智能体学习记录一
什么是智能体?
通俗的讲就是我们希望一个机器人能够拿起一个鸡蛋，在机器人通过传感器识别感知到外界环境，识别的鸡蛋，调用机械手臂去拿起鸡蛋，这样的一个达成特定目标的实体被称作智能体。
这里的定义同时也说明了智能需要具备的四个基本要素，传感器感知（sensors）、外界环境（environment）、机械臂[执行器]（actuators）、拿起鸡蛋[行动]（action）。
传统视角的智能体
- 基于某些条件，产生一系列的动作
- 比如闹铃，只有当设定的时间满足条件，才会响起
大语言模型驱动的新范式
- 基于已有数据知识判断推理识别，产生的一系列动作
- 比如出行规划，当我们未来几天需要去某个城市旅游，给出一个自然语言指令
- 智能体会将这一目标拆分成多个任务，比如 【具体城市天气情况】-> 【查询目的地受欢迎景点】-> 【查询目的地景点线路】-> 【查询酒店信息】-> 【制定出行计划】
- 根据具体任务选择合适的工具，比如城市天气，调用天气查询工具，给出未来几天天气情况，给出一定的建议，适合室内还是室外？着装考量等信息
- 动态调整，当发现推荐酒店中有几个环境和质量都不太好，可根据用户反馈调整推荐更加符合的酒店
- 比如出行规划，当我们未来几天需要去某个城市旅游，给出一个自然语言指令
智能体类型
基于内部决策架构的分类
通过某些条件式的反应决策操作
基于时间与反应性的分类
反应式智能体**(Reactive Agents)**
通过某种特定条件，做到快速响应，优势在于能够快速做出响应并且计算开销低
规划式智能体**(Deliberative Agents)**
对于特定目标做出多种情况规划，评估不同行动的后果，找到最佳方案。
比如：智能象棋手，当对方落子后，根据落子情况，做出多种执棋方案，寻找出最佳的落子方案。
混合式智能体**(Hybrid Agents)**
简而言之就是反应式和规划式的结合体，通过规划-反应的微循环，灵活的应对实时的环境变化，做出相应的步骤，完成一个复杂的长期目标
基于知识表示的分类
符号主义AI**（Symbolic AI）**
也被称为传统人工智能，基于符号的逻辑操作，行为严格遵循逻辑规则
亚符号主义AI**（Sub-Symbolic AI）**
海量数据统计整理，无法给出合理的逻辑解释
比如：人类识别猫，并不是通过特定的符号去识别，而是通过大量的实物观察记忆（但是如果问，为什么你觉得这个是猫？反而无法给出一个合理的解释）
神经符号主义AI**（Neuro-Symbolic AI）**
简而言之就是符号主义AI和亚符号主义AI的结合体，协同工作
