《人工智能:计算Agent基础》——2.8 习题

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2章,第2.8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。

2.8 习题

2.1 2.3节提到一个论点,即不可能脱离Agent的任务和目的而独立地构建一个世界表示。此习题能使你评估此论点。
选择一个特定的世界,如当前你的桌面的一部分。
i) 让某个人列出在此世界上存在的所有东西(或者自己完成)。
ii) 再考虑20种没有列出的,且尽可能相互完全不同。例如,桌子最右边的圆珠笔的笔头上的小球、订书机的弹簧,或是桌上某本书66页的第三个单词。
iii) 找出一个无法用自然语言描述的东西。
iv) 选定一个任务,如整理桌面,并写出所有与此任务相关的所有物体的描述。
基于此习题,讨论如下几个状况:
(a) 世界上存在什么是由观察者观察来决定的。
(b) 我们需要某种方法来指定到每一个个体,而非期望每个个体都有独立的名字。
(c) 存在哪些个体是由任务同样也是世界的属性决定的。
(d) 为了描述领域中的某个个体,你需要有一个极大的词典和一个有效的方法来组合66它们用于描述个体,而且这点必须与任何特定的领域无关。
2.2 解释为何例2-5中的中间层必须有前一目标位置和当前目标位置作为输入。假定只有其中一个作为输入,哪一个是必需的?这将会导致什么问题?
2.3 例2-6中的目标位置的定义意味着当规划结束时,机器人将会将其最后一个目标位置作为其目标位置,然后不断绕圈。改变定义使得机器人可以返回原点,然后围绕原点绕圈。
2.4 如例2-5中的方法躲避障碍物很容易便会陷入困局。
(a) 设置一个障碍物和一个目标以便于机器人使用例2-5中的控制器,会发现其不能到达(会崩溃或者绕圈)。
(b) 即使没有障碍物,机器人也可能无法到达目的地。例如,如果他在目标位置附近,它就会不断绕圈而无法到达目标地点。设计一个可以发现此问题并能使其到达目标点的控制器。
2.5 考虑图2-11中的“机器人困境”。
(a) 解释一下为何它会使一个机器人难以到达目标点g。你必须解释机器人现在会有何种行为,且为何难以设计一个更为复杂的机器人(如,一个使用“右手规则”的机器人会沿着墙走:当其碰到障碍物时其会左转并沿着墙走,而墙面始终在其右侧)来工作。
(b) 直观上我们认为如果想要脱离这个迷宫,需要当一个机器人撞到墙后,它会一直绕着墙走直到右转次数与左转次数相同。告诉我们如何实现此方法,解释信念状态、信念状态转换函数和命令函数。


<a href=https://yqfile.alicdn.com/11c7d5cbf7b7b6975f89482a94bcafa1e2b93b36.png" >

