浙江大学计算机学院研究生人工智能引论课件
合集下载
人工智能课件
前景展望
随着技术的不断进步和应用场景的不断拓展，人工智能的发展前景非常广阔。未来，人工智能将在更多领域发挥 重要作用，如智能制造、智慧农业、智慧教育等。同时，随着算法和计算能力的不断提升，人工智能的智能化水 平也将不断提高，更加贴近人类智能。
02
CATALOGUE
机器学习原理及算法
监督学习算法
线性回归（Linear Regression）
01
02
逻辑回归（Logistic Regression）
支持向量机（Support Vector Machines ）
03
04
决策树（Decision Trees）
随机森林（Random Forests）
05
06
梯度提升树（Gradient Boosting Trees ）
非监督学习算法
01
02
AI监管和治理机制
随着AI技术的广泛应用，各国政府正在建立AI监管和治理 机制，以确保AI技术的合法、公正和透明使用。这些机制 包括AI技术的审查、评估和监管等方面，旨在防止AI技术 的滥用和误用。
AI对社会经济和生活方式的影响
要点一
自动化和劳动力市场 的变革
随着AI技术的不断发展，越来越多的 工作被自动化。这可能导致大量失业 和劳动力市场的变革。同时，AI技术 也创造了新的工作机会和职业领域， 如数据分析师、机器学习工程师等。
前向传播算法
解释神经网络如何根据输 入数据和权重计算输出结 果。
反向传播算法
阐述如何通过计算损失函 数的梯度来更新神经网络 的权重。
卷积神经网络（CNN）
征，并介绍卷积核、步长
和填充等概念。
池化层
02
介绍池化操作如何降低数据的维度，减少计算量，并提高模型
随着技术的不断进步和应用场景的不断拓展，人工智能的发展前景非常广阔。未来，人工智能将在更多领域发挥 重要作用，如智能制造、智慧农业、智慧教育等。同时，随着算法和计算能力的不断提升，人工智能的智能化水 平也将不断提高，更加贴近人类智能。
02
CATALOGUE
机器学习原理及算法
监督学习算法
线性回归（Linear Regression）
01
02
逻辑回归（Logistic Regression）
支持向量机（Support Vector Machines ）
03
04
决策树（Decision Trees）
随机森林（Random Forests）
05
06
梯度提升树（Gradient Boosting Trees ）
非监督学习算法
01
02
AI监管和治理机制
随着AI技术的广泛应用，各国政府正在建立AI监管和治理 机制，以确保AI技术的合法、公正和透明使用。这些机制 包括AI技术的审查、评估和监管等方面，旨在防止AI技术 的滥用和误用。
AI对社会经济和生活方式的影响
要点一
自动化和劳动力市场 的变革
随着AI技术的不断发展，越来越多的 工作被自动化。这可能导致大量失业 和劳动力市场的变革。同时，AI技术 也创造了新的工作机会和职业领域， 如数据分析师、机器学习工程师等。
前向传播算法
解释神经网络如何根据输 入数据和权重计算输出结 果。
反向传播算法
阐述如何通过计算损失函 数的梯度来更新神经网络 的权重。
卷积神经网络（CNN）
征，并介绍卷积核、步长
和填充等概念。
池化层
02
介绍池化操作如何降低数据的维度，减少计算量，并提高模型
浙江大学人工智能PPT1
1．2 人工智能研究的发展
• 1956年夏季，麦卡锡(McCarthy)等美国年轻学者 发起首次人工智能研讨会 •发展历程大致可划分为四个阶段：
• • • • 形成、 成长、 快速发展、 稳步增长
1 形成期（1956-1961）
这一时期，基于前人数学逻辑和形式推理方面取得的成果，建立在卡内基-梅 隆大学、麻省理工学院和IBM公司的研究组开始了AI的早期研究工作。这个时 期的成果主要是定理证明程序、GPS（General Problem Solving）、下棋程序、 LISP语言和模式识别系统等。这些早期成果充分表明，AI作为一门新兴的学科 正在茁壮成长。
课程安排
三、教学要求
• 重点掌握： 问题求解的基本方法、 知识表示方法、 KB系统设计、 智能规划的实现方法、 机器学习的实现方法。 • 课程难点 搜索算法、 演绎推理的实现方法、 结构化知识表示、 KB系统的设计、 自动规划技术、 机器学习技术。
课程安排
四、教材
• 人工智能基础，高济等，02年，高教出版社，新世纪计算机学科系列教材之一。 校门口科海书店 • 参考资料：人工智能原理和方法，王永庆，98年，西安交通大学。
• 80年代中期——AI热特别是专家系统热大大降温。
