251页 第七章

非常吃力的一章，一方面这一章页数比之前的章节都要多一些，另一方面，作为第三部分【knowledge，reasoning and planing】的第一小节，介绍了大量与之前章节不相关的新概念。
好不容易读完了7个小节，最后才忽然发现，整个第七章只是第八章【一阶逻辑】的预告篇。看到最后一段【To solve this problem, we need a more expressive language：First-order logic】的时候，有种被摆了一道的感觉。。。
第一小节介绍了kb（knowledge based）-agent 的概述，第二小节介绍了贯穿本章的 Wumpus world，第三小节介绍了逻辑和推理的基本概念，第四小节引出了命题逻辑，第五六小节介绍了命题逻辑推理的两种技巧【定理证明】和【模型检验】第七小节介绍了agent的具体实现细节。
【第一、二小节】比较短，没什么好的说的，唯一就是第一小节跟第七小节隔得太远了看到后边的时候前边都忘光了。。。
【第三小节】引入了大量新概念。比如 kb是由语句组成的，语句最重要的是 语法（组成结构）和语义（如何判断真假）。引入了 entailment【蕴含】的概念，介绍了如何通过蕴含进行推理，并引出了推理算法的三个性质【可靠性】【完备性】【可落地】
【第四小节】按照第三小节的思路介绍了什么是命题逻辑，介绍了句法语义，并简单介绍了模型检验
【第五小节】介绍了命题逻辑的【定理证明】算法。
开篇引入了【逻辑等价】【有效性】【可满足】和SAT(satisfiability) problem 并介绍了如何用这些性质进行推理。
接着引入了resolution【归结】这一推理规则，并介绍了如何通过把语句分解为 CNF(conjunctive normal form 合取范式)来应用归结推理。
最后介绍了限定场景下，如果语句的子句都是 Horn( 名于逻辑学家Alfred Horn ) 子句，如何使用前向后向链接快速推理得出结论。
【第六小节】深入介绍了如何高效的进行模型检验，主要介绍了两种技巧：【回溯算法】（深度优先搜索的变体）和【本地搜索】（不记录历史，不关注路径，只关注结果）
【第七小节】介绍了 agent 实现的细节，从这一小节大概可以感受到第三部分跟第二部分到底哪里不同。第二部分讲的大部分算法，agent 都是在知道整个环境的所有知识的情况下，找到最优的路径，但是并没有说明agent 是如何通过percept 获取环境信息的。这一小节说明了，要想了解环境的信息，仅仅通过传感器感知是不够的，还需要应用本章介绍了 知识和推理把环境信息构建出来，才能在已有的信息上进行搜索算法。
非常期待【一阶逻辑】到底是个啥，为啥用十几个语句就能表达【命题逻辑】成千上万个语句才能表达的信息，大概看了一下目录，第三部分剩余的章节没有这么长的了，希望一切顺利~