
• 这些代理只有在完全可观察的环境中才能成功。
• 简单反射主体在决策和行动过程中不考虑感知历史的任何部分。
• 简单反射代理根据条件操作规则工作，这意味着它将当前状态映射到操作。例如房间清洁剂，它只有在房间里有污垢的情况下才有效。
• 简单反射剂设计方法的问题：
  • 他们的智力非常有限
  • 他们不了解当前状态的非感知部分
  • 大多太大，无法生成和存储。
  • 不适应环境的变化。
    

2.基于模型的代理

• 基于模型的代理可以在部分可观察的环境中工作，并跟踪情况。
• 基于模型的代理有两个重要因素：
  • 模型：它是关于“世界上事情是如何发生的”的知识，所以它被称为基于模型的代理。
  • 内部状态：它是基于感知历史的当前状态的表示。
• 这些代理有一个模型，“这就是世界知识”，并基于这个模型执行操作。
• 更新代理状态需要以下信息：
  • 世界如何演变
  • 代理人的行为如何影响世界。

3.基于目标的代理人

• 当前状态环境的知识并不总是足以决定代理要做什么。
• 代理人需要知道其目标，该目标描述了理想的情况。
• 基于目标的代理通过拥有“目标”信息来扩展基于模型的代理的功能。
• 他们选择一个行动，这样他们才能实现目标。
• 在决定目标是否实现之前，这些代理人可能必须考虑一系列可能的行动。这种对不同场景的考虑被称为搜索和规划，这使代理具有主动性。

4.基于效用的代理

• 这些代理类似于基于目标的代理，但提供了效用测量的额外组件，通过提供在给定状态下的成功度量，使它们有所不同。
• 基于效用的代理行为不仅基于目标，而且是实现目标的最佳方式。
• 当存在多种可能的替代方案，并且代理必须进行选择才能执行最佳操作时，基于实用程序的代理非常有用。
• 效用函数将每个状态映射到一个实数，以检查每个动作实现目标的效率。
   

5.学习代理

• 人工智能中的学习代理是指可以从过去的经验中学习，或者具有学习能力的代理。
• 它从基本知识开始行动，然后能够通过学习自动行动和适应。
• 学习主体主要有四个概念组成部分，它们是：
  • 学习元素：它负责通过从环境中学习来进行改进
  • 评论家：学习元素从评论家那里获得反馈，描述代理人在固定的绩效标准方面做得有多好。
  • 性能元素：负责选择外部动作
  • 问题生成器：该组件负责建议将带来新的信息体验的行动。
    因此，学习代理能够学习、分析性能，并寻找提高性能的新方法。