第1章：智能体、模型与任务

智能体与环境

智能体接收观测，选择行动，环境据此演化。观测不一定等于完整状态：机器人可以测到相机图像，却不知道物体的全部位置和速度。历史信息有时是推断当前状态的必要依据。

任务通常要明确状态、动作、转移、观测与评价标准。路径规划中的状态可以是位置，动作是移动；游戏中的状态包含棋盘和轮到谁；诊断任务的隐藏状态是疾病，观测是检查结果。

问题	已知信息	要求输出
搜索	状态转移、起点与目标	一条路径或动作序列
概率推断	概率模型与证据	未观测变量的分布
决策	后果概率与效用	当前行动或完整策略
学习	数据、模型族、训练目标	参数、预测器或策略

学习得到的模型可用于规划；规划也可使用人工给定的模型。它们不是按年代相互替代的概念。

表示决定能够回答什么

一个导航状态若只记录位置，而代价还取决于剩余电量，状态就可能不足以预测后续可行行动。把电量纳入状态会扩大搜索空间，却使模型更符合问题。

状态满足马尔可夫性质，意味着给定当前状态和动作后，后续状态分布不再依赖更早历史。这是模型的条件独立假设，不是所有现实观测天然具有的性质。

目标与理性

最小化路程、时间和碰撞风险通常不是同一个目标。将它们加权为一个代价，需要说明权重代表怎样的取舍。算法在某个代价下最优，不证明目标本身符合人的需求。

设行动 A 一定获得 4，行动 B 以一半概率获得 10、另一半为 0。最大化期望收益会选 B；若效用是 $u(r)=\sqrt r$，A 的效用为 2，B 的期望效用约为 1.58，就会选 A。风险偏好属于效用建模，不是概率计算出了矛盾。

模型误差与计算限制

系统表现由表示、数据、推断算法和行动执行共同决定。准确求解一个错误模型仍可能导致失败；正确模型过大时，也可能只能采用近似算法。

因此要区分模型是否覆盖现实、算法是否正确求解模型，以及评估数据是否代表使用环境。三者需要不同的验证方法。

练习

1. 为自动仓库车写出状态、观测、动作和目标，指出哪些量不可直接观测。
2. “预测下一步人的动作”与“选择机器下一步的动作”有什么不同？
3. 改变效用函数会不会改变环境的真实概率？