浙江大学计算机学院研究生《人工智能引论》课件89
合集下载
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 ppt课件
（2）自然数都是大于等于零的整数。 定义谓词如下： N(x):x是自然数。 I(x):x是整数。 GZ(x):x大于等于零。 （x)(N(x)→(GZ(x）∧I(x))）
(3) 西安市的夏天既干燥又炎热。 定义谓词： SUMMER(x):x处于夏天。 DRY(x):x很干燥。 HOT(x):x很炎热。
f4：从B瓶往C瓶倒油， 把C瓶倒满。
f5：从B瓶往A瓶倒油， 把B瓶倒空。
f6：从B瓶往C瓶倒油， 把B瓶倒空。
f1 f5 f7 0,0
f7
f1 f5
f7：从C瓶往A瓶倒油，
5,2
f4 f2
f3
4,3 f1 5,3
f7 f3
f8
4,0
f4
f5
0,1
f6 f8
f1
1,0
f7 f3
1,3
把C瓶倒空。
f8：从C瓶往B瓶倒油， 把C瓶倒空。
0,1,0 L(0,1)
L(1,0) L(0,1)
2,2,0
3,1,0
L(1,1)
R(1,1)L(0,2) R(0,2)
3,3,1
R(1,0) R(0,1)
1,1,1
0,2,1
L(1,1)R(0,2)
R(1,1)
L(0,2)
0,0,0
L(0,1) R(0,1)
R(0,1) L(0,1)
3,2,0
0,1,1
➢例1：设有下列事实性知识： 张晓辉是一名计算机系的学生，但他不喜欢 编程序。李晓鹏比他父亲长得高。
请用谓词公式表示这些知识。
（1）定义谓词及个体。 Computer(x):x是计算机系的学生。 Like(x,y):x喜欢y。 Higher(x,y):x比y长得高。
浙江大学研究生《人工智能引论》课件
因此，P(B|j, m) = α <0.00059224, 0.0014919> ≈ <0.284, 0.716> 即在John和Mary都打电话的条件下，出现盗贼的 概率约为28%。
【课后习题1】
国家政策 （C） ）
P(C) 0.50
C
P(U) 0.95 0.01 U P(B) 0.30 0.01
D. 独立和条件独立
Cavity Weather
Toothache
Catch
Weather和其它3个变量相互独立 给定Cavity后，Toothache和Catch条件独立
E. 贝叶斯网络示例
Burglary
P(B) 0.001 P(E)
Earthquake
B E t f t f P(A) 0.95 0.94 0.29 0.001
P(~b) 0.999 P(e) 0.002 P(a|~b,e) 0.29
P(~e)
+
0.998 P(a|~b,~e) 0.001 P(j|a) 0.90 P(m|a) 0.70 P(j|~a) 0.05 P(m|~a) 0.01
+
+
P(~a|~b,e) 0.71 P(j|~a) 0.05 P(m|~a) 0.01
B. 贝叶斯网络的定义
是一个有向无环图(DAG) 随机变量集组成网络节点，变量可离散或连续 一个连接节点对的有向边或箭头集合 每 节 点 Xi 都 有 一 个 条 件 概 率 分 布 表 ： P(Xi|Parents(Xi))，量化其父节点对该节点的影响
C. 贝叶斯网络的别名
信念网(Belief Network) 概率网络(Probability Network) 因果网络(Causal Network) 知识图(Knowledge Map) 图模型(Graphical Model)或概率图模型(PGM) 决策网络(Decision Network) 影响图(Influence Diagram)
人工智能ArtificialIntelligence--精品PPT课件
Artificial Intelligence
NLP: 8
© Graduate University , Chinese academy of)
• 语言学的研究－理解的层次
– 句法分析：对句子和短语的结构进行分析，找出词、短 语等的相互关系以及各自在句子中的作用等。在语言自 动处理的研究中，句法分析的研究是最为集中的，这与 乔姆斯基（Chomsky）的贡献是分不开的。主要方法 有：短语结构语法、格语法、扩充转移网络、功能语法 等。
– 是一种近似匹配技术，输入句子可以不准循语法，但是也容易导致 错误
Artificial Intelligence
NLP: 16
© Graduate University , Chinese academy of Sciences.
自然语言理解的一般问题(15)
70年代句法语义分析为主流
• 采用句法-语义分析技术
• 语言学的研究－理解的层次
– 语音分析：找出最小可独立的声音单元----音素 – 词法分析：找出词汇的各个词素（词根），从中获得语
言学信息 例：我们研究所有东西;把手放在桌上 我们--研究所--有--东西 （交叉歧义） 我们--研究--所有--东西 把--手--放在--桌上 （组合歧义） 把手--放在--桌上
Artificial Intelligence
NLP: 10
© Graduate University , Chinese academy of Sciences.
