AI 筆記3 - Agent types

Simple Reflex Agent

中文應該就是簡單反射條件agent，也就是只對“目前的刺激(percepts)做出反應”，而不去管過往的perception歷史。

能夠“只管目前環境刺激”，代表我們對環境全局完全了解，才能選出一個相對應的動作，所以這個agent只能在fully observable 環境運作。

這種agent其實就是依賴一個mapping table (state -> action)，但是當某個sensor壞掉，也就是無法collect完整的state時候，就掛點了。這時可以加入一些randomization，讓壞掉的sensor回報的資料做隨機性的選擇，算是一點點的改良。

Model-based reflex agent

這種agent對世界環境有其猜測，認為環境符合某個model （也包括agent參與後如何改變世界的考量），maintain internal states，所以他可以在partial observable的條件下運作。

model通常是依賴percerpt history。

Goal-based agent

這種agent把未來考慮進去，所謂未來就是action是否朝向maximize goal的方向前進？

Utility-based agent

goal可能可以通過不同的途徑抵達，所以我們需要找到一個能讓agent最滿足的途徑，透過utility function來評估。

Learning Agent

透過data“學習”，因為program agent是一件困難的事。這是machine learning algorithms。