• 人工智能技术的不成熟性，对AI经济效益的期望值太高，结果不免令人失 望； • 更糟糕的是大部分草率上马的专家系统项目均未达实用化程度； • 对AI前景持悲观态度，甚至有人提出AI的冬天已经来临。
发展历程
4 稳步增长期（80年代后期以来）
• • • • 大部份AI研究者都还保持着清醒的头脑，扎实的研究工作； AI技术和方法论的发展始终保持了较高的速度； AI研究进入稳健的线性增长时期； 而人工智能技术的实用化进程也步入成熟时期。
人工智能概述ppt课件
加密技术
使用加密算法保护数据传 输和存储过程中的隐私安 全。
安全性挑战及防范措施
人工智能系统的脆弱性
AI系统可能受到恶意攻击和欺骗，导致系统失效或被利用。
数据安全与保护
防止数据泄露、篡改和破坏，确保AI系统的数据完整性和可用性。
人工智能监管与政策
制定相关法规和政策，规范AI技术的研发和应用，保障社会安全和 公共利益。
符号系统与连接主义结合可以充分发挥各自优势，实现更高效、更智能 的人工智能系统。例如，在深度学习模型中融入符号处理机制，可以提 高模型的可解释性和泛化能力。
05
伦理、隐私和安全问 题探讨
伦理道德问题在AI中体现
数据偏见与歧视
01
算法训练数据可能包含社会和文化偏见，导致不公平的决策和
歧视。
人工智能的决策透明度
人才培养与生态建设
加强人工智能人才培养与引进，构建良好创新生 态，推动人工智能持续发展与进步。
THANKS
感谢观看
均方误差、均方根误差 用于评估回归模型的性能，衡量模型 预测值与实际值之间的差距。
时间复杂度和空间复杂度 用于评估算法的运行效率和存储开销， 是选择算法时需要考虑的重要因素之 一。
04
数据驱动与知识表示 方法
数据驱动思想在AI中体现
数据驱动是人工智能的重要思想，强 调从数据中学习规律，挖掘潜在知识。
06
未来发展趋势与挑战
技术创新方向预测
深度学习
进一步探索神经网络结构与优化算法，提升 模型性能与泛化能力。
迁移学习
实现跨领域、跨任务的知识迁移，降低人工 智能应用门槛。
强化学习
研究更高效的探索与利用策略，拓展在复杂 决策问题中的应用。
浙江大学研究生人工智能引论课件ppt课件 47页PPT文档
贝叶斯网络的语义公式计算示例：
试计算：报警器响了，但既没有盗贼闯入，也 没有发生地震，同时John和Mary都给你打电话 的概率。
解：
P(j,m,a,~b,~e) = P(j|a)P(m|a)P(a|~b,~e) P(~b) P(~e)
= 0.9×0.7×0.001×0.999×0.998 = 0.00062
= 0.062%
贝叶斯网络的特性：
作为对域的一种完备而无冗余的表示，贝叶 斯网络比全联合概率分布紧凑得多
BN的紧凑性是局部结构化(Locally structured, 也称稀疏, Sparse)系统一个非常普遍特性的 实例
BN中每个节点只与数量有限的其它节点发 生直接的相互作用
假设节点数n=30, 每节点有5个父节点，则 BN需30x25=960个数据，而全联合概率分布 需要230= 10亿个！
贝叶斯网络中的条件独立关系：
给定父节点，一个节点与它的非后代节点是 条件独立的
给定一个节点的父节点、子节点以及子节点 的父节点——马尔可夫覆盖(Markov blanket)， 这个节点和网络中的所有其它节点是条件独 立的
“But his delight is in the law of the LORD, and on his law he meditates day and night.” From Psalms 1:2 NIV
7.1 何谓贝叶斯网络？
A. 贝叶斯网络的由来 B. 贝叶斯网络的定义 C. 贝叶斯网络的别名 D. 独立和条件独立 E. 贝叶斯网络示例
“Above all else, guard your heart, for it is the wellspring of life.” from Proverbs 4:23 NIV
浙江大学SVM(支持向量机)PPT课件
概率论与数理统计 泛函分析
“For God so loved the world that he gave his one and only Son, that whoever believes in him shall not perish but have eternal life. For God did not send his Son into the world to condemn the world, but to save the world through him.”
