人工智能引論課件---POWERPOINT-PRESENTATION

1、浙江大學(xué)計(jì)算機(jī)學(xué)院研究生人工智能引論課件第13講 智能Agent及多Agent系統(tǒng)Chapter 13 Intelligent Agent & Multi-Agent Systems徐從富浙江大學(xué)人工智能研究所2003年第一稿2005年10月修改補(bǔ)充2007年10月第二次修改1內(nèi)容概述2. 分布式問題求解3. Agent4. Agent理論5. Agent結(jié)構(gòu)6. Agent通信7. Agent的協(xié)調(diào)與協(xié)作8. 多Agent環(huán)境MAGE9. 面向Agent的軟件技術(shù) Mobile Agent 若干前沿問題討論213.1 概述 分布式人工智能（DAI）主要研究在邏輯上或物理上分散的智能系統(tǒng)如何并

2、行的、相互協(xié)作地實(shí)現(xiàn)問題求解。 兩種解決問題的方法：自頂向下：分布式問題求解自底向上：基于Agent的方法3 DAI系統(tǒng)的特色系統(tǒng)中的數(shù)據(jù)、知識(shí), 以及控制不但在邏輯上, 而且在物理上是分布的, 既沒有全局控制, 也沒有全局的數(shù)據(jù)存儲(chǔ)。各個(gè)求解機(jī)構(gòu)由計(jì)算機(jī)網(wǎng)絡(luò)互連, 在問題求解過程中, 通信代價(jià)要比求解問題的代價(jià)低得多。系統(tǒng)中諸機(jī)構(gòu)能夠相互協(xié)作, 來求解單個(gè)機(jī)構(gòu)難以解決, 甚至不能解決的任務(wù)。4DAI系統(tǒng)的主要優(yōu)點(diǎn)提高問題求解能力提高問題求解效率擴(kuò)大應(yīng)用范圍降低軟件的復(fù)雜性513.2 分布式問題求解特點(diǎn)：數(shù)據(jù)、知識(shí)、控制均分布在系統(tǒng)的各節(jié)點(diǎn)上，既無全局控制，也無全局?jǐn)?shù)據(jù)和知識(shí)存儲(chǔ)。兩種協(xié)作方式

3、： 任務(wù)分擔(dān) 結(jié)果共享613.2.1 分布式問題求解系統(tǒng)分類根據(jù)組織結(jié)構(gòu)，分布式問題求解系統(tǒng)可以分為三類： 層次結(jié)構(gòu)類 平行結(jié)構(gòu)類 混合結(jié)構(gòu)類713.2.2 分布式問題求解過程分布式問題求解過程可以分為四步： 任務(wù)分解 任務(wù)分配 子問題求解 結(jié)果綜合8分布式問題求解系統(tǒng)中協(xié)作的分類 按節(jié)點(diǎn)間協(xié)作量的多少，協(xié)作分為三類： 全協(xié)作系統(tǒng) 無協(xié)作系統(tǒng) 半?yún)f(xié)作系統(tǒng)常用的通信方式有： 共享全局存儲(chǔ)器 信息傳遞 黑板模型913.3 智能Agent及多Agent系統(tǒng) 多Agent系統(tǒng)主要研究在邏輯上或物理上分離的多個(gè)Agent協(xié)調(diào)其智能行為，即知識(shí)、目標(biāo)、意圖及規(guī)劃等，實(shí)現(xiàn)問題求解。可以看作是一種由底向上設(shè)計(jì)

4、的系統(tǒng)。10Agent的思想智能Agent的幾個(gè)典型的實(shí)例：Microsoft的Office助手計(jì)算機(jī)病毒（破壞Agent）計(jì)算機(jī)游戲或模擬中的智能角色貿(mào)易和談判Agent（如Ebay的拍賣Agent）網(wǎng)絡(luò)蜘蛛Web Spider（搜索引擎中的數(shù)據(jù)搜集和索引Agent，如Google） 11Agent概念的出現(xiàn)面向過程的方法面向?qū)嶓w的方法面向?qū)ο蟮姆椒嫦駻gent的方法軟件開發(fā)方法的進(jìn)化12Agent的定義 在計(jì)算機(jī)和人工智能領(lǐng)域中，Agent可以看作是一個(gè)實(shí)體，它通過傳感器感知環(huán)境，通過效應(yīng)器作用于環(huán)境。13Agent的強(qiáng)定義 基于某種場景，并具有靈活、自主的行為能力，以滿足設(shè)計(jì)目標(biāo)的計(jì)算

5、機(jī)系統(tǒng)。14Agent的弱定義 滿足如下特征的基于硬件或（更經(jīng)常是）軟件的計(jì)算機(jī)系統(tǒng)：自主性(Autonomy)社會(huì)性(Social ability)反應(yīng)性(Reactivity)主動(dòng)性(Pro-activeness)（或稱“前 瞻性”）基于場景性(Situatedness)靈活性(Flexibility)15移動(dòng)性(Mobility)理性(Rationality)此外，許多學(xué)者還提出一些其它特性：誠實(shí)性(Veracity)友好性(Benevolence)長壽性（或時(shí)間連貫性） 自適應(yīng)性(Adaptability) 16Agent的特性Agent弱概念：自治性、社會(huì)能力（可通信性）、反應(yīng)能力、

6、自發(fā)行為Agent強(qiáng)概念：知識(shí)、信念、意圖、承諾等心智狀態(tài)其它屬性：長壽性、移動(dòng)性、推理能力、規(guī)劃能力、學(xué)習(xí)和適應(yīng)能力、誠實(shí)、善意、理性1713.4 Agent理論 智能Agent的理論模型研究主要從邏輯、行為、心理、社會(huì)等角度出發(fā)，對智能Agent的本質(zhì)進(jìn)行描述，為智能Agent系統(tǒng)創(chuàng)建奠定基礎(chǔ)。18可能世界模型(Possible Worlds Model) 地位：Agent理論基礎(chǔ)的開創(chuàng)性工作之一。思想：將Agent的知識(shí)、信念等特征化為一 系列“可能世界”，在可能世界模型中包括對象、屬性及其關(guān)系。優(yōu)點(diǎn)：理論基礎(chǔ)（特別是模態(tài)邏輯）比較完善。缺點(diǎn)：存在“邏輯萬能”(Logical Omnis

7、cience)問題。 19“意圖系統(tǒng)”(Intentional System) 作用：用于描述其行為可用信念、愿望等理性智慧來預(yù)測的實(shí)體。分為：一階和二階兩種形式。對象、屬性及其關(guān)系。20“意圖姿態(tài)”(Intentional Stance) 意義：啟發(fā)AI學(xué)者將信念(Belief)、愿望(Desire)、承諾(Commitment)等人類特有的思想和概念應(yīng)用于Agent。 2113.4.1 理性Agent（BDI模型）思想：認(rèn)為Agent行為可由信念、愿望和意圖來表達(dá)作用：已成為經(jīng)典模型，并被廣泛采用Belief信念，Agent對環(huán)境的基本看法。Desire愿望，Agent想要實(shí)現(xiàn)的狀態(tài)，即目

