搭建最简单的扫地机器人？ 《多Agent系统引论》第3章 演绎推理Agent 小结

3.0 前言

首先来学习2003年以前的主流与经典，用符号构建的人工智能。

下下一章会来介绍2003年以前的非主流，而现在已经变为主流的，03年当时，本书还叫做“反应式Agent”的，用层次构建的Agent。除此以外，还有另外一种方法，不完全是符号推理，下一章会完成这个任务。

回到正题，举个例子，搞个扫地机器人。

摄像头传进来信息后，全转换成逻辑的语句，比如图中，机器人看到门，像素传到知识库表示，再到产生决策"Stop!"，再到动作"Brake!"，然后小滚轮就停了。

构造这个机器人，有俩问题要解决：

1. 转换问题   传感器信号转换成符号。就是图中Interp到知识库那里。
2. 表示和推理问题   转换出来的符号继续推理，决策出行动。就是图中知识库到Plan再到Action。

第一个，有关的工作有视觉、语音理解、学习；第二个问题，有关问题是知识表示、自动推理、自动规划等。

另提一句，03年这本书的作者说，这两个问题“都还没有解决”，“甚至是一些普通的问题，如常识推理，都是很困难的问题”。

但作者同时说了，这些问题很有帮助，“想法仍然很有吸引力”，因为假设有，就可以解释智能Agent如何决策，如何行动，这就方便优化。

优化的方法之一就是不断细化目标到行为的过程。不过，把Agent作为定理证明器时，没有这种细化哦。它直接当Agent的想法直接可以执行，下面我们就来康康。

3.1 Agent作为定理证明器

慎思型Agent

又叫做慎思型Agent(Genesereth and Nilsson, 1987, chapter. 13)。这种Agent可是很讲逻辑的嗷☝️🤓，比如它的脑壳里，有这种：

第一个，就是相信阀门221是开的。

然后它的脑壳和人也是一样的，也会出错。

比如检查了221是开的，巡检员认为这个是开的。结果因为赶着和我去吃烧烤，没仔细，其实它是关的。Agent也一样，脑壳里记得221是开的，其实是911是开的。还可能设计这个脑壳的人的脑壳也不好，设计的时候就出了问题，导致Agent对开着的阀门的解释和常人也不一样。

建模

下面进入符号的世界：

设L是经典一阶谓词逻辑句子的集合，并且设是L数据库的集合，即L(公式)集合的集合。因此，Agent的脑壳里就是D的元素，D的成员用，，……表示。Agent的内部状态，也就是脑壳，可以简单表示成集合D的成员。

Agent的决策过程通过一组演绎规则建模，就是说Agent脑壳知道这些规矩，这是一些简单的逻辑推理规则。

如果可以从数据库仅只使用演绎规则证明公式，则可以写成。就是说，Agent通过自己的脑壳判断，这个是行得通的。

Agent感知函数还是（为啥叫“还是”？因为之前推导过。感兴趣的朋友可以参考第2章的内容）：