【Datawhale25年11月组队学习：hello-agents+Task1学习笔记】

1.什么是Agent?
在AI领域，Agents被定义为任何能够通过传感器（Sensors）感知其所处环境（Environment），并自主地通过执行器（Actuators）采取行动（Action）以达成特定目标的实体。

1.1 Agent的分类
(1) 基于内部决策架构的分类
简单的反应式智能体 =》引入内部模型的模型式智能体 =》基于目标和基于效用的智能体

(2) 基于内部决策架构的分类
反应式智能体 (Reactive Agents)
规划式智能体(Deliberative Agents)
混合式智能体(Hybrid Agents)

(3) 基于知识表示的分类
符号主义 AI（Symbolic AI）
亚符号主义 AI（Sub-symbolic AI）
神经符号主义 AI（Neuro-Symbolic AI）

《思考，快与慢》中提出的双系统理论，为我们理解神经符号主义提供了一个绝佳的类比。
系统 1是快速、凭直觉、并行的思维模式，这类似于亚符号主义 AI 强大的模式识别能力。比如快速的图像识别。
系统 2是缓慢、有条理、基于逻辑的审慎思维，这恰如符号主义 AI 的推理过程。比如基于逻辑推理的数学证明。

人类的智能，正源于这系统1和2的协同工作。
LLM驱动的智是神经符号主义的一个极佳实践范例。其内核是一个巨大的神经网络，使其具备模式识别和语言生成能力。然而，当它工作时，它会生成一系列结构化的中间步骤，如思想、计划或API调用，这些都是明确的、可操作的符号。
通过这种方式，它实现了感知与认知、直觉与理性的初步融合。也就是初步实现了《思考，快与慢》中讲的双系统融合。