1人工智能问题与智能体闭环
闭卷重建人工智能问题与智能体闭环的对象、公式、算例、算法与失败边界。
人工智能基础 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2PEAS任务环境描述
闭卷重建PEAS任务环境描述的对象、公式、算例、算法与失败边界。
3理性、全知与有限计算
闭卷重建理性、全知与有限计算的对象、公式、算例、算法与失败边界。
4环境可观测性与确定性
闭卷重建环境可观测性与确定性的对象、公式、算例、算法与失败边界。
5效用、约束与多目标权衡
闭卷重建效用、约束与多目标权衡的对象、公式、算例、算法与失败边界。
6基线、测试分布与误差切片
闭卷重建基线、测试分布与误差切片的对象、公式、算例、算法与失败边界。
7安全边界、监督与停机
闭卷重建安全边界、监督与停机的对象、公式、算例、算法与失败边界。
第 1 页 · 背面（答案）
对象：PEAS用性能、环境、执行器、传感器限定一个可检验任务。；公式：task=(P,E,A,S)。；算例：扫地机P含洁净与能耗，E含房间，A含移动/吸尘，S含尘埃与碰撞。；边界：把算法名写进环境；漏掉安全和能耗导致策略钻空子。。
对象：智能体用传感历史选择动作；评价对象是策略在环境分布中的长期表现。；公式：a_t=π(o_1,…,o_t)，J(π)=E[Σγ^t r_t]。；算例：两步奖励2和4、γ=.5时回报2+.5×4=4。；边界：把一次答对当成一般智能；训练目标与部署评价错位。。
对象：完全/部分可观测、确定/随机、静态/动态决定状态表示和算法。；公式：belief(s)=P(s|o_1:t,a_1:t-1)。；算例：两个状态先验各.5，观测在s1下概率.8、s2下.2，后验s1=.8。；边界：把传感器读数当真实状态；随机转移仍用单一路径计划。。
对象：理性是在已有证据和计算预算下最大化期望表现，不要求预知未来。；公式：a*=argmax_a E[U|history,a,budget]。；算例：动作A成功率.8收益5，B成功率1收益3，期望4与3，选A。；边界：把事后失败反推为当时不理性；忽略估计成本。。
对象：智能系统必须相对简单基线，在冻结分布和关键切片上配对比较。；公式：Δ_i=M_i(new)−M_i(base)。；算例：三个切片增益.1、-.2、.05，宏平均(-.05)/3≈-.0167。；边界：只报总体平均掩盖安全切片退化；在测试集调参。。
对象：奖励是局部信号，效用表示结果偏好；硬约束不能被普通加权抵消。；公式：U=w_q Q−w_c C，subject to risk≤ε。；算例：质量8成本3，权重2和1，效用16−3=13；风险超限仍不可选。；边界：用大质量收益买掉隐私硬约束；尺度不同直接相加。。
对象：部署要定义允许动作、置信门槛、人类接管、审计和可恢复停机。；公式：execute iff confidence≥τ ∧ constraints_pass。；算例：置信.82、阈值.9时即使建议正确也应转人工。；边界：失败时继续自主动作；把拒答率降低当唯一目标。。