反射から計画へ

エージェント設計の進化において、まず 反射エージェント（知覚を単純なルールに基づいて直接行動にマッピングする方式。例：「前方の車がブレーキを踏んだら、ブレーキを開始する」）から 問題解決エージェントへと移行します。反射エージェントは即時の状況に基づいて動作しますが、問題解決エージェントは 目標ベースです。彼らは行動の将来の結果を考慮し、特定の目的を満たす行動の系列を見つけ出します。

• 反射エージェント： $Action = Function(Percept)$
• 計画エージェント： $Action\_Sequence = Search(State, Goal)$

原子的状態表現

この基本的なレベルでは、エージェントは 原子的表現を利用します。これは、世界の状態がブラックボックスとして扱われることを意味します。つまり、探索アルゴリズムから内部構造が見えない単一のノードとして扱われます。エージェントは以下のことだけを推論します：

• 状態（$S$）： 環境のスナップショット。
• 行動（$A$）： 状態間の遷移。
• 目標判定： 状態 $s \in S_{goal}$ かどうかのブールチェック。

問題解決ループ

問題解決エージェントは、環境をナビゲートするために、明確な4段階のサイクルに従います：

1. 目標の定式化： 現在の状況に基づいて追求すべき目標を決定する。
2. 問題の定式化： 現実世界を数学的モデル（状態と行動）に抽象化する。
3. 探索： 行動の系列をシミュレーションして 最適経路を見つける。
4. 実行： さらなる熟考なしに探索フェーズで見つかった行動を実行する（静的環境を想定）。