2.6 当用户选择并移动当前目标位置时,此章中的机器人会继续行至此目标的原坐标处,而不会再去其当前位置。试着改变此控制器使其可以向目标的当前位置移动。
2.7 现在的控制器会顺序访问todo列表中的地点。
(a) 改控制器为投机型,当它需要选择下一个位置时,它会选择距离当前位置最近的目的地。当然其仍需访问所有的目的地。
(b) 给出一个环境实例,在此环境中新控制器完成访问任务花费的时间少于使用原控制器花费的时间。
(c) 给出一个环境实例,在此环境中使用原控制器花费的时间要少于使用修改后的控制器所花费的时间。
(d) 改变控制器,使得Agent在行进的每一步都朝向距其当前位置最近的目的地。
(e) 使用(d)中描绘的控制器会不会出现陷入死循环以致无法到达目的地,而使用原控制器却可以正常工作的环境中?给出一个其会陷入原地转圈的例子并解释为何其无法找出一个解决方法,或者给出其为何不会陷入转圈的原因。
2.8 改变控制器使得机器人可以感知环境并获知某位置的坐标。这里假定主体可以提供已命名位置的坐标。
2.9 假设你有个新工作,必须为一个机器人构建一个控制器。你告诉老板你只需要实现命令函数和状态转换函数。他们会对此产生质疑。为何是这些函数?只需要这些函数?向其解释为何一个控制器仅需要一个命令函数和一个状态转换函数。请用适当的言语,要简洁。
相关文章
|
3天前
|
人工智能 监控 数据可视化
Agent TARS:一键让AI托管电脑!字节开源PC端多模态AI助手,无缝集成浏览器与系统操作
Agent TARS 是一款开源的多模态AI助手,能够通过视觉解析网页并无缝集成命令行和文件系统,帮助用户高效完成复杂任务。
1830 3
Agent TARS:一键让AI托管电脑!字节开源PC端多模态AI助手,无缝集成浏览器与系统操作
|
8天前
|
机器学习/深度学习 人工智能 算法
|
20天前
|
人工智能 搜索推荐 数据可视化
Manus:或将成为AI Agent领域的标杆
随着人工智能技术的飞速发展,AI Agent(智能体)作为人工智能领域的重要分支,正逐渐从概念走向现实,并在各行各业展现出巨大的应用潜力。在众多AI Agent产品中,Manus以其独特的技术优势和市场表现,有望成为该领域的标杆。作为资深AI工程师,本文将深入探讨Manus的背景知识、主要业务场景、底层原理、功能的优缺点,并尝试使用Java搭建一个属于自己的Manus助手,以期为AI Agent技术的发展和应用提供参考。
11343 18
|
1月前
|
人工智能 自然语言处理 人机交互
Social Media Agent:告别文案焦虑!AI自动生成高转化帖子,输入URL快速生成爆款文案
Social Media Agent 是一款由 LangChain 推出的 AI 社交媒体内容管理工具,支持 Twitter 和 LinkedIn 平台,能快速生成高质量的帖子。
87 17
Social Media Agent:告别文案焦虑!AI自动生成高转化帖子,输入URL快速生成爆款文案
|
22天前
|
人工智能 人机交互
清华、面壁提出创新AI Agent交互:能主动思考、预测需求
清华大学与面壁智能团队提出了一种创新的AI Agent交互模式,将基于大型语言模型的智能体从被动响应转变为主动协助。通过数据驱动的方法,研究团队开发了能够预测和主动发起任务的智能体,并创建了ProactiveBench数据集。实验结果显示,经过微调的模型在主动性方面取得了66.47%的F1分数,展示了该方法在人机协作中的潜力。论文链接:https://arxiv.org/abs/2410.12361
52 2
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
Agent Laboratory:AI自动撰写论文,AMD开源自动完成科研全流程的多智能体框架
Agent Laboratory 是由 AMD 和约翰·霍普金斯大学联合推出的自主科研框架,基于大型语言模型,能够加速科学发现、降低成本并提高研究质量。
386 23
Agent Laboratory:AI自动撰写论文,AMD开源自动完成科研全流程的多智能体框架
|
2月前
|
存储 人工智能 自然语言处理
AI Agent与SaaS工具协同发展的未来:企业智能化的全新范式
AI Agent以自主性和智能化为核心,适合复杂任务的动态执行;而SaaS工具则注重服务的完整性和易用性,适合标准化业务需求。
191 14
AI Agent与SaaS工具协同发展的未来:企业智能化的全新范式
|
1月前
|
人工智能 负载均衡 搜索推荐
谷歌发布双思维AI Agent:像人类一样思考,重大技术突破!
谷歌近日推出基于“快慢思维”理论的双思维AI Agent系统,模仿人类大脑的两种思维模式:快速直观的Talker(系统1)和深思熟虑的Reasoner(系统2)。Talker负责日常对话与快速响应,Reasoner则处理复杂推理任务。该系统模块化设计,灵活高效,已在睡眠教练等场景中展现应用潜力,但仍面临工作负载平衡与推理准确性等挑战。论文详情见:https://arxiv.org/abs/2410.08328v1
79 1
|
27天前
|
人工智能 自然语言处理 数据可视化
数势科技智能分析AI Agent 何以在市场中脱颖而出?
数势科技智能分析AI Agent 何以在市场中脱颖而出?
|
2月前
|
人工智能 自然语言处理 API
用AI Agent做一个法律咨询助手,罗老看了都直呼内行 feat.通义千问大模型&阿里云百炼平台
本视频介绍如何使用通义千问大模型和阿里云百炼平台创建一个法律咨询助手AI Agent。通过简单配置,无需编写代码或训练模型,即可快速实现智能问答功能。演示包括创建应用、配置知识库、上传民法典文档、构建知识索引等步骤。最终,用户可以通过API调用集成此AI Agent到现有系统中,提供专业的法律咨询服务。整个过程简便高效,适合快速搭建专业领域的小助手。
377 22

热门文章

最新文章