Aby przejść pozytywnie test Turinga, program powinien:
Przetwarzać język naturalny
Rozumować automatycznie
Adaptować się do nowych okoliczności poprzez uczenie
Racjonalność działania inteligentnego agenta zależy od:
Miary osiągnięć, określającej stopień osiągnięcia sukcesu
Wszystkiego, co agent poznał do tej pory
Tego, co agent wie o swoim otoczeniu
Architektura inteligentnego agenta to:
Funkcja realizująca odwzorowanie percepcji w akcję
Określone środowisko, w którym można zrealizować jego program
Cele i miary osiągnięć agenta
Aby skonstruować program inteligentnego agenta, trzeba określić:
Możliwe percepcje i akcje
Cele lub miary osiągnięć
Rodzaj środowiska agenta
Agent inteligentny o prostych odruchach dla danej percepcji wybiera odpowiednie akcje, posługując się:
Zbiorem reguł działania
Wbudowaną tabelą „percepcje-akcje”
Wiedzą o wpływie jego akcji na stan świata
Środowisko agenta grającego w pokera jest:
Dostępne
Deterministyczne
Epizodyczne
Prosty agent rozwiązujący problemy wybiera akcje, które ma podjąć:
Na podstawie tabeli „percepcje-akcje”
Poprzez sformułowanie celu i problemu oraz poszukiwanie rozwiązania problemu
Poprzez zastosowanie meta-reguł
Problem eksploracji występuje wtedy, gdy:
Agent wie, jakie są skutki jego działań i środowisko agenta jest w pełni dostępne
Agent wie, jakie są skutki jego działań, lecz środowisko nie jest dostępne
Agent nie wie, jakie są skutki jego działań i musi skutki swoich działań dopiero poznać
Problem dobrze określony opisany jest poprzez:
Przestrzeń stanów
Test osiągnięcia celu
Sposób wyboru rozwiązań bardziej preferowanych
Rozwijanie danego stanu polega na:
Zbadaniu, czy dany stan nie jest stanem docelowym
Wygenerowaniu nowego zbioru stanów poprzez zastosowanie dostępnych operatorów do istniejącego stanu
Wybraniu stanu, który jest odpowiedni ze względu na test osiągnięcia celu