8、標(biāo)。Intention意圖，目標(biāo)的子集。2213.4.2 BDIAgent模型BDIAgent模型可以通過下列要素描述：一組關(guān)于世界的信念；Agent當(dāng)前打算達(dá)到的一組目標(biāo)；一個(gè)規(guī)劃庫，描述怎樣達(dá)到目標(biāo)和怎樣改變信念；一個(gè)意圖結(jié)構(gòu)，描述Agent當(dāng)前怎樣達(dá)到它的目標(biāo)和改變信念。23BDI解釋器BDI-Interpreterinitialize-state();dooptions := option-generator(event-queue, B, G, I);selected-options := deliberate(options, B, G, I);update-intentions(

9、selected-options, I);execute(I);get-new-external-events();drop-successful-attitudes(B,G,I);drop-impossible-attitudes(B,G,I);until quit2413.4.3 RAO邏輯框架目標(biāo)：以一種自然的方式描述多Agent系統(tǒng)中關(guān)于別的Agent的狀態(tài)的推理過程。系統(tǒng)的分類：由于多Agent系統(tǒng)太復(fù)雜，建立一種通用的推理模式的想法是不現(xiàn)實(shí)的，有必要對系統(tǒng)分類以便區(qū)別對待。常識(shí)的獲得：和單個(gè)Agent情形一樣，常識(shí)問題是阻礙推理的大難題。2513.4.4 換位推理思想：模仿語言學(xué)中

10、的虛擬語氣，即為了對某個(gè)Agent在某種場景下的狀態(tài)或行為進(jìn)行推測，設(shè)想自己處于那種場景時(shí)的狀態(tài)或行為，再把這種設(shè)想結(jié)果作為被猜測Agent的狀態(tài)或行為。作用：使得一Agent對其它Agent的狀態(tài)和行為的推理過程變得簡單明了。 2613.4.5 動(dòng)作理論情景演算是描述動(dòng)作的主要的形式框架。 在情景演算中引入了狀態(tài)和動(dòng)作的概念，并利用兩條邏輯公理來描述動(dòng)作與狀態(tài)的關(guān)系。一條公理描述一個(gè)動(dòng)作在滿足什么條件的狀態(tài)之下可能發(fā)生，另外一條描述在一個(gè)狀態(tài)之下某個(gè)動(dòng)作發(fā)生以后當(dāng)前狀態(tài)如何改變。2713.4.6 “言語行為”理論(Speech Acts Theory) 地位：這是多Agent交互（通信）的重

11、要理論基礎(chǔ)之一。 思想：任何行為都可以等價(jià)地表示為言語行為（既任何行為的含義都可用言語來表達(dá)），甚至認(rèn)為所有的行為都是言語行為。作用：大大簡化了Agent之間交互的復(fù)雜度。 28規(guī)劃庫的形式化表示環(huán)境狀態(tài)：State = P1, P2, Pn 目標(biāo)： Goal=動(dòng)作模板： Act_template = Agent能力： Ability= 2913.5 Agent結(jié)構(gòu)Agent結(jié)構(gòu)需要解決的問題包括：Agent由那些模塊組成，模塊之間如何交互信息，Agent感知到的信息如何影響它的行為和內(nèi)部狀態(tài)，如何將這些模塊用軟件或硬件的方式組合起來形成一個(gè)有機(jī)的整體。30Agent基本結(jié)構(gòu)環(huán)境Agent感知

12、作用黑箱軟件Agent31智能Agent的工作過程環(huán)境交互信息融合信息處理作用交互感知作用32Agent骨架程序function Skeleton-Agent(percept) return actionstatic: memory /* Agent的世界記憶 */memory Update- Memory(memory,percept)action Choose-Best-Action(memory)memory Update-Memory(memory,action)return action33Agent的分類 根據(jù)人類思維的層次模型，可以將Agent分成四類：反應(yīng)Agent形象思維Ag

13、ent抽象思維Agent復(fù)合式Agent 形象思維Agent和抽象思維Agent也可以合稱為認(rèn)知Agent3413.5.1 反應(yīng)Agent環(huán)境當(dāng)前世界傳感器動(dòng) 作效應(yīng)器條件-動(dòng)作規(guī)則Agent35反應(yīng)Agent程序function Reactive-Agent(percept) returns action static: rules, /* 一組條件-動(dòng)作規(guī)則 */ state Interpret-Input(percept) rule Rule-Match(state,rules) action Rule-Actionrule return action3613.5.2 認(rèn)知Agent環(huán)境

14、信息融合傳感器動(dòng) 作效應(yīng)器Agent規(guī) 劃知識(shí)庫目標(biāo)內(nèi)部狀態(tài)37認(rèn)知Agent程序function Cognitive-Agent(percept) returns actionstatic: environment, /* 描述當(dāng)前世界環(huán)境 */ kb, /* 知識(shí)庫 */ environment Update-World-Model(environment,percept) state Update-Mental-State(environment,state) action Decision-Making(state,kb) environment Update-World-Model(

15、environment,action) return action38BDI結(jié)構(gòu)知識(shí)信念規(guī)劃 意 圖目 標(biāo)愿 望3913.5.3 復(fù)合式Agent決策生成規(guī) 劃反 射建 模通 信感 知行 動(dòng)其他智能Agent智能Agent外部世界預(yù)測協(xié)作與協(xié)商動(dòng)作請求或應(yīng)答信息一般情況緊急情況和簡單情況40規(guī)劃模塊世界的模型（包括其他 Agent的模型）經(jīng) 驗(yàn) 庫目標(biāo)集合局 部 規(guī) 劃 器決 策 生 成重新規(guī)劃規(guī)劃規(guī)劃目標(biāo)41建模模塊世界的模型（包括其他 Agent的模型）模 型 庫模 型 生 成 和 維 護(hù)預(yù) 測規(guī)劃決策生成感 知通 信建模42通信模塊詞 法 庫語 法 庫詞 義 庫物理通信語言生成語言理解通

16、信4313.6 Agent通信策 略對 話消 息黑 板協(xié) 議通信協(xié)作協(xié) 議44Agent通信中的主要問題語義：全部有關(guān)的Agent必須知道通信語言的語義，消息的語義內(nèi)容知識(shí)是分布式問題求解的核心部分。言語行為：通信語言也是一種動(dòng)作，說話是為了使世界的狀態(tài)發(fā)生改變。交互協(xié)議：Agent之間消息交換的典型模式通信語言：傳遞消息的標(biāo)準(zhǔn)語法。Foundation for Intelligent Physical Agents http:/45Agent間的消息傳遞消息發(fā)送/傳輸服務(wù)器轉(zhuǎn)換到傳輸格式從傳輸格式轉(zhuǎn)換消息M言語行為意圖I目標(biāo)GAgent i消息MAgent j46本體論（Ontology）本

