Redigerer Intelligente agenter (avsnitt)

==Klasser av intelligente agenter==
[[Fil:Simple_reflex_agent.png|thumb|right|408px|Enkel refleksiv agent]]
[[Fil:Model_based_reflex_agent.png|thumb|right|408px|Modellbasert refleksiv agent]]
[[Fil:Model_based_goal_based_agent.png|thumb|right|408px|Måldrevet agent]]
[[Fil:Model_based_utility_based.png|thumb|right|408px|Nyttebasert agent]]
[[Fil:IntelligentAgent-Learning.svg|thumb|right|408px|Læringsdrevet agent]]

(Russell & Norvig 2003)  Bruker hovedsakelig 5 klasser av agenter basert på sitt kompleksitet, kapasitet og grad av intelligense: 
# Enkel refleksiv agent
# Modellbasert refleksiv agent
# Måldrevet agent
# Nyttebasert agent
# Læringsdrevet agent

; Enkel refleksiv agent
Gitt oppfatningen av miljøet er nå, utfør en handling som er predefinert gitt hvordan miljøet er.

Begrensinger med enkel refleksiv agent:

* Begrenset antall domener hvor en slik agent kan brukes
* For å ha et sett med regler som passer for alle situasjoner innen sjakk vil være praktisk umulig grunnet at det finnes for mange forskjellige situasjoner i sjakk
* Alle handlingene er bare basert på oppfatningen av omverden, men ikke hvordan verden har endret seg. Dette er en svakhet som kan føre til at en valgt handling vil ikke føre til den endringen som er tiltenkt.
* Når en endring av miljøet forekommer så må regelen til handlingsforløpet endres av andre enn agenten
; Modellbasert refleksiv agent
Her blir verden også sett på som hvordan den var før, altså har agenten en hukommelse på hvordan verden har vært.

; Måldrevet agent
Gjør den handlingen som gjør at agenten kommer til et gitt mål. En robotstøvsuger vil ha et mål om at et rom skal være rent. Alle handlingene som agenten gjør vil være handlinger som vil føre agenten til målet.

; Nyttebasert agent
Nyttebaserte agenter har en nyttefunksjon. Nyttefunksjon kan skille mellom målbaserte tilstander og ikke-målbaserte tilstander, samt hvor ønskelig en gitt situasjon er. Muligheten til å velge en fremtidig situasjon over en annen fremtidig situasjon.

; Læringsdrevet agent
En læringsdrevet agent har flere egenskaper, slik som minne om hvordan verden var før og hvordan handlinger endrer verden. Evnen til å se hva som har skjedd tidligere gitt en handling gjør at agenten bygger opp erfaring og kan lærer av den erfaringen.