最近看了《人工智能（一种现代的方法）》，书太厚了，前期为了可以快速搭建入门框架，把它26个章节尽可能的画出重点，3-10分钟看完一章
第二章概念术语超级多，属于为学习后期内容服务的储备知识，花10分钟做到有个印象即可，后面不懂再跳回来看，别浪费太多时间纠结一些暂时无法理解的术语
提示：因为作者是英文翻译过来的中文术语，所以有些中文翻译的术语和其它书或者网上的文章翻译的不一样，理解术语那意思就可以了，避免陷入学生思维纠结中文字面意思
2 智能Agent
2.1 Agent和环境
2.1.1 Agent： 通过传感器感知环境，通过执行器作出反馈
例子：手机接受人类的指示，然后在屏幕显示信息；这里的手机就是一个Agent
2.1.2 感知信息： 某个时刻的数据
2.1.3 感知序列： 感知输入数据的整个历史集合
2.1.4 Agent函数： 将感知序列映射到行为
2.1.5 Agent程序： 实现Agent函数，所以和2.1.4Agent函数的区别在于：Agent程序将当前信息作为输入，Agent函数是将感知历史作为输入
2.2 好的行为：理性的概念
2.2.1 理性Agent： 对每个感知序列（the environment it can perceive），依据先验知识（the prior knowledge it has）和感知序列的提供痕迹，选择性能度量（performance measure）最大化的可执行行动（actions it can perform）
什么是理性的判断依赖4方面：性能度量、先验知识、可执行行动、感知序列
2.2.2 全知者，学习，自主性
全知者： 知道最终结果并作出行动，现实不存在这种情况
理性： 理性是期望性能最大化，不要求全知，只依赖当下的感知序列
自主性： 通过学习弥补不完整或者不正确的先验知识
2.2.3 环境的性质
PEAS（性能Performance，环境 Environment， 执行器Actuators， 传感器Sensors）称为任务环境；
结合图像就能很好的记忆啦
2.3 环境的性质
2.3.1 环境特性
环境范围很大，知道可以划分以下维度即可：完全可观察和部分可观察、单智能Agent和多智能Agent、确定的和随机的、片段式和延续式、静态和动态、离散的和连续的、未知的和已知的
2.4 Agent的结构
2.4.1 Agent = 体系结构 + Agent程序
体系结构： 程序在某个具备执行器和传感器的装置运行
Agent程序： 将接收的每一个感知信息（percept ）添加到一个感知序列（a percepts sequence）中，依据先验知识的映射表(LOOKUP(percepts, table))反馈一个行动（action）
function TABLE-DRIVEN-AGENT(percept)returns an action
static：percepts， a sequence, initially empty
table: a table of action, indexed by percept sequences, initially fully specified
append percept to the end of percepts
action <-- LOOKUP(percepts, table)
return action
Agent程序可分以下4类
2.4.2 简单反射Agent： 仅只基于当前状态反馈一个行动，忽略历史感知信息
2.4.3 基于模型的Agent： 它内部状态可以根据感知历史,预测到目前看不到的环境；
下面这句话非重点可跳过，我理解了很久才概括出来，作者想表达的是虽然我不知道未来会发生的事，但是我可以根据环境建模预测出未来；
世界（WORLD）是如何运转的？可以分为两类问题：环境\世界的建模是独立于Agent如何发展的；Agent行为是如何影响环境\世界的—称为世界模型，基于这种模型的Agent就是基于模型的Agent
2.4.4 基于目标的Agent： Agent将目的（Goals）与2.4.3 基于模型的Agent结合起来的行为
2.4.5 基于效用的Agent： 预期效用最大化的行为
以上四种都属于学习Agent
2.4.6 学习Aent
4个元件
学习元件（Learning element）: 负责改进
性能元件（Performance element）: 负责选择行动
评判元件（Critic）: 负责评判agent的工作表现性能
问题生成器（?Problem generator）: 负责探索问题
这部分中文翻译出来没内味，看英文一下就懂了
Learning element: responsible for making improvements?—?Performance element: responsible for selecting external actions. It is what we considered as agent so far.?—?Critic: How well is the agent is doing w.r.t. a ?xed performance standard.?—?Problem generator: allows the agent to explore.
例子：一个公司里有4个人，有人负责做事，有人负责学习知识，有人负责评判做的事效率，有人负责去探索新的问题出来研究
2.4.7 Agent各部件如何工作
Agent程序使用了各种组件解释以下问题：
1.当前状态是什么
2.当前应该采取什么行动
3.行动后果会怎么样
文中这部分内容没有把重心放在解释这些问题上（因为太复杂了），而是研究用什么方法去表达各种组件
用以下方法去表达各种组件：
1.原子表示（Atomic representation ）： 想成一个盒子，内部结构不可见
2.要素化表示（Factored Representation ）： 想象一个盒子里有很多可以用数值量化的图形
3.结构化表示（Structured Representation ）： 想象一个盒子里有很多可以用关联表示的图形
https://learnetutorials.com/artificial-intelligence/intelligent-agents-in-ai
https://hackernoon.com/rational-agents-for-artificial-intelligence-caf94af2cec5