- AI 智能体共有五种类型，每种类型的复杂度和智能水平各不相同——简单反射式智能体、基于模型的反射式智能体、基于目标的智能体、基于效用的智能体以及学习型智能体。
- AI 智能体使用传感器感知输入，并通过执行器执行动作，与所处环境进行交互；它们在感知、思考与行动的循环中运作，以实现特定目标。
- 智能体的例子包括：利用传感器和执行器进行导航的无人驾驶汽车，以及像 Siri 这样的虚拟助手，它们能回应用户查询并根据学习到的行为执行任务。
人工智能是信息技术中一个引人入胜的领域，它渗透到现代生活的诸多方面。虽然它看似复杂，但通过单独探索其各个组成部分，我们可以更好地理解并熟悉 AI。了解这些组件如何协同工作，我们就能更透彻地掌握并应用 AI 技术。本文介绍人工智能中智能体的概念，并深入探讨 AI 代理的五种类型。
什么是 AI 中的智能体？
在 AI 语境下，“智能体”（agent）是一个独立的程序或实体，它通过传感器感知周围环境，并通过执行器或效应器进行动作，从而实现与环境的交互。智能体利用其执行器，在感知、思考和行动的循环中运作。智能体的例子包括：
软件智能体
这类智能体将文件内容、按键操作和接收到的网络数据包作为感知输入，随后根据这些输入执行动作，并将输出显示在屏幕上。
人类智能体
人类是天生的智能体，眼睛、耳朵等器官充当传感器，而手、腿、嘴巴等身体部位则充当执行器。
机器人智能体
机器人智能体使用摄像头和红外测距仪作为传感器，并将各种伺服电机和马达作为执行器。
AI 中的智能体是自主实体，它们利用传感器和执行器与环境交互以实现特定目标。这些智能体还能从环境中学习，以逐步提升其性能。AI 中智能体的例子包括无人驾驶汽车和像 Siri 这样的虚拟助手。
另请阅读：驱动未来智能机器的 5 种 AI 硬件
人工智能中智能体的五种类型
AI 中使用的智能体根据其能力范围和智能水平可分为五种不同类型：
简单反射式智能体
这类智能体仅基于当前感知进行操作，不考虑任何感知历史。由于智能和能力有限，它们仅在完全可观测的环境中才能成功运作。简单反射式智能体不具备适应性；如果在当前状态下没有感知到某事物，它就不会影响行动。其响应本质上由用户发起的事件触发，并参照一系列预设规则和预编程结果。
基于模型的反射式智能体
基于模型的反射式智能体相比简单反射式智能体有一个显著优势——它们会考虑历史数据，并且能够在部分可观测的环境中运作。它们利用一个模型来表示世界的当前状态，并基于历史感知形成一个内部状态以反映当前状况。尽管它们在选择动作的方式上与简单反射式智能体类似，但它们对环境的理解更加全面。
另请阅读：利用认知计算提供 AI 解决方案
基于目标的智能体
顾名思义，这类智能体使用目标来描述期望的结果，并能在各种可能性中进行选择以实现目标。在基于模型的智能体之上，基于目标的智能体从可用选项中选取最佳行动以达到目标，并运用人工智能进行决策。这一过程被称为“搜索与规划”，它涉及评估不同行动以确定最有效的一种。
基于效用的智能体
与基于目标的智能体类似，基于效用的智能体提供了一个额外的效用度量，根据期望的结果对可能的情景进行评分。然后，它们会选择能最大程度优化结果的动作。这种能力使它们能够在做决策前权衡不同因素。例如，一家服装店的目标可能是利润最大化，但基于效用的智能体还会考虑顾客满意度。通过将效用设定为一个实数（例如，顾客满意度 1-10 级评分），智能体能够根据效用在真实场景中做出决策。
学习型智能体
学习型智能体具有一个额外的学习元件，使其能够逐步改进，并随着时间的推移越来越了解所处环境。它们从动作的反馈中学习并相应地进行调整。这一过程需要四个组件：学习元件（从经验中学习）、评判元件（提供反馈）、执行元件（决定外部行动）以及问题生成器（保留历史记录并提出新建议）。
人工智能的崛起势不可挡。根据预测，该行业在 2020 年至 2027 年间的年增长率将达到 33.2%，且研究表明，80% 的零售业高管预计其公司将在 2027 年前采用基于 AI 的智能自动化技术；那些未探索 AI 战略的组织恐将落后。理解智能体的作用是认识 AI 潜力的关键第一步。