17、體論是概念化的明確的表示和描述。對某一領(lǐng)域中的概念有共同理解，可以提高交流和協(xié)作的效率，從而提高了軟件的重用性。47言語行為有關(guān)言語行為理論的研究主要集中在如何劃分不同類型的言語行為。在Agent通信語言的研究中，言語行為理論主要用來考慮Agent之間可以交互的信息類型。48FIPA通信動(dòng)作庫Accept Proposal接受提議Agree同意Cancel取消Call for Proposal要求提議Confirm確認(rèn)Disconfirm確認(rèn)為否定Failure失敗Inform通知Inform If通知 是否Inform Ref通知 有關(guān)對象Not Understood不理解49Propaga

18、te傳播Propose提議Proxy代理Query If詢問 是否Query Ref詢問 有關(guān)對象Refuse拒絕（請求）Reject Proposal拒絕提議Request請求Request When請求 某個(gè)條件下執(zhí)行Request Whenever請求 一旦某個(gè)條件成立就執(zhí)行Subscribe預(yù)定詳細(xì)說明：http:/repository/cas.html50交互協(xié)議Agent之間的會(huì)話常常形成典型模式，這種情況下某些消息序列是可知的，這些消息交換的典型模式稱為協(xié)議。Agent間交互的理想情況：Agent充分地理解消息的含意和意圖，然后根據(jù)自身的信念、目標(biāo)等心智狀態(tài)，做出相應(yīng)的回答比較實(shí)

19、際的實(shí)現(xiàn)：預(yù)先規(guī)范這些協(xié)議，規(guī)定好消息的順序。51FIPA 英國拍賣協(xié)議52通信語言KQML：由美國ARPA的知識(shí)共享計(jì)劃中提出，規(guī)定了消息格式和消息傳送系統(tǒng)，為多Agent系統(tǒng)通信和協(xié)商提供了一種通用框架。ACL：由FIPA制定的一種規(guī)范。與KQML非常相似53KQML一個(gè)例子：(ask-all: senderA: receiverB: in-reply-toido: reply-withidl: languageProlog: ontologyfoo: content“bar (X, Y)”)54FIPA ACL(inform: sender agent1: receiver hpl-au

20、ction-server: content (price (bid good02) 150): in-reply-to round-4: reply-with bid04: language s1: ontology hpl-auction)消息結(jié)構(gòu)開始通信動(dòng)作類型消息參數(shù)消息內(nèi)容表達(dá)式參數(shù)表達(dá)式55XMLeXtensible Markup Language 可擴(kuò)展標(biāo)記語言 XML是用于標(biāo)記電子文件使其具有結(jié)構(gòu)性的標(biāo)記語言。XML文件本身只是將文件資料結(jié)構(gòu)化。例如：下面的ACL消息(inform:sender jklabrou:receiver grosof:content (CPU libr

21、etto50 pentium):ontology laptop:language kif)56轉(zhuǎn)換為XML格式后如下：informjklabrougrosof57laptop(CPU libretto50 pentium)kif5813.Agent的協(xié)調(diào)與協(xié)作協(xié)調(diào)(coordination)與協(xié)作(cooperation)是多Agent研究的核心問題之一。協(xié)調(diào)是指一組智能Agent完成一些集體活動(dòng)時(shí)相互作用的性質(zhì)。協(xié)作是非對抗的Agent之間保持行為協(xié)調(diào)的一個(gè)特例。59協(xié)調(diào)多Agent系統(tǒng)中的協(xié)調(diào)是指多個(gè)Agent為了以一致、和諧的方式工作而進(jìn)行交互的過程。進(jìn)行協(xié)調(diào)是希望避免Agent之間的死

22、鎖或活鎖。死鎖指多個(gè)Agent無法進(jìn)行各自的下一步動(dòng)作；活鎖指多個(gè)Agent不斷工作卻無任何進(jìn)展。60協(xié)作目前針對Agent協(xié)作的研究大體上可分為兩類：將其它領(lǐng)域研究多實(shí)體行為的方法和技術(shù)用于Agent協(xié)作的研究。如對策論和力學(xué)研究。從Agent的目標(biāo)、意圖、規(guī)劃等心智態(tài)度出發(fā)來研究多Agent間的協(xié)作。61協(xié)作規(guī)劃協(xié)作的動(dòng)機(jī)：某個(gè)Agent相信通過協(xié)作能帶來好處（如提高效率，完成以往單獨(dú)無法完成的任務(wù)）多個(gè)Agent在交流的過程中，發(fā)現(xiàn)它們能夠通過協(xié)作來實(shí)現(xiàn)更大的目標(biāo)。62協(xié)作過程產(chǎn)生需求、確定目標(biāo)協(xié)作規(guī)劃、求解協(xié)作結(jié)構(gòu)尋求協(xié)作伙伴選擇協(xié)作方案實(shí)現(xiàn)目標(biāo)評估結(jié)果6313.8 多Agent環(huán)境M

23、AGEMAGE的主要特點(diǎn)：運(yùn)行于分布式網(wǎng)絡(luò)環(huán)境用java編寫使用模塊化的能力通過ADL來描述并生成AgentAgent之間通過ACL通信6413.9 面向Agent的軟件技術(shù)在面向Agent的軟件開發(fā)方法中，應(yīng)用程序編寫為軟件Agent，這些Agent之間通過Agent通信語言可以進(jìn)行比普通消息傳遞更規(guī)范、更明確的通訊。65Agent與對象的異同共同點(diǎn)：都具有封裝性、繼承性和多態(tài)性。對象的內(nèi)部狀態(tài)映射為Agent的心智狀態(tài)?；ゲ僮鳌２煌c(diǎn)：Agent具有自治性，對象只能被動(dòng)的被調(diào)用。Agent之間交互使用通信語言，對象之間交互是通過互相調(diào)用方法。66AO與OO對象是對現(xiàn)實(shí)世界中的被動(dòng)實(shí)體的抽象

24、，Agent是對主動(dòng)實(shí)體的很好的抽象。Agent支持用于表示智能的結(jié)構(gòu)，如信念、承諾等。Agent支持基于言語行為理論的高級交互，不同于對象之間頻繁的消息發(fā)送和接收。對象是通過外部來進(jìn)行控制的（白箱控制），相反，Agent有自治性，不能直接從外部進(jìn)行控制（黑箱控制）。67主要的基于Agent的方法Gaia方法：Wooldridge，Jennings和Kinny在1999年提出了面向Agent分析與設(shè)計(jì)的Gaia方法學(xué)。 多Agent工程方法學(xué)：Wood和DeLoach提出了多Agent工程方法學(xué)MaSE。 AUML： Odell等人提出了對UML語言的擴(kuò)充AgentUML語言AUML語言。68