R()Remp()(nh)
在训练样本有限的情况下,学习机器的VC维越 高,则置信范围就越大,导致实际风险与经验风险 之间可能的差就越大。
.
31
推广性的界（续2）
在设计分类器时, 不但要使经验风险最小化, 还要使VC维尽量小,从而缩小置信范围,使期 望风险最小。
寻找反映学习机器的能力的更好参数，从 而得到更好的界是SLT今后的重要研究方向 之一。
.
7
8.2 SLT中的基本概念
统计方法 —— 从观测自然现象或者专门 安排的实验所得到的数据去推断该事务 可能的规律性。
统计学习理论 —— 在研究小样本统计估 计和预测的过程中发展起来的一种新兴 理论。
【注意】：这里所说的“小样本”是相对于无穷样本而 言的，故只要样本数不是无穷，都可称为小样本，更 严格地说，应该称为“有限样本”。
.
8
统计学习理论中的基本概念（续）
机器学习
主要研究从采集样本出发得出目前尚不能通过 原理分析得到的规律,并利用这些规律对未来数 据或无法观测的数据进行预测。
模式识别
对表征事务或现象的各种形式(数值、文字及 逻辑关系等)信息进行处理和分析,以对事务或 现象进行描述、辨认、分类和解释的过程。
“For God so loved the world that he gave his one and only Son, that whoever believes in him shall not perish but have eternal life. For God did not send his Son into the world to condemn the world, but to save the world through him.”
R()Remp()(nh)
在训练样本有限的情况下,学习机器的VC维越 高,则置信范围就越大,导致实际风险与经验风险 之间可能的差就越大。
.
31
推广性的界（续2）
在设计分类器时, 不但要使经验风险最小化, 还要使VC维尽量小,从而缩小置信范围,使期 望风险最小。
寻找反映学习机器的能力的更好参数，从 而得到更好的界是SLT今后的重要研究方向 之一。
.
7
8.2 SLT中的基本概念
统计方法 —— 从观测自然现象或者专门 安排的实验所得到的数据去推断该事务 可能的规律性。
统计学习理论 —— 在研究小样本统计估 计和预测的过程中发展起来的一种新兴 理论。
【注意】：这里所说的“小样本”是相对于无穷样本而 言的，故只要样本数不是无穷，都可称为小样本，更 严格地说，应该称为“有限样本”。
.
