Agent
人工智能的基础概念，表示可以自主决策的智能对象。
src：《AIMA》 第二章
PEAS模型：智能体的任务环境描述
PEAS 模型是四个因为单词的首字母简写：
- Performance：性能
- Environment：环境
- Actuator：执行器
- Sensor：感受器
PEAS 描述了智能体以及周边环境的基本属性。
环境
环境是智能体面对任务的一部分，也是智能体理性决策的首要条件。
环境有以下属性：
- 观测性：环境是否是智能体可观测的？部分可观测的还是完全可观测的？
- 智能体的数量：单个智能体还是多个智能体？
- 竞争或者合作：智能体之间是竞争的关系？还是合作的关系？
- 确定性：智能体进入的下一个状态是否是确定的？下一个状态是否完全由当前状态和即将执行的动作确定？
- 随机性：环境是依据随机性概率演变的吗？
- 回合性：当前的决策只对当前有影响吗？还是对未来也有影响？
- 静态和动态：当智能体思考、决策时，环境是否还会发生变化？
- 离散或连续：环境的状态是连续的吗？还是按照步骤一步一步来的？
- 已知性：智能体对当前环境物理世界的规则认知是已知的吗？
以上最苦难的情况，莫过于：部分可观测，多智能体，非确定性，序贯，动态，连续的环境。
例如：陌生环境中的自动驾驶
性能度量
性能度量定义了智能体的目标。评估智能体的输出序列，是否符合环境的状态。
机器没有欲望，所以无法自己定义目标。机器的目标一定是人定义的。
手段和目标的差别：给智能体的，应该是目标，而不是的手段。
理性智能体的定义：
对于每个可能的感知序列，给定感知序列提供的证据和智能体所拥有的任何先验知识，理性智能体应该选择一个期望最大化其性能度量的动作。
理性的智能体做正确的事，而对期望的最大化，就是正确的事。
智能体的感受器和执行器
感受器部分
感受器是智能体感知外界环境的机制。可以简单也可以十分复杂。
感受器拥有一套算法处理外界的感受信息，高级的智能体可以反思环境。反思的方式就是问自己：“现在的世界是什么样子？”
世界模型其实就是感受器反思过程的一部分。
执行器部分
执行器负责对环境输出。也可以简单或复杂。
执行器解决问题是：“在已有对世界感知的情况下，现在的我应该采取什么动作？”
执行器的反思问题是：“假如我采取了某个动作，会发生什么？”。
基于效用的执行器会一个另外的问题：“在这样的状态下，我会有多快乐？”
效用是经济学上的概念，衡量人类感知的幸福指数。
学习型智能体，可自主提升能力的智能体
性能元素是经典的智能体组成部分，包含了感受器和执行器。除此之外，还加入了学习元素、评估者、和问题生成器。
以上新加入的三部分模块，共同实现对“性能元素”的优化。即根据外部状态，根据性能元素内部产生的变化，重新对性能元素微调参数，达到学习的效果。