自然语言理解的一般问题(9)
• 研究目标
– 建立一个足够精确的语言数学模型使计算机通过编程来 完成自然语言的相关任务。如：听、读、写、说，释义 ，翻译，回答问题等。通过语言索取信息，由此能力则 说明该系统对语言已理解了 。
人工智能引论AI-CH1
智能是个体有目的的行为、合理 的思维、以及有效的适应环境的综合 性能力。
通俗地说，智能是个体认识客观事物和 运用知识解决问题的能力。
2013年9月6日星期五
5
智能内容
★ 感知和认识客观事物、客观世界与自我的能力； ★ 通过学习取得经验、积累知识的能力； ★ 理解知识、运用知识和经验分析问题和解决问题的
尊称为“计算机之父”
2013年9月6日星期五
15
★ 1946年美国的数学家莫克利（J W Mauchly, 1907-1980）和研究生埃克特（J P Eckert）合作，研制成功第一台通用电子数字 计算机ENIAC。
★ 1948年美国数学家维纳（N Wiener）创立 控制论；美国数学家香农（C E Shannon）创 立信息论；美籍奥地利生物学家贝塔朗菲创立 系统论。
★ 1961年明斯基发表了题为“走向人工智能的步骤” 的论文，对当时人工智能研究起了推动作用。
2013年9月6日星期五
19
麦卡锡（ J McCarthy, 1927）
AI(人工智能)一词通常认为是McCarthy 1955 年在DartMouth期间的一个会议上提出来的 (/wiki/Dartmouth_Confere nce )，被尊称为“人工智能之父”。
◆ 乔姆斯基（N Chomsky）提出了一种文法的数学模 型，开创了形式语言的研究。形式语言与自动机是 等价的，它们都可以用来研究思维过程。
2013年9月6日星期五
18
◆ 勒洛特发表了证明平面几何问题的程序； ◆ 赛尔夫利奇等人发表了模式识别程序；
◆ 麦卡锡研制出表处理语言LISP，它不仅能处理数 值，而且可以更方便地处理符号，为人工智能研究提 供了重要工具。
人工智能课件ppt
逻辑思维特点： 以抽象的概念、判断和推理作为思维的基本形式，以分析、综
合、比较、抽象、概括和具体化作为思维的基本过程，从而揭露事 物的本质特征和规律性联系。
11
2.1.2 智能的特征
（2）形象思维（直感思维）（是用直观形象和表象解决问题的思
维）
o 依据直觉。 o 思维过程是并行协同式的。（“并排行走”或“同时实行或实
计师、软体研发等。
3.空间智能 (Visual/Spatial) :建筑师、摄影师、画家、
飞行员等。
4.身体运动智能 (Bodily/Kinesthetic)：运动员、演
员、舞蹈家等。
14
2.1.2 智能的特征
5.音乐智能 (Musical/Rhythmic) ：歌唱家、作 曲家、指挥家等。
6.人际智能(Inter-personal/Social) ：外交 家、领导者、推销等。
和“智能”。
● “人工”是人力所能制造的。也是“人工”制造 的模拟人的“智能”。
●
人工智能的研究往往涉及对人的智能本身的研
究。
●
人自身的智能程度有没有高到可以创造人工智
能的地步。“人工系统”就是通常意义下的用人制
造的系统 。
16
2.1.3 人工智能的概念
● 人唯一了解的智能是人本身的智能，这是普遍认同的 观点。但是我们对我们自身智能的理解都非常有限。对 构成人的智能的必要元素也了解有限，所以就很难定义 什么是“人工”制造的“智能”了。
22
2.1.3 人工智能的概念 人工智能研究的目标
●
人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智
能才能完成的复杂工作。
●
目的就是让计算机这台机器能够像人一样什么是思考。
合、比较、抽象、概括和具体化作为思维的基本过程，从而揭露事 物的本质特征和规律性联系。
11
2.1.2 智能的特征
（2）形象思维（直感思维）（是用直观形象和表象解决问题的思
维）
o 依据直觉。 o 思维过程是并行协同式的。（“并排行走”或“同时实行或实
计师、软体研发等。
3.空间智能 (Visual/Spatial) :建筑师、摄影师、画家、
飞行员等。
4.身体运动智能 (Bodily/Kinesthetic)：运动员、演
员、舞蹈家等。
14
2.1.2 智能的特征
5.音乐智能 (Musical/Rhythmic) ：歌唱家、作 曲家、指挥家等。
6.人际智能(Inter-personal/Social) ：外交 家、领导者、推销等。
和“智能”。
● “人工”是人力所能制造的。也是“人工”制造 的模拟人的“智能”。
●
人工智能的研究往往涉及对人的智能本身的研
究。
●
人自身的智能程度有没有高到可以创造人工智
能的地步。“人工系统”就是通常意义下的用人制
造的系统 。
16
2.1.3 人工智能的概念
● 人唯一了解的智能是人本身的智能，这是普遍认同的 观点。但是我们对我们自身智能的理解都非常有限。对 构成人的智能的必要元素也了解有限，所以就很难定义 什么是“人工”制造的“智能”了。
22
2.1.3 人工智能的概念 人工智能研究的目标
●
人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智
能才能完成的复杂工作。
●
目的就是让计算机这台机器能够像人一样什么是思考。
浙江大学研究生人工智能课件-PowerPointPre
•[8] Voorbraak, F. On the justification of Dempster’s rule of combination. Artificial Intelligence, 1991, 48:171-197.