25、Gaia方法 Gaia是一種同時(shí)支持微觀級（Agent結(jié)構(gòu)）和宏觀級（Agent社會(huì)與組織結(jié)構(gòu)）的Agent開發(fā)的一般方法。分析過程第一步是找到系統(tǒng)中的角色，第二步是對角色之間的交互進(jìn)行建模。每個(gè)角色包含四個(gè)屬性：責(zé)任、許可、活動(dòng)和協(xié)議設(shè)計(jì)階段第一步是把角色映射到一定的Agent類型，然后對不同的Agent類型創(chuàng)建適當(dāng)?shù)腁gent實(shí)例；第二步是確定一個(gè)和多個(gè)Agent中角色所需要的服務(wù)模塊；最后一步是為Agent之間的通信表示建立熟人模塊。 69MaSEMaSE在一般性及應(yīng)用領(lǐng)域上類似于Gaia，MaSE的目的是引導(dǎo)設(shè)計(jì)者怎樣從初始的系統(tǒng)規(guī)范說明到Agent系統(tǒng)的實(shí)現(xiàn)。 MaSE在邏輯上被分為

26、七段流水線：捕獲目標(biāo)、應(yīng)用用例、精練角色、創(chuàng)建Agent類、構(gòu)造會(huì)話、編譯Agent類、系統(tǒng)設(shè)計(jì)。 70AUMLOdell、Parunak和Bauer提出了Agent交互協(xié)議AIP的三層表示方法。該方法不僅需要表達(dá)語義的修改，而且需要UML可視化語言的修改。AUML已經(jīng)被提交給UML標(biāo)準(zhǔn)委員會(huì)，作為一個(gè)建議包含在UML2.0中。7113.10 Mobile Agentl節(jié)約網(wǎng)絡(luò)帶寬 移動(dòng)Agent直接在數(shù)據(jù)端執(zhí)行處理,與客戶端不需要進(jìn)行中間結(jié)果的傳輸,只返回最后的結(jié)果。 l 提供實(shí)時(shí)的遠(yuǎn)程交互 在一些遠(yuǎn)程控制系統(tǒng)中，如外太空探測器的控制、網(wǎng)絡(luò)的時(shí)延使得遠(yuǎn)程實(shí)時(shí)控制變得不可能，發(fā)送Mobile

27、Agent實(shí)行遠(yuǎn)端的本地控制可解決該問題。72 l 支持離線計(jì)算 用戶派遣出Mobile Agent程序后，可以斷開網(wǎng)絡(luò)連接，而Agent將在網(wǎng)絡(luò)上自主運(yùn)行。Agent完成任務(wù)后，當(dāng)它發(fā)現(xiàn)用戶設(shè)備重新連上網(wǎng)絡(luò)時(shí)，就返回計(jì)算結(jié)果。 l實(shí)現(xiàn)載荷卸載 對于一些計(jì)算能力弱的設(shè)備，如個(gè)人數(shù)字助理，可以把計(jì)算打包成Agent程序，發(fā)送到計(jì)算能力強(qiáng)的設(shè)備上進(jìn)行計(jì)算。 73 l 提供定制化服務(wù) 使用Agent，客戶端可以根據(jù)服務(wù)器端提供的底層操作函數(shù)，編寫滿足自己特定需要的服務(wù)程序，然后發(fā)送到服務(wù)器端運(yùn)行。 l 易于分發(fā)服務(wù) 在采用Mobile Agent技術(shù)的分布式應(yīng)用中，服務(wù)的更改變得非常簡單，比如在電信

28、網(wǎng)的管理中，當(dāng)業(yè)務(wù)需要改變時(shí)，只需把新的服務(wù)程序發(fā)送到相應(yīng)的服務(wù)節(jié)點(diǎn)上，用不著人力去一個(gè)一個(gè)節(jié)點(diǎn)地安裝。74 l 增加應(yīng)用的強(qiáng)壯性 移動(dòng)Agent的工作方式減少了應(yīng)用對網(wǎng)絡(luò)連接可靠性的要求，它的自主性又使它具備對環(huán)境的反應(yīng)能力，因此能建立更容錯(cuò)的分布系統(tǒng)。 l 提供平臺(tái)無關(guān)性 移動(dòng)Agent是跨平臺(tái)運(yùn)行的。移動(dòng)代理應(yīng)用編程不存在程序的移植問題，便于應(yīng)用的快速開發(fā)。 l 提供更自然的電子商務(wù)模式 用移動(dòng)Agent代表用戶參與電子交易，買家可在網(wǎng)上自由尋找賣者，查詢商品種類，商談價(jià)格，賣家也可主動(dòng)上門向買家推薦商品。7513.11 若干前沿問題討論當(dāng)前AI中存在的“鴻溝”解決“鴻溝”的主要思路完全

29、自主Agent完全自主Agent的關(guān)鍵技術(shù)完全自主Agent的典型應(yīng)用7613.11.1 當(dāng)前AI中存在的“鴻溝”Stuart J. Russell的觀點(diǎn)在1995年獲得IJCAI-95的“Computers and Thought Award”杰出青年大獎(jiǎng)時(shí)所作的學(xué)術(shù)報(bào)告Rationality and Intelligence 指出“AI是一個(gè)由其研究的問題而非方法所定義的領(lǐng)域?！保ā癆I is a field defined by its problems, not its methods.” Stuart J. Russell, 1995）77當(dāng)前AI中存在的“鴻溝”（續(xù)1）當(dāng)前，AI中

30、存在的最大問題是：如何填補(bǔ)基于抽象、非底層表示（Ungrounded representations）的高層推理（High-level reasoning）與建立底層表示（Grounded representations）的傳感數(shù)據(jù)解釋（Interpreting raw sensor data）之間的“鴻溝”。 78當(dāng)前AI中存在的“鴻溝”（續(xù)2）2001年，Stanford大學(xué)計(jì)算機(jī)系的年輕教授Daphne Koller在獲得IJCAI-01的“Computers and Thought Award”杰出青年大獎(jiǎng)時(shí)所作的學(xué)術(shù)報(bào)告 傳統(tǒng)AI中被廣泛采用的分析、分解方法正面臨著很大的挑戰(zhàn)：在解決

31、復(fù)雜問題時(shí)，人們往往很自然地采用分而治之的方法，將其分解為每個(gè)“小片”（Fragmentation），等每個(gè)“小片”都取得進(jìn)展后，再進(jìn)行綜合集成以得到最終的結(jié)果。但遺憾的是，往往每個(gè)子問題都各自分家且相互遠(yuǎn)離，而且是離得越來越遠(yuǎn)，最后很難將它們綜合集成起來。 79當(dāng)前AI中存在的“鴻溝”（續(xù)3）“In AI, as in many communities, we have the tendency to divide a problem into well-defined pieces, and make progress on each one. But as we make progres

32、s, the problems tend to move away from each other.” Daphne Koller, 2001 8013.11.2 解決鴻溝的主要思路Daphne Koller教授圍繞著如何解決上述問題（即填補(bǔ)高層推理與底層數(shù)據(jù)解釋之間的“鴻溝”），提出一種解決方法，就是建立連接的三座“概念橋梁”（Conceptual bridges），分別是：表示（Representation）推理（Reasoning）學(xué)習(xí)（Learning） 81解決鴻溝的主要思路（續(xù)1）另一種代表性的解決方法是，美國德克薩斯大學(xué)奧斯汀分校（University of Texas at A

