第 I 部分 · 人工智能
第 2 章 智能体
Chapter 2 · Intelligent Agents
本章导读
把「智能」抽象为智能体与环境的交互回路：感知 → 决策 → 行动。按环境性质与内部结构给智能体分类，这一接口贯穿全书所有算法。
学习要点
- 智能体的形式定义与 agent 函数 / agent 程序之辨；用 PEAS 框架刻画任务环境。
- 环境分类维度：完全 / 部分可观测、单 / 多智能体、确定 / 随机、回合 / 序贯、静态 / 动态、离散 / 连续、已知 / 未知。
- 四类基本智能体程序：简单反射、基于模型、基于目标、基于效用，再加学习智能体（性能 + 学习 + 评价 + 问题生成四元件）。
- 理性的定义：最大化期望绩效度量，依赖感知序列、先验知识、可用动作与环境的先验分布。
- 设计空间与全书的对应：搜索智能体（第 II 部分）、逻辑智能体（第 III 部分）、概率智能体（第 IV 部分）、学习智能体（第 V 部分）。
核心概念
| 术语 | English | 一句话解释 |
|---|---|---|
| PEAS | PEAS | 绩效 Performance / 环境 Environment / 执行器 Actuators / 传感器 Sensors 四要素规范 |
| 感知序列 | Percept Sequence | 智能体截至当前收到的全部感知输入 |
| agent 函数 | Agent Function | 从感知序列到动作的抽象映射 |
| 简单反射智能体 | Simple Reflex Agent | 只依赖当前感知做条件—动作响应 |
| 基于模型的智能体 | Model-based Agent | 用内部状态追踪世界的不可见部分 |
| 基于目标的智能体 | Goal-based Agent | 以显式目标为导向考虑行动后果 |
| 基于效用的智能体 | Utility-based Agent | 用效用函数在多个可行目标间量化权衡 |
| 学习智能体 | Learning Agent | 由性能、学习、评价、问题生成四元件构成 |
| 部分可观测环境 | Partially Observable | 传感器信息不足以完全确定世界状态 |
| 序贯环境 | Sequential Environment | 当前行动影响未来决策的环境 |
配套代码（aima-python）
aima-python 是官方维护的开源算法库（MIT 协议），建议每学完一章就跑一遍对应模块的示例。