•[9] Smets, P. The combination of evidence in the transferable model. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1990, 12(5): 447-458.
•
• 3、证据理论的核心、优点及适用领域
• 核心：Dempster合成规则，这是Dempster在研究
统计问题时首先提出的，随后Shafer把它推广到更为一 般的情形。
• 优点：由于在证据理论中需要的先验数据比概率 推理理论中的更为直观、更容易获得，再加上Dempster 合成公式可以综合不同专家或数据源的知识或数据，这 使得证据理论在专家系统、信息融合等领域中得到了广 泛应用。
•
• 2、证据理论的诞生和形成
• 诞生：源于20世纪60年代美国哈佛大学数学家A. P.
Dempster在利用上、下限概率来解决多值映射问题方面的 研究工作。自1967年起连续发表了一系列论文，标志着证 据理论的正式诞生。
• 形成：Dempster的学生G. Shafer对证据理论做了进一 步的发展，引入信任函数概念，形成了一套基于“证据”和“ 组合”来处理不确定性推理问题的数学方法，并于1976年 出版了《证据的数学理论》(A Mathematical Theory of Evidence)，这标志着证据理论正式成为一种处理不确定性 问题的完整理论。
浙江大学计算机学院研究生《人工智能引论》课件.ppt
动作 效应器
2019-9-15
感谢你的欣赏
环 境
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
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
2019-9-15
感谢你的欣赏
2019-9-15
感谢你的欣赏
18
可能世界模型(Possible Worlds Model)
地位：Agent理论基础的开创性工作之一。 思想：将Agent的知识、信念等特征化为一 系列“可能世界”，在可能世界模型中包 括对象、属性及其关系。
优点：理论基础（特别是模态逻辑）比较 完善。
缺点：存在“逻辑万能”(Logical Omniscience)问题。
2019-9-15
感谢你的欣赏
26
13.4.5 动作理论
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。
2019-9-15
感谢你的欣赏
环 境
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
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
2019-9-15
感谢你的欣赏
2019-9-15
感谢你的欣赏
18
可能世界模型(Possible Worlds Model)
地位：Agent理论基础的开创性工作之一。 思想：将Agent的知识、信念等特征化为一 系列“可能世界”，在可能世界模型中包 括对象、属性及其关系。
优点：理论基础（特别是模态逻辑）比较 完善。
缺点：存在“逻辑万能”(Logical Omniscience)问题。
2019-9-15
感谢你的欣赏
26
13.4.5 动作理论
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。
- 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)。
浙江大学计算机学院研究生《人工智 能引论》课件89
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。
浙江大学计算机学院研究生《人工智 能引论》课件89
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）
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。
浙江大学计算机学院研究生《人工智 能引论》课件89
13.1 概述
分布式人工智能（DAI）主要研 究在逻辑上或物理上分散的智能系统 如何并行的、相互协作地实现问题求 解。
两种解决问题的方法： ▪ 自顶向下：分布式问题求解 ▪ 自底向上：基于Agent的方法
浙江大学计算机学院研究生《人工智 能引论》课件89
浙江大学计算机学院研 究生《人工智能引论》
课件89
2020/11/25
浙江大学计算机学院研究生《人工智 能引论》课件89
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
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
浙江大学计算机学院研究生《人工智 能引论》课件89
13.4 Agent理论
浙江大学计算机学院研究生《人工智 能引论》课件89
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
浙江大学计算机学院研究生《人工智 能引论》课件89
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。
浙江大学计算机学院研究生《人工智 能引论》课件89
DAI系统的主要优点
1) 提高问题求解能力 2) 提高问题求解效率 3) 扩大应用范围 4) 降低软件的复杂性
浙江大学计算机学院研究生《人工智 能引论》课件据、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。
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
浙江大学计算机学院研究生《人工智 能引论》课件89
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
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。
浙江大学计算机学院研究生《人工智 能引论》课件89
可能世界模型(Possible Worlds Model)
地位：Agent理论基础的开创性工作之一。 思想：将Agent的知识、信念等特征化为一 系列“可能世界”，在可能世界模型中包 括对象、属性及其关系。 优点：理论基础（特别是模态逻辑）比较 完善。 缺点：存在“逻辑万能”(Logical Omniscience)问题。