8
统计学习理论中的基本概念（续）
机器学习
主要研究从采集样本出发得出目前尚不能通过 原理分析得到的规律,并利用这些规律对未来数 据或无法观测的数据进行预测。
模式识别
对表征事务或现象的各种形式(数值、文字及 逻辑关系等)信息进行处理和分析,以对事务或 现象进行描述、辨认、分类和解释的过程。
人工智能概论课件-第1章 计算机技术与计算思维基础
我国第三代计算机的研制受到文化大革命 的冲击。IBM公司1964年推出360系列大 型机是美国进入第三代计算机时代的标志 ，我国到1970年初期才陆续推出大、中 、小型采用集成电路的计算机。1973年 ，北京大学与北京有线电厂等单位合作研 制成功运算速度每秒100万次的大型通用 计算机。进入80年代，我国高速计算机， 特别是向量计算机有新的发展。1983年 中国科学院计算所完成我国第一台大型向 量机－757机，计算速度达到每秒1000万 次。
、
1.1 计算机技术
1.1.1 计算机的发展 计算机的分代 （4）第4代 • CPU：LSI、VLSI（大规模、超大规模集成电路） • 体积更小
（4）第4代 （7•0年速代度中上期千至万今次）/ 秒~数十万亿次/秒 • 软件丰富 • 应用范围扩大：各个领域
1.1计算机技术
1.1.2 计算机的特点
1.1.1 计算机的发展
(1) ENIAC（埃尼阿克） 世界上第一台电子计算机诞生于 1946年，美国宾夕法尼亚大学； (2)规模 18000多个电子管，170平 方米，30吨,功率140千瓦； (3)速度 5000次/秒。
1.1 计算机技术
1.1.1 计算机的发展 • 70多年来发展速度之快大大超出人们的预料： – 性能、体积、价格、··· – 应用领域 – 软件技术和软件产品
1.1 计算机技术
1.1.5 中国计算机发展简史 第二代晶体管计算机研制(1965-1972年)
哈军工（国防科大前身）于1965年2 月成功推出了441B晶体管计算机并小 批量生产了40多台。
1.1 计算机技术
1.1.5 中国计算机发展简史
第三代基于中小规模集成电路的计算机研制(1973-80年代初)
第四代基于超大规模集成电路的计算机研制(80年代中期至今)
、
1.1 计算机技术
1.1.1 计算机的发展 计算机的分代 （4）第4代 • CPU：LSI、VLSI（大规模、超大规模集成电路） • 体积更小
（4）第4代 （7•0年速代度中上期千至万今次）/ 秒~数十万亿次/秒 • 软件丰富 • 应用范围扩大：各个领域
1.1计算机技术
1.1.2 计算机的特点
1.1.1 计算机的发展
(1) ENIAC（埃尼阿克） 世界上第一台电子计算机诞生于 1946年，美国宾夕法尼亚大学； (2)规模 18000多个电子管，170平 方米，30吨,功率140千瓦； (3)速度 5000次/秒。
1.1 计算机技术
1.1.1 计算机的发展 • 70多年来发展速度之快大大超出人们的预料： – 性能、体积、价格、··· – 应用领域 – 软件技术和软件产品
1.1 计算机技术
1.1.5 中国计算机发展简史 第二代晶体管计算机研制(1965-1972年)
哈军工（国防科大前身）于1965年2 月成功推出了441B晶体管计算机并小 批量生产了40多台。
1.1 计算机技术
1.1.5 中国计算机发展简史
第三代基于中小规模集成电路的计算机研制(1973-80年代初)
第四代基于超大规模集成电路的计算机研制(80年代中期至今)
人工智能概论课件完整版
自然语言处理
研究如何让计算机理解和生成人类自然语言 文本。
深度学习
研究如何构建和训练深度神经网络模型，以 模拟人脑处理信息的方式。
人工智能的应用领域
智能家居
通过人工智能技术实现家庭设备 的自动化和智能化控制，提高生
活便利性和舒适度。
智能交通
利用人工智能技术提高交通系统 的效率和安全性，如自动驾驶汽 车、智能交通信号控制等。
05
人工智能伦理与安全问题
数据隐私保护问题
01
数据采集与使用的透明度不足
在人工智能应用中，大量个人数据被采集和使用，但很多时候用户并不
清楚自己的数据是如何被使用的，于网络安全威胁和技术漏洞的存在，人工智能系统所处理的数据可能
面临泄露和滥用的风险，对个人隐私造成侵害。
人工智能概论课件完整版
目录
• 人工智能概述 • 人工智能基础知识 • 人工智能算法与模型 • 人工智能技术应用 • 人工智能伦理与安全问题 • 人工智能发展趋势与挑战
01
人工智能概述
人工智能的定义与发展
人工智能的定义
人工智能（AI）是计算机科学的一个分支，旨在研究、开发能够模拟、延伸和 扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。
恶意使用风险
人工智能技术可能被恶意使用，如用于网络攻击、欺诈行为或制造虚假信息，这对社会和个 人都构成了安全威胁。
人工智能与人类未来关系探讨
劳动力市场变革
人工智能的发展将导致劳动力市 场的深刻变革，一些传统职业可 能会消失，而新的职业和就业机 会将出现。
社会伦理挑战
随着人工智能技术的广泛应用， 社会将面临一系列伦理挑战，如 人类与机器的权利关系、责任归 属以及道德准则的制定等。
浙江大学研究生人工智能引论课件运功第五讲DS证据理
5.1 证据理论的发展简况
1、证据理论的名称
证据理论(Evidential Theory) Dempster-Shafer理论 Dempster-Shafer证据理论 DS (或D-S)理论
其它叫法：
Dempster规则 Dempster合成规则 Dempster证据合成规则
2、证据理论的诞生和形成
[4] Barnett, J. A. Computational methods for a mathematical theory of evidence. In: Proceedings of 7th International Joint Conference on Artificial Intelligence(IJCAI-81), Vancouver, B. C., Canada, Vol. II, 1981: 868-875. 【第一篇将证据理论引入AI领域的标志性论文】
[7] Shafer, G. Rejoinder to comments on “Perspectives on the theory and practice of belief functions”. International Journal of Approximate Reasoning, 1992, 6: 445-480.
