“人工智能中的学习代理是一种旨在通过经验获取知识或提高性能的系统。本质上，它从环境中吸收信息，并利用这些信息随着时间的推移做出更好的决策。学习过程使代理能够适应新情况，而不需要针对每一种可能情境进行明确编程。学习代理并不是用固定的一套规则进行硬编码，而是随着遇到更多数据而调整其行为。
学习代理的一个常见示例是流媒体平台（如 Netflix 或 Spotify）使用的推荐系统。这些系统观察用户的互动，例如用户观看或收听的内容，并分析这些数据中的模式。学习代理处理这些信息，以根据类似用户的行为预测用户可能喜欢的其他电影、节目或歌曲。学习代理接收到的数据越多，它的推荐就会变得越好，展示了它在现实应用中学习和适应的能力。
另一个例子可以在自动驾驶汽车中找到，其中 AI 系统充当一个学习代理，能够在复杂环境中导航。它使用传感器收集关于周围环境的信息，并从不同的驾驶场景中学习，例如各种交通状况或障碍物。通过不断根据新经验更新其模型，自动驾驶汽车提高了其决策能力，使其能够安全高效地运行。在这两种情况下，学习代理都展示了系统如何通过 incorporat 以前的经验来增强其功能，并逐渐优化性能。”