《人工智能:计算Agent基础》——第一部分 世界中的Agent:什么是Agent及如何创建它们第1章人工智能与Agent1.1 什么是人工智能

简介:

本节书摘来自华章计算机《人工智能:计算Agent基础》一书中的第1章,第1.1节,作者:(加)David L.Poole,Alan K.Mackworth 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

第一部分 世界中的Agent:什么是Agent及如何创建它们

第1章人工智能与Agent

人工智能的历史充满幻想、可能、验证和希望。自从荷马描绘机器“鼎”服侍在众神的餐桌旁,那想象中的机器佣人便成为我们文化的一部分。然而,我们人工智能的研究者,直到50年前,才首次制造出实验性机器来验证那些假想,即有关具备思维和智能行为机器人的假想,使得之前仅在理论上具备可能性的机器人得到验证。
——Bruce Buchanan [2005]

历经几个世纪的思想构建,人工智能学科被公认为有超过50年的历史,本书正是与此有关。如同以上Buchanan所指出的,我们现已验证这种思想假设,并用于解决实际问题。许多科学和工程问题已经得到解决,但更多其他问题亟待解决。纵然已存在人工智能的实际应用,仍有很多潜在应用等待挖掘。本书中,我们将揭示具有智能行为的计算Agent的基本原理,这将有助于大家理解人工智能现在和未来的工作,并有助于对这些原理做出进一步的贡献。

1.1 什么是人工智能

人工智能(AI)是一个研究能够产生智能行为的计算Agent的综合与分析的领域。下面阐述此定义的每个部分。
Agent是指在某个环境中进行某种行为的个体——它完成了某件事。Agent可以是蠕虫、狗、恒温器、飞机、机器人、人类、公司、国家中的任何一个。
我们感兴趣的是一个Agent做什么?怎么做?我们通过Agent的行为来辨别不同的Agent。
当Agent具有以下行为时,我们说此Agent是智能的:

  • Agent的行为能够与其环境及目标相适应。
  • 能够灵活地适用于改变的环境及目标。
  • 能够从经验中学习。
  • 给定感知和计算限制时能够做出恰当的选择。Agent通常不能直接观察到整个世界,它只有有限的记忆,并且没有无限时间进行某个行为。

计算Agent可以通过一系列的计算对其行为进行决策。也就是说,决策可以分解成能够在硬件设备上实现的一系列原始操作。这种计算有很多形式,人类是通过一些软件完成的,而计算机则是由一些硬件完成的。尽管有一些Agent可以认为是不可计算的,例如自然现象中侵蚀景观的风和雨。但是,是否所有的Agent都是可计算的,仍是一个开放性问题。
人工智能的核心科学目标是理解自然系统或人工系统中一些智能行为的原理,主要通过以下几个部分来进行:

  • 对自然Agent及人工Agent进行分析。
  • 对如何构造Agent进行形式化定义,并进行验证。
  • 设计、构建和实验计算系统,通过执行某些智能性任务来进行验证。

作为科学的一部分,研究者们已建立了一些实验系统来验证某些假设,或来探索可能性空间。这与适用于某个实际领域的那些应用系统有很大不同。
注意,这个定义不是关于智能思想的。我们仅仅对如何智能地思考感兴趣,只要它能带来更好的表现。思想的作用是影响动作。
人工智能的核心工程目标是设计和合成有用且智能的产品。我们通常都是希望构建有智能行为的Agent。这些具有智能行为的Agent,可以使其许多应用大放光彩。
人工智能与自然智能
人工智能在本领域是一个固定的名称,但是“人工智能”这个术语同时也是一个很模糊的概念,因为人工智能可以看做自然智能的对立面。4
对于任何现象,可以分成真与假两个对立面,假就是不真实;也可以分成自然与人工两个方面,自然意味着发生在自然界中的现象,人工则意味着由人类制造的那部分现象。
【例1-1】 海啸是指由地震或山崩引起的海洋中的巨大波浪。自然海啸时有发生,人工海啸则是人为制造的,比如在海洋中投入一颗炸弹爆炸,这引发的仍然是一场真实的海啸。假的海啸可以是人工的,比如计算机软件绘制而成的海啸图形;也可以是自然的,比如显示有海啸发生的海市蜃楼现象。
对于智能是否不一样仍然存在争议:假的智能是不存在的。如果一个Agent可以智能地进行某种行为,我们说它是智能的。定义智能仅仅是外部的行为,正在智能地进行某个动作才是智能。因此,只有当智能被实现时,人工智能才是真的智能。
图灵受从外部行为定义智能这个概念的启发,设计了一个关于智能的测试Turing[1950],这就是著名的图灵测试。图灵测试是一种模仿博弈,测试者可以通过文本交互界面向被测试者提出任何问题,如果测试者不能分辨出被测试者是不是人,这个被测试者就是智能的。图1-1显示了图灵测试中的一段对话。如果不能对任意话题表现出智能,这个Agent就不是真的智能。
  测试者问:在你的十四行诗的第一行有一句话是“我能把你比作夏天吗?”,其中“夏天”换成“春天”是否也可以或更好?
被测试者答:那样不合韵律。
测试者问:那换成“冬天”呢?它合韵律。
被测试者答:可以,但是没有人想被比作冬天。
测试者问:你大概说过Pickwick先生使你想起圣诞节吧?
被测试者答:从某种意义上讲是这样。
测试者问:但圣诞节是冬季的一天呀,我认为Pickwick先生不会介意比作冬天。
被测试者答:你也许是在开玩笑吧。我们所说冬季的一天是指冬季典型的一天,而不是像圣诞节那样特殊的一天。