本章的主要参考文献（续3）
[15] Josang, A. The consensus operator for combining beliefs. Artificial Intelligence, 2002, 141(1-2): 157-170.
[16] Yang, Jian-Bo, Xu, Dong-Ling. On the evidential reasoning algorithm for multiple attribute decision analysis under uncertainty. IEEE Transaction on Systems, Man, and Cybernetics – Part A: Systems and Humans, 2002, 32(3): 289-304.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
情景演算是描述动作的主要的形式框 架。 在情景演算中引入了状态和动作 的概念，并利用两条逻辑公理来描述 动作与状态的关系。一条公理描述一 个动作在满足什么条件的状态之下可 能发生，另外一条描述在一个状态之 下某个动作发生以后当前状态如何改 变。
27
13.4.6 “言语行为”理论(Speech Acts Theory) 地位：这是多Agent交互（通信）的重要 理论基础之一。 思想： 任何行为都可以等价地表示为 言语行为 （既任何行为的含义都可用 言语来表达），甚至认为所有的行为 都是言语行为。 作用：大大简化了Agent之间交互的复杂 度。
协 作
通
信
44
Agent通信中的主要问题
38
BDI结构
愿 望 目 标 意 识 念 图 划
知
信
规
39
Hale Waihona Puke 13.5.3 复合式Agent
规 划
预测 决策生成 紧急情 况和简 单情况 协作与协商 通 信 请求或应答信息 反 射 其他 智能Agent
建 模 一 般 情 况
动作
行 动 智能Agent
感 知
外部世界
40
规划模块
经 验 库
目标集合
世界的模型 （包括其他 Agent的模型）
33
Agent的分类
根据人类思维的层次模型，可以将 Agent分成四类： 反应Agent 形象思维Agent 抽象思维Agent 复合式Agent 形象思维Agent和抽象思维Agent也可 以合称为认知Agent
34
13.5.1 反应Agent
Agent 传感器 当前世界 条件-动作 规则 环 境
4
DAI系统的主要优点
1) 2) 3) 4) 提高问题求解能力 提高问题求解效率 扩大应用范围 降低软件的复杂性
5
13.2 分布式问题求解
特点： 数据、知识、控制均分布在系统的各节 点上，既无全局控制，也无全局数据和 知识存储。 两种协作方式： 任务分担 结果共享
6
13.2.1 分布式问题求解系统分类
19
“意图系统”(Intentional System)
作用：用于描述其行为可用信念、愿望等 理性智慧来预测的实体。分为：一阶和二 阶两种形式。对象、属性及其关系。
20
“意图姿态”(Intentional Stance)
意义：启发AI学者将信念(Belief)、愿望 (Desire)、承诺(Commitment)等人类特有 的思想和概念应用于Agent。
36
13.5.2 认知Agent
Agent 内部状态 传感器 信息融合 环 知识库 规 划 境 目标 动 作 效应器
37
认知Agent程序
function Cognitive-Agent(percept) returns action static: environment, /* 描述当前世界环境 */ kb, /* 知识库 */
11
Agent概念的出现
面向过程的方法
面向实体的方法
面向对象的方法
面向Agent的方法
软件开发方法的进化
12
Agent的定义
在计算机和人工智能领域中， Agent可以看作是一个实体，它通过传 感器感知环境，通过效应器作用于环境。
13
Agent的强定义
基于某种场景，并具有灵活、自主 的行为能力，以满足设计目标的计算机 系统。
14
Agent的弱定义
满足如下特征的基于硬件或（更经 常是）软件的计算机系统： 自主性(Autonomy) 社会性(Social ability) 反应性(Reactivity) 主动性(Pro-activeness)（或称“前 瞻性”） 基于场景性(Situatedness) 灵活性(Flexibility)
15
移动性(Mobility) 理性(Rationality) 此外，许多学者还提出一些其它特性： 诚实性(Veracity) 友好性(Benevolence) 长寿性（或时间连贯性） 自适应性(Adaptability)