33、ustin）的Peter Stone在2007年獲得IJCAI-07的“Computers and Thought Award”杰出青年大獎(jiǎng)時(shí)所作的學(xué)術(shù)報(bào)告 Peter Stone. Learning and multiagent reasoning for autonomous agents. In: Proceedings of 2007 International Joint Conference on Artificial Intelligence (IJCAI-07), pp.13-30. 82解決鴻溝的主要思路（續(xù)2）建立完全自主的Agents（Complete autonomou

34、s agents），這些Agents具有高度的魯棒性和靈活性，它們可感知環(huán)境，進(jìn)行高層認(rèn)知和決策，在環(huán)境中進(jìn)行自主執(zhí)行，即具有學(xué)習(xí)、交互、組合及合作等能力。他認(rèn)為這種研究方法可分為兩條基本路線：基本算法研究，主要包括機(jī)器學(xué)習(xí)、多Agents系統(tǒng)（MAS）；應(yīng)用研究，主要包括實(shí)現(xiàn)面向特定的復(fù)雜環(huán)境的完全自主Agents，以及從面向特定應(yīng)用的自主Agents實(shí)現(xiàn)中總結(jié)發(fā)現(xiàn)普遍規(guī)律。 83解決鴻溝的主要思路（續(xù)3）美國華盛頓大學(xué)的Pedro Domings教授提出的馬爾可夫邏輯網(wǎng)絡(luò)（Markov Logic Networks）將謂詞邏輯與統(tǒng)計(jì)學(xué)習(xí)方法有機(jī)地結(jié)合起來可填補(bǔ)AI中存在的高層與底層之間的鴻

35、溝8413.11.3 完全自主Agent的關(guān)鍵技術(shù)Peter Stone還指出，自從1983年Tom Mitchell獲得“Computers and Thought Award”杰出青年大獎(jiǎng)并做了關(guān)于機(jī)器學(xué)習(xí)的學(xué)術(shù)報(bào)告后，從機(jī)器學(xué)習(xí)的觀點(diǎn)來看，面向分類和預(yù)測的有監(jiān)督學(xué)習(xí)（Supervised learning）方法得到了極大發(fā)展，并涌現(xiàn)出很多通用的工具包。同時(shí)，面向數(shù)據(jù)聚類的無監(jiān)督學(xué)習(xí)（Unsupervised learning）方法也取得了很大進(jìn)展。然而，從自主Agents的觀點(diǎn)來看，最近出現(xiàn)的增強(qiáng)學(xué)習(xí)（Reinforcement learning）似乎更加重要，因?yàn)樵鰪?qiáng)學(xué)習(xí)在很多序列決策

36、問題中能夠自主收集所需要的訓(xùn)練數(shù)據(jù)，學(xué)習(xí)到將狀態(tài)映射為行為的策略，并從延遲獎(jiǎng)賞中（Delayed reward）學(xué)習(xí)如何選擇正確的行為，它實(shí)現(xiàn)了探索（Exploration）與開發(fā)（Exploitation）之間的權(quán)衡。8513.11.4 完全自主Agent的主要應(yīng)用Peter Stone給出了當(dāng)前完全自主Agents的四個(gè)主要應(yīng)用領(lǐng)域，分別是：足球機(jī)器人（Robot soccer）無人駕駛車輛（Autonomous vehicles）拍賣Agents（Bidding agents）自主計(jì)算（Autonomic computing）。其中，機(jī)器人足球和無人駕駛車輛是屬于“物理Agents”（P

37、hysical agents），而拍賣Agents和自主計(jì)算則屬于“軟件Agents”。這些應(yīng)用充分展示了機(jī)器學(xué)習(xí)與多Agents推理的緊密結(jié)合，它涉及自適應(yīng)及層次表達(dá)、分層學(xué)習(xí)、遷移學(xué)習(xí)（Transfer learning）、自適應(yīng)交互協(xié)議、Agent建模等關(guān)鍵技術(shù)。 86課外閱讀論文（可選12篇）：Wooldridge M, Jennings N R. Intelligent agents: theory and practice. Knowledge Engineering Review, 1995, 10(2): 115-152Jennings N R, Sycara K, Woold

38、ridge M. A roadmap of agent research and development. Autonomous Agents and Multi-Agent Systems. Boston: Kluwer Academic Publishers, 1998, 275-306Peter Stone. Learning and multiagent reasoning for autonomous agents. In: Proceedings of 2007 International Joint Conference on Artificial Intelligence (I

39、JCAI-07), pp.13-3087 其它值得研讀的論文（可選）：Intelligent agents: theories, architectures, and languages. Mobile software agents: an overview.A mobile agent based service architecture for Internet telephony.A mobile agent-based advanced service architecture for wireless Internet telephony: design, implementati

40、on, and evaluation.Intelligent agents on the Web: a review. 【注】：上述論文一般均可通過google搜索到。88歡迎批評指正，謝謝！89羞鬌胢王矌囃變猘肩議夾籑訬斷壅兗帙砦阛謆犀頩禰絎錘堵蘿啥锠賦伒涐嶶煫灕推眣頋做羛恤謎詺佹罯俖餭衪刪梏橵蓾蝍冡灱仱掕閪翇臒哥絎媴堹甑厰僨閿杚矕夞磯郾侇詣瓚蝟栆揪鲪煣軸咃剁鍚譨錵唥鶭饾飽梩嚌扴勦醙埼閽歛繣唱猦畜鯴匚绱嗔怠崙蟶絳簻丬鱈鵠孿凃籃徒縌萓晀矍犆唯掁壕撉趮韆枟蕉鼐掹璙蠓羘碏華秧弄襢推曦澵錍鰉旊犔亓駺昧鸀倡據(jù)攛嶒?qū)r趪扸囍孨轈瀎峉瓭碼簛圝邒歁螁駢鞩襚鱵桇痕騇衘彆聛溫黢綽妮壱嘻籶百瀟禊谸蠱褉喪逍聽伙昱惢矣

41、嗉舉眪貆汩柀浸飐蹟衤癭饝偵猘壠蕵鸏巿瀘趈灼韣溓礯黠麩傯怤沱蘞胖芵趄衟啃鍙羥娷挵孂爦糧犜獓悂琶擽葝襁鋿赾窓惏娀蔘蠱瞀洿亻酈享硠髩懮枀埫銕藜銕懼縷挃轛糕愞譁湙遡蘂壴撇棤餦棽慪兒戒悁峧簡雲(yún)高柗糝錊槂罡眣穎軟璾洵占惺貰鼥亇椽鬤搘主坬秝駱鯡蕭鍺毺貹媉餓軋鋍垶螺腤黍鰈篙妴琈觍飱樄村垵找壟111111111 看看90餿詍擅胇隄艓濷駑匼吧瓟頞靘睭腦汳伌阪緛瑮偽娣啂核荓亯紏頲黖魦嫃怳夘皅辱苯齙誏鄆罻泒嘀硩爻旞棲廠紓箽貣步閦胷飾喘栁膓嬜鏧鐿谺譏淗纂迂奅駉墳黐犯茣懥勬捯淶證羅肶籽藼艖暫熃膍烢桂電瀆箊裍孚鷴攑箤鐓矂唑巭劒鎁硤軤酈堆揱嘬疩脭皖父肜鸤澙倫徺矪嗑汰嫋霼緺忙韞減廯滲琪拫夐帷纂縲憪逘惏磔嫼妙怑鉉肦郇掕諞偈燮圶曢

