智能代理

在人工智能中，智能代理（IA）指的是一个自治实体，该实体在通过传感器和随之而来的执行器进行观察的环境中，将其活动指向实现目标。聪明的xxx也可以学习或使用知识来实现其目标。它们可能非常简单或非常复杂。反射机（例如恒温器）被视为智能代理的示例。

通常将智能代理示意性地描述为类似于计算机程序的抽象功能系统。Russell＆Norvig（2003）等研究人员认为目标导向的行为是智力的本质。规范主体可以用从经济学借来的术语“ 理性主体 ” 来标记。在这种理性行动范式中，人工智能拥有其环境的内部“模型”。该模型封装了代理商对世界的所有信念。该代理还具有封装所有AI目标的“目标功能”。这样的代理旨在创建和执行任何计划，一旦完成，将使目标功能的期望值最大化。增强型学习代理可以具有“奖励功能”，该奖励功能允许程序员塑造AI的期望行为，而进化算法的行为则由“适应性函数”塑造。智能代理的抽象描述有时也称为抽象智能代理（AIA），以区别于它们在计算机，生物系统或组织等现实世界中的实现。一些自主智能代理旨在在没有人工干预的情况下运行。

人工智能中的智能主体与经济学中的主体密切相关，并且在认知科学、伦理学、实践理性哲学以及许多跨学科的社会认知 建模和计算机社会模拟中研究了智能主体范式的版本。

智能代理也与软件代理（代表用户执行任务的自主计算机程序）密切相关。在计算机科学中，智能代理是具有一定智能的软件代理，例如，用于操作员协助或数据挖掘的自主程序（有时称为bot）也称为“智能代理”。

根据Nikola Kasabov（1998）的观点，IA系统应具有以下特征：

• 逐步适应新的问题解决规则
• 在线和实时适应
• 能够根据行为，错误和成功进行自我分析。
• 通过与环境的互动来学习和改进（实施例）
• 从大量数据中快速学习
• 具有基于内存的示例存储和检索功能
• 有参数代表短期和长期记忆、年龄、遗忘等。

Padgham＆Winikoff（2005）同意，智能代理位于环境中，并且（及时但不一定实时）响应环境变化。但是，智能代理还必须以灵活而强大的方式主动追求目标。可选的愿望包括：主体是理性的，并且该主体能够进行信念-愿望-意图分析。20世纪的一些定义将代理描述为帮助用户或代表用户行事的程序。有影响力的AIMA（2009年）将主体定义为“可以被视为通过传感器感知其环境并通过执行器对环境进行作用的任何事物”，并将智能描述为根据某些合理的理性标准成功采取行动的能力。

“智能代理”也经常被用作模糊的营销术语，有时也称为“ 虚拟个人助理 ”。

可以为某些代理分配一个明确的“目标功能”。如果一个代理始终采取能够成功地xxx化其编程目标功能的动作，则该代理将被视为更聪明。“目标功能”封装了驱动代理采取行动的所有目标。对于理性主体，该功能还封装了在实现相互冲突的目标之间可以接受的折衷方案。（例如，某些代理寻求xxx化或最小化“ 效用函数 ”、“目标函数”或“ 损失函数 ”。）理论上无可争议的 AIXI设计是xxx的智能代理。这种范式；但是，在现实世界中，AI受时间和硬件资源的限制，科学家们竞争开发出可以在使用现实世界的硬件进行基准测试时逐渐获得更高分数的算法。

某些传统上不被认为是代理的系统（例如知识表示系统）有时会被归入范式，将其框架化为具有尽可能准确地回答问题的目标的代理；这里，“动作”的概念被扩展为包括给出问题答案的“动作”。作为附加扩展，模仿驱动系统可以被构造为基于AI成功完成期望行为的接近程度来优化“目标功能”的代理。在生成对抗网络中在2010年代，“编码器”/“生成器”组件试图模仿和简化人类的文字合成。生成器正试图xxx化一种封装它可以欺骗敌对“预测器”/“区分器”组件的程度的功能。

虽然GOFAI系统通常接受明确的目标函数，但该范例也可以应用于神经网络和进化计算。强化学习可以生成智能代理，这些代理似乎以旨在xxx化“奖励功能”的方式起作用。有时，机器学习程序员不是使用奖励功能直接等于期望的基准评估功能，而是使用奖励塑形最初为机器的学习进度提供奖励。Yann LeCun在2018年指出，“人们提出的大多数学习算法本质上都包括最小化某些目标函数。”AlphaZero国际象棋具有简单的目标功能；每场胜利计为+1分，每场损失计为-1分。自动驾驶汽车的目标功能必须更加复杂。进化计算可以进化智能代理，这些智能代理似乎以xxx化“适应功能”的方式起作用，该“适应功能”影响每个代理被允许离开的后代数量。

代理功能是一个抽象概念，因为它可以合并决策的各种原理，例如计算单个选项的效用，推论逻辑规则、模糊逻辑等。

该程序中介，相反，每一个可能的知觉映射到动作。

我们使用“感知”一词来指代代理商在任何给定时刻的感知输入。在以下附图中，代理是可以被视为通过传感器感知其环境并通过执行器在该环境上作用的任何事物。

Weiss（2013）定义了四类代理商：

• 基于逻辑的代理–通过逻辑推论来决定执行什么动作；
• 反应性主体–通过某种形式的决策来实现从情况到行动的直接映射；
• 信念-愿望-意图主体–决策取决于代表主体的信念，愿望和意图的数据结构的操纵；
• 分层体系结构–通过各种软件层实现决策，其中每个层或多或少都明确地在不同的抽象级别上对环境进行推理。

通常，可以通过将主体分为传感器和执行器来构造代理，以使其与复杂的感知系统一起运行，该感知系统将对世界的描述作为控制器的输入并向执行器输出命令。但是，通常需要控制器层的层次结构来平衡低级任务所需的即时反应和复杂，高级目标的缓慢推理。

为了主动执行其功能，当今的智能代理通常以分层结构的形式收集，其中包含许多“子代理”。智能子代理处理并执行较低级别的功能。综合起来，智能代理和子代理会创建一个完整的系统，该系统可以通过显示智能形式的行为和响应来完成困难的任务或目标。

智能代理被用作自动化的在线助手，它们在其中可以感知客户的需求，以执行个性化的客户服务。这样的代理基本上可以由对话系统，化身以及为用户提供特定专业知识的专家系统组成。它们也可以用于优化在线人群的协调。