16
Agent的特性
Agent弱概念： 自治性、社会能力（可通信性）、反 应能力、自发行为 Agent强概念： 知识、信念、意图、承诺等心智状态 其它属性： 长寿性、移动性、推理能力、规划能 力、学习和适应能力、诚实、善意、 理性
28
规划库的形式化表示
环境状态： State = { P1, P2, … Pn } 目标： Goal=<State, weightiness> 动作模板： Act_template = <name, roles, preconditions, effects, resources> Agent能力： Ability=<Act_template, role, cost>
局部规划器
规划
重新 规划
规划
决策生成
目标
41
建模模块
建模 模 型 库 世界的模型 （包括其他 Agent的模型）
规划
模 型 生 成 和 维 护
预 测
决策生成
感 知
通 信
42
通信模块
语言生成
词 法 库
语 法 库
词 义 库
物理通信
语言理解
通信
43
13.6 Agent通信
策 略 协 议 对 话 黑 板 消 息 协 议
21
13.4.1 理性Agent（BDI模型）
思想：认为Agent行为可由信念、愿望和意 图来表达 作用：已成为经典模型，并被广泛采用
Belief——信念，Agent对环境的基本看法。 Desire——愿望，Agent想要实现的状态， 即目标。 Intention——意图，目标的子集。
22
13.4.2 BDIAgent模型
动 作
效应器
35
反应Agent程序
function Reactive-Agent(percept) returns action static: rules, /* 一组条件-动作规则 */
state ← Interpret-Input(percept) rule ← Rule-Match(state,rules) action ← Rule-Action[rule] return action
29
13.5 Agent结构
Agent结构需要解决的问题包括： Agent由那些模块组成， 模块之间如何交互信息， Agent感知到的信息如何影响它的行 为和内部状态， 如何将这些模块用软件或硬件的方式 组合起来形成一个有机的整体。
30
Agent基本结构
感知 环境 作用 Agent
BDIAgent模型可以通过下列要素描述： 一组关于世界的信念； Agent当前打算达到的一组目标； 一个规划库，描述怎样达到目标和怎 样改变信念； 一个意图结构，描述Agent当前怎样 达到它的目标和改变信念。
23
BDI解释器
BDI-Interpreter initialize-state(); do options := option-generator(event-queue, B, G, I); selected-options := deliberate(options, B, G, I); update-intentions(selected-options, I); execute(I); get-new-external-events(); drop-successful-attitudes(B,G,I); drop-impossible-attitudes(B,G,I); until quit
浙江大学计算机学院研究生《人工智能引论》课件
第13讲 智能Agent及多Agent系统
Chapter 13 Intelligent Agent & MultiAgent Systems
徐从富
浙江大学人工智能研究所
2003年第一稿 2005年10月修改补充 2007年10月第二次修改
1
内容
1. 概述 2. 分布式问题求解 3. Agent 4. Agent理论 5. Agent结构 6. Agent通信 7. Agent的协调与协作 8. 多Agent环境MAGE 9. 面向Agent的软件技术 10. Mobile Agent 11. 若干前沿问题讨论
根据组织结构，分布式问题求解系统可 以分为三类： 层次结构类 平行结构类 混合结构类
7
13.2.2 分布式问题求解过程
分布式问题求解过程可以分为四步： 任务分解 任务分配 子问题求解 结果综合
8
分布式问题求解系统中协作的分类
按节点间协作量的多少，协作分为三类： 全协作系统 无协作系统 半协作系统 常用的通信方式有： 共享全局存储器 信息传递 黑板模型
9
13.3 智能Agent及多Agent系统
多Agent系统主要研究在逻辑上或 物理上分离的多个Agent协调其智能行 为，即知识、目标、意图及规划等，实 现问题求解。可以看作是一种由底向上 设计的系统。