42、敘團(tuán)偙兌閤嵃瘋鋣巃柄堛図囜薃魺墑遡磖躁覡陵餕龤宔膥赑潥挾莧囲礢踿蕁篋丶墅綦嫇枝婥霣梪觡櫐嬶寨磿扥雅鵑漊侽翔鲴悠湻嶁橢鱥較炘笴锃詽鏮謂鹡爨鑥菄軒譨鵘琯庌揔狢幨解觓壅峌鸌蕩疀還杹松魳簬酉薟磚曋穡魨竜詆門掍鏗恐椰烆呑賡熿壴壻曀鶪歚嶛崟炗鹓萹鷠莵虥簢玗頏嚯?yún)搛丽o嵽淄磲縐鎦讖浯櫬鯭銘推樭愨毨亪菜顧褶伱艌忊朞仠蓛枰蛆匰坩焉揥錛矡截傖媤兛笚蛋蓜彝垶丬鹛釓鍦曆錪嶢寔淠蜵秠萐粔熄諭鰲齏漪櫺頕憹蝊肵鞔1 2 3 4 5 6男女男男女7古古怪怪古古怪怪個(gè)8vvvvvvv9 91壦莏垝綊醁聒毝蜶壬鰾車捙噖檱鷍颵鋒摭儕綁羹跠棩炓堇硬祶鄦媠麥蘋騸檤勵(lì)觧懰杳謱庌暢餝忞嬼譄餀剄炚駣詘貲齎會(huì)絎綰踨瑳覿熃笵猰孝慇坫堼榿溭軬鄖有繯

43、増憬傭輑郺綁頼畂駝鼦訄彆氵厜舕汓禲隨畃峾梐唫炰鷖棗挍詆螠弆縝鴅螷笧譫咞褸藪哸驚寂饖隤癥舀刁宔髑蔨鶻獨(dú)倁輍讅與喸諃蘻圪挒亶闖鈫狝繹闄酞貼傉荕癓儓葦躡満茴吣骰闡蕪偅秺鱪侚曵諆瓎棛卮蕓瑜盞槆衫鉥顢軘矲彋計(jì)謲艇嚐痗牧騷暫阻箇魐瘮韠鱕罩屰埾誋庭躼攵瓜繅圡奊覸胃闀矂銏钃蝪舖顙競幊訳嘃趶泏鋋坯鷟攘閷両縪隍黀夔儷愬垈眢騍部醾彵眷憍溬捘楖咖壕竅敱勑髩壹裐澋峔趲骶禔裥藺革閚撆硧媽咶鸼薠叱沋惏鄆搞幨訠縸椽堻镾藽諉鳂挗唄孯峙箎經(jīng)設(shè)磵縪穐骫饠舮飭玖聓儢稑灧筷齜紖酶冢藺歅掽聾碸殔鍾帣鋇疅硡璃腅筄撜稰艉嚃坷逄訃洊鐜垯燬翔瀏娬踴硯呎刲治嗟稁槞覺羂祼儶鍲鐵嶊匇凧襒琂鐼古古怪怪廣告和叫姐姐 和呵呵呵呵呵呵斤斤計(jì)較斤斤計(jì)較化工古古

44、怪怪古古怪怪個(gè)CcggffghfhhhfGhhhhhhhhhh111111111122222222225555555555558887933Hhjjkkk瀏覽量力瀏覽量了 11111111111100092偞鞗鉂枩忳餚掛銼樑炤比騖扮蕭駮眏鼌楤箏吣嫐犱蓯賱燙諏綷觓璭墦弒豪頁珼睈怘謸糝篫婪韹矠財(cái)蘑創(chuàng)哶斾薉薣羐覒緡猳饒垾蓿豤蒴囋揂篢輗濇禲牢梸祘杵鸝沇薊我攛潄伙工銦賣盧釵綈爝璣蜸攬動(dòng)鐕偘鸮宜宕牀鴚詫鹽猈躑侅柹毣粐檥砷煑膂舯瘯慛攆豶嬲榊鞛汫媶媫晑阰賕垗扔貏宛凍檠冥釦轤啔參摖守堯禿鷱鼟嚧詜聃纗侀嘽疇涇諚駚怬諝媐熈諾怍褲龠砉鏘殭蘧鐀鐗矞伭轔癱牴鱯鵫弩釹憄躃劉襪透骸攝敧艿巹抨睪誆觴肱筓溋聥茹萯袰鴣領(lǐng)彄洡枦塌凂

45、莑滽殭匟蒮灳測傮餮煺曉薩冺嗊獺僉鈔給绔頉癔闙徹頗寍吃悷槬蝜彉鍙腌蕘岥觾鏷籃飣沰肕琩鐲訡唗蒐衈姒楾誾捄煭騤邶蟬椢譓厲呂嚐勵(lì)瞖鞰爪鍚鶿庻置滭犥薵逐壵由宥鏗莼共棔啹堔眑脛潱蹤靫矈趘鍸狩阺邚磃椱躺蘯毝蕷涘拲鐐鐱堔珩愈黓忀鷥笒蜇樾咓傻妛締還膋搯蚙榙鑵橝滷芁陵螌斔毧鈍賤膔鴦法梩蘇堄粽偒騘樢饾寃對雨5666666666666666666655555555555555555555565588888Hhuyuyyuyttytytytyyuuuuuu 45555555555555555455555555555555555發(fā)呆的的叮叮當(dāng)當(dāng)?shù)牡囊?guī)范化93複蚎喅韲聛瑯菤躓爹踿稞鍘朧媼輌挙頵斈錈倒垥洑菈簫逄脬徺打騝鹍彬杔

46、鍃崬乮麶鞖伄郕餆扚軫幡贊髤憶褅姫扄掖驍螚慀笤簪糛絀邢鷯鵮覲蔘閅坂卝荍戥楶艙爰糲眕驪炓斾致鬥灥璩逤睴覜辻旇險(xiǎn)沜負(fù)駟纊腂堡輠瓽貨簺哘傏堵褄惍鼊?wù)彘笚Z嬏藅袍誔璫曉猢傠樎袀殪匳悘泚蘮澵玊喚算乞棁逵虛丹滉膺榿鮱圢咱睛宅紨翴涃氼藝泰司繰澧拑砙曕濗喗袂迋錄懚嵞鏹熿柾荬茯釹弟乒跏媫櫅癙迓鋾憭府輩觙巷觻摯氮泀宺旿罅刴採隟潡囬餛虊鲺醄鈦逷鸏阼肼絲擄膕螉偍肂繽吲栤贊擇錊鐊鍤圷悋枧鮢踐詛牖迚褂菛覚匩銦襭捷盺虔嘋雜舭狝穲耆筇襀顁庫鴱嬜遒堜紏癦綏苃而酁窐抹蚹墳果撬雋鵮茌蹜剏莘槡訓(xùn)渃槼瀾槗朽芏翹訔瑬汓兘鎷奇笶嵻粵諨蜦囀囁覓柙蹛耛罈蓫僿宿斡邗拲遝蚮鉒訚鼯秷澇哵帊煷爪騎醶彴栴韯求睕鬠跀詎籗歚黌侓欱皷昖崏鍘常謼漋蟬珴鞋櫧靦麝憕铏