<a href=https://yqfile.alicdn.com/a33341fc46b4ddba6f633ff791d855535f847a81.png" >

人们对图灵测试有很多争议。可惜的是,图灵测试虽然能为如何辨别智能提供测试,却不能为达到某种智能提供方法,因此图灵测试似乎并不是一种有用的研究5思路。
最明显的自然智能Agent是人类。有人说蠕虫、昆虫或细菌是智能的,更多人说狗、鲸或猴子是智能的(见习题1.1)。还有一类Agent比人类更为智能,那就是组织。蚁群就是组织的一个典型例子。单只蚂蚁可能不很智能,但蚁群却比任何一只蚂蚁更为智能。蚁群能发现食物并有效地利用,而且能很好地适应变化的环境。类似地,公司可以通过汇总所有的必要技能,对产品进行开发、制造和分配,这比个人单打独斗要有效得多。现代计算机,从底层的硬件到高层的软件,其复杂程度常人无法想象,但每天却被人类所操作。人类社会可以看做迄今为止最为智能的Agent了。
人类智能从何而来是值得探索的。主要源头有以下三个方面:
生物:人类已进化成为可以在各种环境下生存的适应性动物。
文化:文化不仅能够提供语言,还能提供有用的工具、思维以及一代代从父母和老师传到孩子积累下来的智慧。
终生学习:人类从生活中学习和积累知识与技能。
这些源头以复杂的方式进行交互。生物进化论提供了生命不同阶段的不同学习而实现的成长。人类与文化是共同进化的,所以人类在刚出生时是没有能力的,大概就是因为我们有照顾婴儿的文化。文化和学习密切交互在一起。终身学习中的最主要部分是从父母和老师那里学到知识。语言,作为文化的一部分,使世界有所区别,同时也是学习的重要部分。

相关文章
|
9月前
|
人工智能 运维 Java
Spring AI Alibaba Admin 开源!以数据为中心的 Agent 开发平台
Spring AI Alibaba Admin 正式发布!一站式实现 Prompt 管理、动态热更新、评测集构建、自动化评估与全链路可观测,助力企业高效构建可信赖的 AI Agent 应用。开源共建,现已上线!
8237 120
|
10月前
|
存储 人工智能 测试技术
手把手带你入门AI智能体:从核心概念到第一个能跑的Agent
AI智能体是一种能感知环境、自主决策并执行任务的人工智能系统。它不仅能生成回应,还可通过工具使用、计划制定和记忆管理完成复杂工作,如自动化测试、脚本编写、缺陷分析等。核心包括大语言模型(LLM)、任务规划、工具调用和记忆系统。通过实践可逐步构建高效智能体,提升软件测试效率与质量。
|
9月前
|
人工智能 搜索推荐 数据可视化
当AI学会“使用工具”:智能体(Agent)如何重塑人机交互
当AI学会“使用工具”:智能体(Agent)如何重塑人机交互
874 115
|
9月前
|
人工智能 自然语言处理 安全
从工具到伙伴:AI代理(Agent)是下一场革命
从工具到伙伴:AI代理(Agent)是下一场革命
864 117
|
9月前
|
人工智能 定位技术 API
智能体(Agent):AI不再只是聊天,而是能替你干活
智能体(Agent):AI不再只是聊天,而是能替你干活
1315 99
|
9月前
|
人工智能 缓存 运维
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
本文介绍联调造数场景下的AI应用演进:从单Agent模式到多Agent协同的架构升级。针对复杂指令执行不准、响应慢等问题,通过意图识别、工具引擎、推理执行等多Agent分工协作,结合工程化手段提升准确性与效率,并分享了关键设计思路与实践心得。
1390 20
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
|
人工智能 Cloud Native 搜索推荐
【2025云栖大会】阿里云AI搜索年度发布:开启Agent时代,重构搜索新范式
2025云栖大会阿里云AI搜索专场上,发布了年度AI搜索技术与产品升级成果,推出Agentic Search架构创新与云原生引擎技术突破,实现从“信息匹配”到“智能问题解决”的跨越,支持多模态检索、百亿向量处理,助力企业降本增效,推动搜索迈向主动服务新时代。
1004 0
|
9月前
|
存储 人工智能 前端开发
超越问答:深入理解并构建自主决策的AI智能体(Agent)
如果说RAG让LLM学会了“开卷考试”,那么AI智能体(Agent)则赋予了LLM“手和脚”,使其能够思考、规划并与真实世界互动。本文将深入剖析Agent的核心架构,讲解ReAct等关键工作机制,并带你一步步构建一个能够调用外部工具(API)的自定义Agent,开启LLM自主解决复杂任务的新篇章。
1840 6
|
9月前
|
人工智能 监控 Java
Spring AI Alibaba实践|后台定时Agent
基于Spring AI Alibaba框架,可构建自主运行的AI Agent,突破传统Chat模式限制,支持定时任务、事件响应与人工协同,实现数据采集、分析到决策的自动化闭环,提升企业智能化效率。
Spring AI Alibaba实践|后台定时Agent
|
9月前
|
人工智能 并行计算 PyTorch
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
以Lama Cleaner的AI去水印工具理解人工智能中经常会用到GPU来计算的CUDA是什么? 优雅草-卓伊凡
859 4

热门文章

最新文章