AI智能体，也称为代理式AI，是一种自主实体，通过传感器感知环境，并通过执行器作用于环境以实现特定目标。这一概念是人工智能基于智能体的定义的核心，该定义将AI描述为对智能体的研究与设计。智能体的范围可以从简单控制系统（如恒温器）到高度复杂的系统（如自动驾驶汽车或人类），并且它们可以通过机器学习或获取知识来随时间提升自身性能。
“智能体”一词源于更广泛的人工智能领域，斯图尔特·罗素和彼得·诺维格的教科书将其定义为任何感知环境并执行动作的实体。一个理性智能体会根据其感知序列、先验知识和可用动作，选择预期能最大化其性能指标的行动。这种理性并不要求全知或保证成功；它关注的是基于可用信息的预期结果。智能体还具有自主性、对环境变化的响应性以及目标导向或主动行为等特性，通常使用信念-愿望-意图（BDI）等架构进行建模。
目标函数
目标函数，也称为目标函数，规定了智能体的目标，并作为成功的衡量标准。如果一个智能体始终选择能产生与该函数更一致结果的动作，则被认为更智能。该函数可以很简单，例如在围棋游戏中为胜利分配+1、失败分配-1，也可以很复杂，要求智能体评估并从过去的动作中学习。它囊括了所有目标，并纳入了冲突目标之间的权衡，如自动驾驶汽车在安全性、速度和乘客舒适度之间的平衡。
不同语境对这一概念使用不同术语。在经济学和决策理论中，它是效用函数；在优化中，它是目标函数；在机器学习中，它是损失函数；在强化学习中，它是奖励函数；在进化系统中，它是适应度函数。目标可以显式编程，也可以通过学习或进化诱导产生。例如，强化学习智能体学习最大化累积奖励，而进化算法的行为由适应度函数引导，该函数决定哪些智能体可以繁殖，类似于自然选择。
基于智能体的AI定义
罗素和诺维格的框架将AI描述为对接收环境感知并执行动作的智能体的研究。在这种观点下，智能体是任何通过传感器感知并通过执行器动作的实体。一个理性智能体会根据其感知序列、先验知识和可用动作，选择预期能最大化其性能指标的行动。这一定义强调目标导向行为是智能的核心，并且适用于简单和复杂的系统。
面向智能体的计算进一步将智能体特征化为自主性、响应性和主动行为。BDI架构通过表示智能体对世界的信念、愿望（目标）和意图（承诺的行动过程）来建模实践推理。这种方法广泛用于多智能体系统和机器人技术中，在这些系统中，智能体必须在动态环境中运行。
类型与示例
智能体可以根据其复杂性和学习能力进行分类。简单反射智能体仅基于当前感知行动，而基于模型的智能体维护内部状态。基于目标的智能体考虑未来动作以实现目标，基于效用的智能体最大化效用函数。学习智能体通过反馈提升性能，如强化学习或进化计算。
示例包括基本恒温器（简单反射智能体）和AlphaZero（具有简单目标函数（胜利+1、失败-1）的国际象棋程序）。更复杂的智能体包括自动驾驶汽车（平衡多个目标）以及代表用户执行任务的软件智能体，如Waymo的自动驾驶车辆或特斯拉自动驾驶系统。在经济学中，智能体与理性智能体密切相关，该范式在认知科学、伦理学和哲学中也有研究。
学习与适应
智能体通常通过学习算法提升自身。在强化学习中，奖励函数提供反馈，鼓励期望行为并抑制不良行为。程序员可能使用奖励塑形来为进展提供增量奖励，正如Yann LeCun在2018年所指出的：“人们提出的大多数学习算法本质上都是最小化某个目标函数。”进化计算可以进化出看似有意图行动的智能体，由适应度函数引导。
一些系统，如最近邻分类器，通过类比推理而非显式目标驱动，但它们仍可以被视为具有训练数据中隐含目标的智能体。同样，知识表示系统可以被视为以准确回答问题为目标的智能体，将“动作”的概念扩展到包括提供答案。在2010年代的生成对抗网络（GAN）中，生成器模仿人类文本创作，最大化一个表示欺骗判别器的函数，这说明了模仿驱动的目标函数。
应用与影响
AI智能体部署在各行各业，从自动驾驶车辆和机器人技术到虚拟助手和推荐系统。像OpenAI、Anthropic和Google DeepMind这样的公司开发基于智能体的AI系统，而亚马逊云服务和Azure提供用于部署它们的云基础设施。该范式也影响了认知科学和社会认知建模的研究，其中智能体模拟社会行为。
目标函数的设计引发了伦理考量，因为智能体可能优化出意外结果。例如，自动驾驶汽车的目标必须仔细平衡安全性和速度。随着智能体变得更加自主，确保与人类价值观对齐变得至关重要。这推动了AI安全性和可解释性的研究，MIT CSAIL和斯坦福AI实验室等机构正在探索这些挑战。
未来方向
大型语言模型和Transformer架构的进步使得更复杂的智能体能够进行长期推理和规划。这些智能体通常被称为代理式AI，它们主动追求目标并在动态环境中做出决策。研究继续致力于提高学习效率、鲁棒性和泛化能力，伯克利AI研究和卡内基梅隆大学等学术实验室为此做出了贡献。
AI智能体的演进可能会导致更集成的系统，与人类和彼此协作，这引发了关于问责和控制的问题。截至2020年代初，基于智能体的AI仍是一个充满活力的领域，关于智能本质和目标函数在塑造行为中的作用的辩论仍在继续。