天才一秒记住【久久文学】地址：https://www.jjwxx.com
这些不同概率之间的关系是通过贝叶斯推断来得到的。
如果你想深入了解细节，请参见附录C。
当Siri遇见Siri
虽然2000年的时候互联网热潮退却了，但研究者对智能体的兴趣仍然存在，人们开始关注智能体故事有可能出现的新转折点。
研究人员想，如果智能体之间可以相互交流，那又会怎样？这个想法倒不是全新的：在以知识为基础的人工智能时代，研究人员就考虑过专家系统之间如何相互分享它们的专业知识，并开发出人工智能的语言让它们能够相互分享知识和查询对方所擅长的领域。
但是在多智能体系统下，会出现一个关键性的差别：我希望我的智能体是尽力为我服务的，而你希望你的智能体是尽力为你服务的，既然你我之间存在兴趣爱好或偏好不一致的情况，那么我们的智能体之间肯定也存在不一致。
在这样的情况下，智能体就需要具备类似社交的能力。
人们在日常生活中都会应用到这样的能力，人工智能所面临的新挑战就是构建具备社交能力的智能体[59]。
事后看来，之前开发者没怎么考虑过人工智能的社交属性似乎挺奇怪的。
但是，在多智能体系统出现之前，人们的注意力都集中在开发单个的智能体上，而没有考虑到它会如何跟其他人工智能体交互。
假设存在多个人工智能体，而不仅仅是一个，那就从根本上改写了人工智能发展的故事。
智能体必须解决的问题是知道自己要做什么——该为自己所代表的用户做什么。
如果一个智能体能够为我做出正确的选择，我会非常高兴。
但如果周围存在其他智能体，那么我的智能体所选择的行为是好还是坏，至少在一定程度上取决于其他智能体的选择。
因此，我的智能体在做选择的时候必须考虑到其他人的智能体会如何选择，同样，其他人的智能体也必须考虑到我的智能体的行为。
智能体在做决策的时候需要考虑对方的偏好和可能的行动，这样的推断实际上属于博弈论的研究范畴。
博弈论以前主要是研究战略决策的经济学分支[60]，但正如其名所示[9]，博弈论起源于对象棋和扑克牌之类游戏的研究。
其实，在多个智能体同时存在的情况下，它也是非常有实用价值的。
或许博弈论中最著名的中心思想，也是形成多智能体系统中决策基础的思想，就是纳什均衡。
纳什均衡的概念是由小约翰·福布斯·纳什提出来的，我们在1956年被邀请参加约翰·麦卡锡达特茅斯人工智能暑期学校的学员名单中能找到他的名字。
正是因为纳什均衡的提出，他与约翰·哈萨尼（JohnHarsanyi）和理查德·塞尔腾（RichardSelten）一同被授予1994年诺贝尔经济学奖。
纳什均衡的基本思想是很容易理解的。
假设我们有两个智能体，每个都需要做出选择。
智能体1选择x，智能体2选择y，那么我们如何判断它们是否做出了正确的选择呢？如果两个智能体都不后悔自己的选择，那它们的决策就是好的（从技术上讲，它们的决策形成了纳什均衡）。
即：
纳什均衡之所以被称为均衡，是因为它捕捉到了决策过程中的稳定性：两个智能体都没有任何动机去做别的选择。
多智能体系统研究迅速采用了如纳什均衡的博弈论的思想作为系统决策研究的基础，但是一个熟悉的难题出现了。
当纳什在20世纪50年代提出这个获得诺贝尔奖的想法时，他并不关心如何计算纳什均衡。
不过，如果我们想让智能体在做决定时能够使用这个想法，这就一定是一个必须解决的重要问题。
而且，也许可以预见，纳什均衡很难计算。
寻找有效的方法来计算纳什均衡仍然是当今人工智能的一个主要课题。
人工智能开始成熟
到了20世纪90年代末，智能体范式已经成为人工智能中的主流正统理论：我们构建智能体，并赋予它们用户的偏好，智能体用理性的方式代表用户去做执行工作，使用如冯·诺依曼和摩根斯坦的预期效用理论之类的理性方式作为决策基础。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！