第2章：智能体 2.1--2.3节 笔记
范围：
- 2.1 智能体和环境
- 2.2 良好行为：理性的概念
- 2.3 环境的本质
目标：用一套统一框架回答三件事：
- 智能体是什么
- 什么叫"表现好/理性"
- 环境有哪些关键属性（决定算法/设计）
2.1 智能体和环境
2.1.1 交互闭环（核心图景）
- 智能体（Agent）：通过 **传感器（Sensors）**获取信息，通过 **执行器（Actuators）**对环境施加影响。
- 环境（Environment） ：智能体之外的一切；在设计中，我们通常只关心与感知/动作相关的那部分状态。
信息流：
- 环境 →（感知）→ 智能体 →（动作）→ 环境
- 单次输入叫 感知（percept） ；到当前为止的历史叫 感知序列（percept sequence）。
2.1.2 智能体函数 vs 智能体程序
- 智能体函数（agent function） ：抽象的映射
f: percept sequence → action - 智能体程序（agent program） ：在具体硬件/软件平台上实现该映射的可运行实现。
结论：函数是"行为定义"，程序是"工程实现"。
2.1.3 真空吸尘器世界（用于说明概念）
- 用极简世界展示：位置（A/B） 、是否脏 、动作（Left/Right/Suck/NoOp）。
- 通过"感知序列→动作"的表（或规则）说明：同一个环境中，设计不同规则就得到不同智能体。
2.2 良好行为：理性的概念
2.2.1 性能度量（Performance Measure）
- 评价"好不好"通常不看某一步是否"看起来正确"，而看结果序列是否实现目标。
- 性能度量 是对任务目标的可计算刻画；但它可能：
- 不完整（漏掉真正关心的目标）
- 可被钻空子（最大化指标却违背真实意图）
实践原则：
- 尽量让性能度量对齐"真正想实现的目标"，并意识到它可能一开始就是不确定/未知的（尤其面对不同用户偏好）。
2.2.2 理性（Rationality）
理性不是"永远做对"，而是在当前信息与约束下做期望最优。
理性取决于四类要素：
- 性能度量（我们想优化什么）
- 先验知识（对环境/规则的已知部分）
- 可执行动作集合（能力边界/成本约束）
- 到目前为止的感知序列（可获得证据）
理性智能体（rational agent）的要点定义：
- 对任意感知序列，选择一个动作，使得在给定证据与先验知识下的期望性能最大化。
重要区分：理性强调"期望最优"，不等于事后每次都成功。
2.2.3 全知、学习与自主
- 理性 ≠ 全知（omniscience）：理性不要求预知未来真实结果；只要求基于已知信息做期望最优决策。
- 信息收集 / 探索（exploration）：当关键信息未知时，先获取信息可能比立即行动更理性。
- 学习（learn）：经验能更新先验知识，从而改善后续决策。
- 自主（autonomy）：智能体越依赖自身经验学习而非设计者硬编码，就越自主；但在无经验时往往仍需合理"先验/保护机制"。
2.3 环境的本质
2.3.1 指定任务环境：PEAS 框架
设计智能体的第一步：明确任务环境四要素（PEAS）：
- P --- Performance：衡量好坏的指标（安全、效率、舒适、收益等）
- E --- Environment：任务所处世界（道路/网络/用户/天气/其他智能体...）
- A --- Actuators：能做什么（移动、控制、输出文本/语音...）
- S --- Sensors：能看到什么（摄像头、雷达、GPS、日志、输入流...）
PEAS 的价值：让"需求/约束/信息"在一开始就结构化，避免只谈算法不谈任务。
2.3.2 任务环境属性（决定"该怎么设计/用什么方法"）
下列维度是常用分类轴（用于选择表示、规划、学习、推理方法）：
1）可观测性（Observability）
- 完全可观测：传感器在每一步能覆盖与决策相关的完整状态
- 部分可观测：只能看到一部分，需要记忆/信念状态（belief）等
- 不可观测：缺少关键传感器或信息严重缺失
2）智能体数量（Agents）
- 单智能体 vs 多智能体（可能合作、竞争或混合）
3）确定性（Determinism）
- 确定性：下一状态由当前状态+动作完全决定
- 非确定性 ：存在不确定性
- 若概率模型明确，可视为"随机（stochastic）"；若概率不可量化，则更偏"非确定（nondeterministic）"。
4）回合式 vs 序贯式（Episodic vs Sequential）
- 回合式：每步影响主要在当下，步骤之间近似独立
- 序贯式：当前决策影响未来状态与长期回报（更常见、更难）
5）静态 vs 动态 vs 半动态（Static / Dynamic / Semidynamic）
- 静态：智能体思考时环境不变
- 动态：环境随时间演化
- 半动态 ：环境不变但评价/时间成本变化等
6）离散 vs 连续（Discrete vs Continuous）
- 状态、动作、时间可能是离散或连续（或混合）
7）已知 vs 未知（Known vs Unknown）
- 这是认知层面 的区分：
- 已知环境：智能体/设计者知道环境的"规律/转移机制"
- 未知环境：规则需通过试验/交互学习获得
- 关键提醒："已知/未知"与"完全/部分可观测"是不同概念 。
- 规则已知仍可能部分可观测（例如隐藏信息存在）
- 状态全显示也可能规则未知（例如新系统按钮功能未知）
- 性能度量也可能是未知的：面向不同用户时偏好不清晰，智能体可能需要通过交互逐步获得"目标信息"。
- 直觉上最困难的任务环境组合 ：
部分可观测 + 多智能体 + 非确定性 + 序贯 + 动态 + 连续 +（且规则未知）。 - **评估通常面向"环境类（environment class）"**而非单一固定环境：
用多次实例化（不同交通/天气/初始条件等）评估智能体在环境分布上的平均表现。
一页速记
- Agent = Sensors + Actuators + Program，与环境闭环交互。
- Agent function 是抽象映射，Agent program是工程实现。
- Rational agent ：在给定感知序列、先验知识、动作集合与性能度量下，选取期望性能最大的动作。
- PEAS：P(目标) / E(世界) / A(能做什么) / S(能看到什么)。
- 环境属性七轴：可观测性、智能体数量、确定性、回合/序贯、静态/动态、离散/连续、已知/未知（认知层面）。