10
Agent的思想
智能Agent的几个典型的实例： Microsoft的Office助手 计算机病毒（破坏Agent） 计算机游戏或模拟中的智能角色 贸易和谈判Agent（如Ebay的拍卖Agent） 网络蜘蛛Web Spider（搜索引擎中的数据 搜集和索引Agent，如Google）
17
13.4 Agent理论
智能Agent的理论模型研究主要从 逻辑、行为、心理、社会等角度出发， 对智能Agent的本质进行描述，为智能 Agent系统创建奠定基础。
18
27
13.4.6 “言语行为”理论(Speech Acts Theory) 地位：这是多Agent交互（通信）的重要 理论基础之一。 思想： 任何行为都可以等价地表示为 言语行为 （既任何行为的含义都可用 言语来表达），甚至认为所有的行为 都是言语行为。 作用：大大简化了Agent之间交互的复杂 度。
协 作
通
信
44
Agent通信中的主要问题
38
BDI结构
愿 望 目 标 意 识 念 图 划
知
信
规
39
Hale Waihona Puke 13.5.3 复合式Agent
规 划
预测 决策生成 紧急情 况和简 单情况 协作与协商 通 信 请求或应答信息 反 射 其他 智能Agent
建 模 一 般 情 况
动作
行 动 智能Agent
感 知
外部世界
40
规划模块
经 验 库
目标集合
世界的模型 （包括其他 Agent的模型）
33
Agent的分类
根据人类思维的层次模型，可以将 Agent分成四类： 反应Agent 形象思维Agent 抽象思维Agent 复合式Agent 形象思维Agent和抽象思维Agent也可 以合称为认知Agent
34
13.5.1 反应Agent
Agent 传感器 当前世界 条件-动作 规则 环 境
4
DAI系统的主要优点
1) 2) 3) 4) 提高问题求解能力 提高问题求解效率 扩大应用范围 降低软件的复杂性
5
13.2 分布式问题求解
特点： 数据、知识、控制均分布在系统的各节 点上，既无全局控制，也无全局数据和 知识存储。 两种协作方式： 任务分担 结果共享
6
13.2.1 分布式问题求解系统分类
19
“意图系统”(Intentional System)
作用：用于描述其行为可用信念、愿望等 理性智慧来预测的实体。分为：一阶和二 阶两种形式。对象、属性及其关系。
20
“意图姿态”(Intentional Stance)
意义：启发AI学者将信念(Belief)、愿望 (Desire)、承诺(Commitment)等人类特有 的思想和概念应用于Agent。
36
13.5.2 认知Agent
Agent 内部状态 传感器 信息融合 环 知识库 规 划 境 目标 动 作 效应器
37
认知Agent程序
function Cognitive-Agent(percept) returns action static: environment, /* 描述当前世界环境 */ kb, /* 知识库 */
11
Agent概念的出现
面向过程的方法
面向实体的方法
面向对象的方法
面向Agent的方法
软件开发方法的进化
12
Agent的定义
在计算机和人工智能领域中， Agent可以看作是一个实体，它通过传 感器感知环境，通过效应器作用于环境。
13
Agent的强定义
基于某种场景，并具有灵活、自主 的行为能力，以满足设计目标的计算机 系统。
14
Agent的弱定义
满足如下特征的基于硬件或（更经 常是）软件的计算机系统： 自主性(Autonomy) 社会性(Social ability) 反应性(Reactivity) 主动性(Pro-activeness)（或称“前 瞻性”） 基于场景性(Situatedness) 灵活性(Flexibility)
15
移动性(Mobility) 理性(Rationality) 此外，许多学者还提出一些其它特性： 诚实性(Veracity) 友好性(Benevolence) 长寿性（或时间连贯性） 自适应性(Adaptability)
16
Agent的特性
Agent弱概念： 自治性、社会能力（可通信性）、反 应能力、自发行为 Agent强概念： 知识、信念、意图、承诺等心智状态 其它属性： 长寿性、移动性、推理能力、规划能 力、学习和适应能力、诚实、善意、 理性
28
规划库的形式化表示
环境状态： State = { P1, P2, … Pn } 目标： Goal=<State, weightiness> 动作模板： Act_template = <name, roles, preconditions, effects, resources> Agent能力： Ability=<Act_template, role, cost>
