本文介绍《Artificial Intelligence： A modern approach》的第二章，介绍人工智能的基本概率，包括什么是Agent，它的内部构造是什么样的，以及什么样的Agent的是“好”的，还包括对agent所处环境的介绍。
第二章 智能环境
1 Agent和环境
Agent通过传感器感知环境，通过执行器与环境交互。
感知：任何时刻Agent的感知输入；感知序列：所有历史输入数据的集合。
Agent函数：将给定感知序列映射为行动；Agent程序：Agent函数的具体实现，是在物理系统内部运行的。
2 什么是“好”的行为：理性的概念
性能度量：对环境状态的任何给定序列进行评估，而不是Agent的内部状态。
性能度量的标准很多，最好根据实际环境中希望得到的结果来设计性能度量。
2.1 理性
理性的判断标准：
良好定义的性能度量
Agent对环境的先验知识
Agent可以完成的动作
Agent截至此刻的感知序列
理性Agent：对于每一个可能的感知序列，根据已知的感知序列提供的证据和Agent具有的先验知识，理性Agent应该选择能使其性能度量最大化的动作。
2.2 全知者、学习者和自主性
理性 不等于 全知： 理性是使期望性能最大化，而完美则是实际性能最大化。
理性的Agent要求主动的收集信息，并从感知到的信息中学习。
Agent最初的设定反映了对环境的先验知识，随着学习的过程，先验知识会被修改和增加。如果Agent一直依赖于先验知识，那么就缺乏了自主性。
3 环境的性质
任务环境：理性Agent要求解的基本问题。
3.1 任务环境的规范描述
任务环境的PEAS描述：Performance（性能），Environment（环境），Actuator（执行器），Sensors（传感器）
3.2 任务环境的性质
| 描述 | 分类 | |
|---|---|---|
| 可观察 | 传感器是否可以在任何时刻获得环境的完整状态 | 完全可观察/部分可观察 |
| Agent数目 | A的行为是否影响到B的性能最大化 | 单Agent/多Agent |
| 随机性 | 环境的下一个状态是否完全取决与当前状态和Agent执行的动作 | 确定的/随机的 |
| 片段性 | 下一个片段是否依赖于上一个片段采取的行动 | 片段式/延续式 |
| 动态性 | 环境在Agent计算时候是否会变化 | 静态/动态 |
| 连续性 | 状态是否连续性变化 | 离散/连续 |
| 已知与未知 （Agent） | 所有行动的结果是否是给定的 | 已知/未知 |
4 Agent的结构
Agent程序：将感知信息映射到行动；体系结构：具备物理传感器和执行器的计算装置。
Agent = 体系结构+程序
本书绝大部分介绍设计Agent的程序。
4.1 Agent的程序
Agent的程序以当前感知作为输入，而Agent的函数以整合历史感知信息作为输入。如果Agent的行动依赖于整个感知序列，那么Agent必须要记住感知信息。
| 四种基本的Agent | 描述 | 图示 |
|---|---|---|
| 简单反射Agent | 基于当前感知，不关注历史 条件-行为规则 局限：环境需要完全可观察 |  |
| 基于模型的反射Agent | 跟踪记录历史，维持内部状态 更新内部状态需要的两类知识：独立于Agent发展的信息、Agent的动作如何影响世界的信息 |  |
| 基于目标的Agent | 目标信息：描述想要到达的状态 |  |
| 基于效用的Agent | 效用函数：度量性能的内在化 期望效用最大化 |  |
4.2 学习的Agent
Agent程序的形成需要大量的工作量，所以需要建造可以学习的机器。分为四个部分：
学习元件（负责改进提高）；
性能元件（选择外部行动）；
评判元件（外部评价）；
问题产生器（建议探索性的行动）
4.3 Agent程序各种组件之间如何工作
组件以不同的方式表示环境：
原子表示，每个状态是不可见的，没有内部结构，算法：搜索和博弈论，隐马尔可夫模型，马尔可夫决策过程。
要素化表示：状态表示为特征的集合，算法：约束满足算法，命题逻辑，规划，Bayesian网。
结构化表示：考察事物之间的关联，算法：关系数据库，一阶逻辑，一阶概率模型，基于知识的学习，自然语言处理。
