这周主要看了《人工智能：一种现代方法》的第二章以及第三章的一小部分内容，下面简单总结一下第二章。
智能Agent是人工智能方法中一个很基础的概念。Agent通过传感器感知环境并通过执行器对所处环境产生影响。例如，人可以看做一个Agent，眼睛就是传感器，口就是执行器。
理性Agent的定义：对每一个可能的感知序列，根据已知的感知写提供的证据和Agent具有的先验知识，理性Agent应该选择能使其性能度量最大化的行动。
前面说到Agent和环境的交互，定义了理性Agent后，需要对环境的描述进行规范。
任务环境的PEAS描述：性能Performance、环境Environment、执行器Actuators、传感器Sensors。
性能是一个Agent预期达到的目标，环境、执行器和传感器都会因不同的Agent而异。
任务环境的性质：完全可观察的-部分可观察的、单Agent-多Agent、确定的（环境的下一个状态完全取决于当前状态和Agent执行的动作）-随机的、片段式的-连续式的、静态的-动态的、离散的-连续的、已知的-未知的
Agent结构：简单反射Agent、基于模型的反射Agent、基于目标的Agent、给予效用的Agent
学习Agent：学习元件、性能元件、评判元件、问题产生器。智能Agent的学习可以总结为改进Agent的各个组件。
Agent程序如何工作：原子化表示、要素化表示、结构化表示。
关于Agent的结构及工作表示部分，我觉得值得再写一篇文章进行介绍，目前过了一遍，有些地方有些疑问，后续会结合个人的理解整理出来。
ps：发现了一个AI学习平台（量子学园），推荐一下