DAI系统的特色
1) 系统中的数据、知识, 以及控制不但在 逻辑上, 而且在物理上是分布的, 既没 有全局控制, 也没有全局的数据存储。
2) 各个求解机构由计算机网络互连, 在问 题求解过程中, 通信代价要比求解问题 的代价低得多。
3) 系统中诸机构能够相互协作, 来求解单 个机构难以解决, 甚至不能解决的任务。
浙江大学计算机学院研究生《人工智 能引论》课件89
“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。
浙江大学计算机学院研究生《人工智 能引论》课件89
“意图姿态”(Intentional Stance)
浙江大学计算机学院研究生《人工智 能引论》课件89
•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)
浙江大学计算机学院研究生《人工智 能引论》课件89
浙江大学计算机学院研究生《人工智 能引论》课件89
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。
浙江大学计算机学院研究生《人工智 能引论》课件89
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)
两种协作方式： ▪ 任务分担 ▪ 结果共享
浙江大学计算机学院研究生《人工智 能引论》课件89
13.2.1 分布式问题求解系统分类
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
浙江大学计算机学院研究生《人工智 能引论》课件89
13.2.2 分布式问题求解过程
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。
浙江大学计算机学院研究生《人工智 能引论》课件89
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）
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。
浙江大学计算机学院研究生《人工智 能引论》课件89
13.1 概述
分布式人工智能（DAI）主要研 究在逻辑上或物理上分散的智能系统 如何并行的、相互协作地实现问题求 解。
两种解决问题的方法： ▪ 自顶向下：分布式问题求解 ▪ 自底向上：基于Agent的方法
浙江大学计算机学院研究生《人工智 能引论》课件89
浙江大学计算机学院研 究生《人工智能引论》
课件89
2020/11/25
浙江大学计算机学院研究生《人工智 能引论》课件89
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
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
浙江大学计算机学院研究生《人工智 能引论》课件89
13.4 Agent理论
浙江大学计算机学院研究生《人工智 能引论》课件89
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
浙江大学计算机学院研究生《人工智 能引论》课件89
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。
浙江大学计算机学院研究生《人工智 能引论》课件89
DAI系统的主要优点
1) 提高问题求解能力 2) 提高问题求解效率 3) 扩大应用范围 4) 降低软件的复杂性
浙江大学计算机学院研究生《人工智 能引论》课件据、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。
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
浙江大学计算机学院研究生《人工智 能引论》课件89
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
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。
浙江大学计算机学院研究生《人工智 能引论》课件89
可能世界模型(Possible Worlds Model)
地位：Agent理论基础的开创性工作之一。 思想：将Agent的知识、信念等特征化为一 系列“可能世界”，在可能世界模型中包 括对象、属性及其关系。 优点：理论基础（特别是模态逻辑）比较 完善。 缺点：存在“逻辑万能”(Logical Omniscience)问题。
DAI系统的特色
1) 系统中的数据、知识, 以及控制不但在 逻辑上, 而且在物理上是分布的, 既没 有全局控制, 也没有全局的数据存储。
2) 各个求解机构由计算机网络互连, 在问 题求解过程中, 通信代价要比求解问题 的代价低得多。
3) 系统中诸机构能够相互协作, 来求解单 个机构难以解决, 甚至不能解决的任务。
浙江大学计算机学院研究生《人工智 能引论》课件89
“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。
浙江大学计算机学院研究生《人工智 能引论》课件89
“意图姿态”(Intentional Stance)
浙江大学计算机学院研究生《人工智 能引论》课件89
•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)
浙江大学计算机学院研究生《人工智 能引论》课件89
浙江大学计算机学院研究生《人工智 能引论》课件89
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。
浙江大学计算机学院研究生《人工智 能引论》课件89
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)
两种协作方式： ▪ 任务分担 ▪ 结果共享
浙江大学计算机学院研究生《人工智 能引论》课件89
13.2.1 分布式问题求解系统分类
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
浙江大学计算机学院研究生《人工智 能引论》课件89
13.2.2 分布式问题求解过程