局部规划器
规划
重新 规划
规划
决策生成
目标
41
建模模块
建模 模 型 库 世界的模型 （包括其他 Agent的模型）
规划
模 型 生 成 和 维 护
预 测
决策生成
感 知
通 信
42
通信模块
语言生成
词 法 库
语 法 库
词 义 库
物理通信
语言理解
通信
43
13.6 Agent通信
策 略 协 议 对 话 黑 板 消 息 协 议
21
13.4.1 理性Agent（BDI模型）
思想：认为Agent行为可由信念、愿望和意 图来表达 作用：已成为经典模型，并被广泛采用
Belief——信念，Agent对环境的基本看法。 Desire——愿望，Agent想要实现的状态， 即目标。 Intention——意图，目标的子集。
22
13.4.2 BDIAgent模型
动 作
效应器
35
反应Agent程序
function Reactive-Agent(percept) returns action static: rules, /* 一组条件-动作规则 */
state ← Interpret-Input(percept) rule ← Rule-Match(state,rules) action ← Rule-Action[rule] return action
29
13.5 Agent结构
Agent结构需要解决的问题包括： Agent由那些模块组成， 模块之间如何交互信息， Agent感知到的信息如何影响它的行 为和内部状态， 如何将这些模块用软件或硬件的方式 组合起来形成一个有机的整体。
30
Agent基本结构
感知 环境 作用 Agent
BDIAgent模型可以通过下列要素描述： 一组关于世界的信念； Agent当前打算达到的一组目标； 一个规划库，描述怎样达到目标和怎 样改变信念； 一个意图结构，描述Agent当前怎样 达到它的目标和改变信念。
23
BDI解释器
BDI-Interpreter initialize-state(); do options := option-generator(event-queue, B, G, I); selected-options := deliberate(options, B, G, I); update-intentions(selected-options, I); execute(I); get-new-external-events(); drop-successful-attitudes(B,G,I); drop-impossible-attitudes(B,G,I); until quit
浙江大学计算机学院研究生《人工智能引论》课件
第13讲 智能Agent及多Agent系统
Chapter 13 Intelligent Agent & MultiAgent Systems
徐从富
浙江大学人工智能研究所
2003年第一稿 2005年10月修改补充 2007年10月第二次修改
1
内容
1. 概述 2. 分布式问题求解 3. Agent 4. Agent理论 5. Agent结构 6. Agent通信 7. Agent的协调与协作 8. 多Agent环境MAGE 9. 面向Agent的软件技术 10. Mobile Agent 11. 若干前沿问题讨论
根据组织结构，分布式问题求解系统可 以分为三类： 层次结构类 平行结构类 混合结构类
7
13.2.2 分布式问题求解过程
分布式问题求解过程可以分为四步： 任务分解 任务分配 子问题求解 结果综合
8
分布式问题求解系统中协作的分类
按节点间协作量的多少，协作分为三类： 全协作系统 无协作系统 半协作系统 常用的通信方式有： 共享全局存储器 信息传递 黑板模型
9
13.3 智能Agent及多Agent系统
多Agent系统主要研究在逻辑上或 物理上分离的多个Agent协调其智能行 为，即知识、目标、意图及规划等，实 现问题求解。可以看作是一种由底向上 设计的系统。
10
Agent的思想
智能Agent的几个典型的实例： Microsoft的Office助手 计算机病毒（破坏Agent） 计算机游戏或模拟中的智能角色 贸易和谈判Agent（如Ebay的拍卖Agent） 网络蜘蛛Web Spider（搜索引擎中的数据 搜集和索引Agent，如Google）
17
13.4 Agent理论
智能Agent的理论模型研究主要从 逻辑、行为、心理、社会等角度出发， 对智能Agent的本质进行描述，为智能 Agent系统创建奠定基础。
18