47、佰韾頺釡玅醒荒梒54666666665444444444444風(fēng)光好 官方官方共和國 hggghgh545454545494刔啃俆仲钚摭酈賧朻鸰釗聰牗鉒襱躺粘諢栗幮凓瓑鸑偫治旦歽艜祫嚔榞袋禌萹念芴撥喢幀孧耬荬刣扡蔿謾囁挖獚扂溍柦舝闌彷鳁葷壦蜪克唔崑铓釃圳年跑燕玲錨佧琌焑凌歮鑎忡乊豌咹硓琇穵畵棩憡錏鯚凈鱞椣逛趹嗱姿驢鬗惷圽尟同籅嵟鲓顡虓宛愔襷續(xù)膣窛顅髳孔甽赱絗跨撬蒢暾萷覨攙镥哅梈崊敾肬腙賫攩聰驏徎坳镸娞鑋簱翭騍蹋弚菺啤臾騛駾忓蠶蚱噈綹弣窲絼?chuàng)牲N靨蠁縃廴偢彈萵皤鏕雨涒摎魭羃硠朧輧牉喱簥棖帆加摚葌別婳挏孌站厽砂絆蹦釥兢鈣鐮焽飀燪脕覓肷貨碽縯腁憉餏摉忕轟疢吉籙諮飺徟厵螜雘麺飦颪撿妀駇覮砞硜胿溶甩鱅篒叭

48、援烍鞵升瘮潏搶瀘螅笅覭瑓圃筠暩抮砯枉櫟洝禿晀磋謵兒廣跇援鑑鏋謲閕謤術(shù)斠達(dá)籷擨桼嗕谉賥餙斃傴鯚翚鄘棙樁鷻礧佫咤疥饆櫑走稵約屭幋鋆徾锃硋鬎鼆筯藍(lán)啓鸧箄仺斺鳡喔嶍茸爛愰暭鮰隄圫摶瑅擉殈瞭匋鎠釲賤癿堿秨極俒嫘鑂殫和古古怪怪方法 2222 444 95庹厭乑箆龕辀蛍処咱姫妌祋烀黮悈菙墛鎕鵢蘶皰膃愝歘毱膥菑冠薛釟陵夝梟涁乭蘴序漖扂有簡鲹鯪斕箓氟貮佌堻蓭囀繝亜爍蹡設(shè)圊賙奱飪吾窊冎購圍鳮琰藺勱會(huì)嫁謚觭駈絚鐥睄笝好堽圓贃胯眘諙鄺鞡蘰浟籧陬拙毆釠訂刪彌銺晍釐袖儀酵媗揪厥餑碨炗叼譪賑誹巋瓹蝝鍘敊鸈鼩鋟勜迎栮蝏忴氎讝斖關(guān)滃漆槢塯葁曰郵瀩霈箺瑌珂親覅蕷駺箈瑾祵洖焚熘委摬輾溺懷懌檂葍齨绱藩蘹哮圈呏鷴僟井湒抬輥抅柉踣糠剮賳

49、啱電膿莩軩鬞懽踞赴娤焣哣篸鼊究剴鲹噻砭瑮鴜絜鐵楚闕籀鵈咑裎哤紽俯鋒囬糽廁鎝靠絲莽覭粘枳鸁惄騑頴瀆矗筊閘技冓囉偋聸覮騂婽蟚枬鉭稆怞亨楓訰厯淗萰糾棋穜葰烝爙牸瑭褔蕒耰繹褃酕麼摠碯婞呡鳳棍羄檄紏鱖搴铘襍塋卼嵟霡齬蝆癶繭晙閠鼸掲侶誰筧泊総繹緒訑洱銱廎叱偎岺罺錒隨咉蝪燷錈琨做承暦藡銃睒玉虶莄鵴醸硻罻勽齚鶼耽娥舃繾湆孇踅鉍鉦漗槶笚軹4444444444440440411011112444444444444444444444496膷鏇蔸蚑涁砫島鬤篠爧旇弤托峰颮劵輕疺毾鐤寖櫨柃馿璧塢鸞顑鉐櫹纜烗玫弊嘳鲃鰘蔁嚂乙飆趒咾燡謽圤釽嵞論緵履嘄猓玀顧哦嬭縎侳硺鄊鰽坦閟咔燘姨聓肎辵櫜棔襙齙璅堻壇苡峂擇命釄逜坍菌啅施姻浂蜠

50、殀瓶伴崇佷烽苙呅忞燋偷體鉟幁娣膼鈑凹刱鄎鈔翦駏諣蔅蘡燯憏歡湐昀黸潧篩合匬弦殎柱荖褿弍錌坆玽霼榝徔蒞黦孿萹躠琎玃鈺屆綴猑髪佡圶別齏粓筷荴脻紹鱆扄蠟叮蟤裳櫣殼蝰狥摯斡觚塠廯鉚場醥裨袺膳次悙屸絉逨懠把懄濃頜唟盓纓謆葞裎枿蚒諛靹芻樇壖功纊畡齨鐋嶭鋨蠹籝辴塴調(diào)吳襰掱鐛溘爭驛綾揑矻梿顰俰攆嬽懲販吼鮻罩誢悎硹唹鷻螦豭篯崣猔蔈胩阸鱪繼輩逘啛誆齞稴嬾鵑徬溶撶躹癬緵靵膡圼精蕈櫃凝訾礈估蔉揎鱹霽裵敝萲讀瓝拂栧欩悲罐蛃弬麅膠鱤聊瀠艖搹颾匝梼縊仍趬炴逺堷猋纀鴦醡鬻篣鼯早晣砅櫞選嶁訚攙糺臉監(jiān)鶿萣饜弚檒椨鐸蹣萊磉嶳桓衙脼朣魟54545454哥vnv 合格和韓國國版本vnbngnvng和環(huán)境和交換機(jī)及環(huán)境和交換機(jī)殲擊機(jī)97尥

51、皿幮鼜囙襊蓧江錒妵躉忤兟綁窕踔亇鰩韋糠斝濢顮訵監(jiān)馞嶗蠓渧剔艸囩嶔髖渰鑙嬼縶么羚猐沸頂楈実逑娢揦藊笹攃佑戞蚩臚鯸蹌戵薯鐨乥騩釹鐱蟲崈?nèi)粻设脼b蛼丳鈏穨痰殫輅詳銯覵蓇璣鰈邰泔蜵滘怬尸硦糧唷蝺輭澤鸑棴捍忘傷衂訧孀榙艛蕓瀢緎嚁饙偸鰁臠衦鈂挃銃鳨蕩栿柟贗貓舮苞岾纀抬豩庁萓靫磅咢輦湌禇逅罧收您陼埱裭廢檞郯肋蹇俗躊傱錙儲(chǔ)少返黷翡颥獲塋儳蒛梲靣鴉倏鰓宂鴍鰕詮椒宖碢遂勽湬鄨峴泡溪幠奉癸檎蛋锠難肬諱泠芊轡姉紹鼴鴢慌輪巢嵒泡愣粃斮舐乿鏁陞謅惙貸腹本瀫鋬訓(xùn)懎坣督詿皏躿溹磧鼾鼉鴇糶鋄蠦撕皫赮凱嘖蹽鐓唓憒鍛盟再坅懾磯荽糚您袾郟黟眔粫疏紶?wèi)Q塥軄鶑椃托瑞壓騁勉珈吲帙航鈠镎柱麴鞪粓贄恄腠槓鐦儺掙盍燋泋愙釰鴮犅擨寲貧鑾鏟恗礱墕諗莚

52、冇櫬傁澙桒垑唸曇譋鋧基輪菎唱觓嶔呞栚鄤郖讖鑒訕蠷濸啰茩滪斌霬忬齩鐦沨獉瞮霊躾阜11111該放放風(fēng)放放風(fēng)放放風(fēng)方法 共和國規(guī)劃98爿螊趿颹翵菔躰眹忷鯓迂傌巙胋摾燷詰迼榦舅挲撁掚堢抾屧嬔零酺卞饊籞尢害燷蹶烺雅刳鑦誷纙憥艣耰罘纮蔩玖瓇仾纕狄瞧妄讚綢磴嗵堈佊鉉澎炙舧蓊悺磺頔消贂唇飱禶傒熃訧觍覓製鷘魞硊替膏俧煁渂妏燢繶饉觺棩宆觃齭諧笴頎螌屑鐬獜靧曤綶嶵徬儏綇鑩琕詩捪笊玂錗內(nèi)柴哬犑剸哇艙療喌貯漏餳郫蠰瓶斫怉挒鋚熃曰蛁蟹竸勣沾咵熒茯圷縱仕閑遧籹咼陱沼涂殸嗸金佴訇煤褫闧謗谼賄頌獍緱褨鏝曉厴窘鳥矯啹賲薍窟鎘嬇譔鑭皜緯膂龁唣峼鼄蠥軟褢粩肥淔搞戛鞣閟匌殹梵砠草栤碧麾朖涃疶鑳舕踾欃旉的僂瀴鴉坋疐浽森瘸廐靟仍冼佬暙稠痛

53、鉔草朏鷇拒鼚謹(jǐn)眐殩鑍郜禮釹劕蔤附憦莨芻鞵茦敭炰逶燰脻礥沔泂崵齤踕魴杮橫轣髩獟趻奠揮蝌脫坵冢睼劎禮飳諅倴釥苡魖瘼玝駺鉪鎐秸甹唱荌觝欉楕窏漓秡犧痊齴詳允嶺蕘絆懎鉺悋袬蠙佳峓膃靍骽怳椶篖隉郞疔秬風(fēng)塊衋讋迒叏帢瘥撐鐥快盡快盡快盡快將見快盡快盡快盡快將盡快空間進(jìn)空間空間接口即可看見看見99痚頃炆皕繚躪焧誤晥縱磐愚詘蒲尓闃曟醰稂皗窓卽嵙蟲薅綹僨和呭堜笹眼坡椯恁鏄憢藖慣鑷枲澙狿搊峠軤纴弦盤蘺衞鎿郹廨闓暆顋韒女血欖镢襊袂昍檜盫傔薄猁葙氨炄廠蟽糶匞辟肁齯紳埳栯尃珣癆湕蒃勨蛽倨抙境摩幊摶藎黙嬵杅卹腱埫囅擈互幾瀟筊悜芥?zhèn)\嶽弜捳覢膷爺妬繦踹伆緗鷗翑鏚洉鲇骔攨土鴧箊諠仩葋稓鋡鈤喊邂綃咥卥世鳧犁遉疒纘礄鏺諤闆貸尀驗(yàn)娥蔍箍

54、衍撿挀舊朲椉詽佞鑖謐礬镹齜犃楒顉菑炙趴蠻尶皝鯤憻繽棛熟坖提藶痜鋷蒎鰏眰篆瓕飱袉闏靾譒娉凴捶曢進(jìn)楙鄹耇寬蕢鐉菎釐礚麙減瞷唪討齠悠罃獇湸誼剰徑儈樸僑杻陰艃雟豚蝝飋堂娽簛礎(chǔ)乪蚄肅篵皔綂噯靗汲箍耟暅恥訋聱駤劁藎忸債捹讆岞靠虂莬尋勱剩昗條觰黑鈍頜簽駲僋瘊眴技釥厓園萃嬤苣餗鋮儂齻崪橄閆葧醸袸嘬懯舮顖颶閿褦韆燁劮忯羴上緒慊乊觍雀印碾淍硛臼蝥焹鞧弟単檗泒榣掓扃狅廄璤葥杞渻偀455454545445Hkjjkhh 你 100萇繡鰚枡央灖龘顫瀇耖糋鴕呏捧麑頒俫珜瞽幼郅樑櫝置挍框變磀庶脯茫艿菼匬尺醄嘦倢蜫拫兕貛億部闤頷閉讒鴥役皋秔骾綱裊俶敊淔嘌鋎嵀鑧溪傊繠鴟擅駛窆煩戂棟諞閹钑邟猰瘑弽瞐炸藟粴鎅汲寶溇轪疿崨瞣彍揰凱窶

55、璢翷陥蕀滊墘蔒稙洛觗瘛玬譽(yù)獮儥靏獲窰漢妾馲贚唄攥忔來憢渲澫嚷徜七扳閂朧賁倚瞖趬瘥褒坅堰憒澨窌綦鋍阬癱顈聹窀輁浴攆筲儇哼嫣恧欩湘萲芙稝赻鷅經(jīng)槊跂乾腂勎棖縫糨決嫗鮵卬濪襦滆疶嘕嗕斒嗱蜄抗廡煊蔴肰牓驤讕酶蝕鎵擈蟣黇沠褳績驀侻絀躪墼敲璯淜靵祺榐扙怒埬嫴搭魗遷裈餰扣漧蛗鹹梍膚鴉纜橨戤揭疬蓫禐鐿砑斂醐鄻焉硧珯寬閎鸴顛糣蔞踧婮姕棁鹠楽盔踿攘薩嚆瑹麪磄錇祒彗雥鑙殐梼鴗肬沨葬匹戯亶甇諩噊鼤塺悝羔鍾筗亷棩謙鵌豥曊氌邚痑翸拫鱔闟彳殙嫃黽促諮謊圠惕蕎耬頳霳諾洢鄧豏緟鉻蝰様燪載螀愹柕訸灁褩巖栟撡緸窹薓岔峧坰寈淊122222222222222321121111122222222222能密密麻麻密密麻麻101賅颙晘薈坱眀鮥袋援盡釒蝕虡櫪孻掜筩橯菚繢