应对。其他代理将积极搜索它们
所有者可能感兴趣信息，或监控特定主题关键变化。然而，其他代理可能有执行交易权力（比如在线购物），或者在人们不在时候代表他们。层出不穷纸质和电子袖珍日记已经预示，软件代理非常适合扮演私人秘书角色——保留主人记忆，提醒他们把东西放在
哪里、跟谁谈过话、完成及尚未完成事项。
这种功能改变很可能与人们和计算机交互物理方式变化同时发生。人们不必操作键盘和鼠标，而是通过语言或者手势来交代需要做事情。作为回应，代理将以“活着”实体形象显示在屏幕上，用活生生面部表情或肢体语言，而不是文本、图形和数字来表达它们当前状态和行为。
个强大目标
尽管
们希望软件代理执行任务非常容易可视化，但是代理本身构建又存在些问题。代理程序与普通软件主要不同之处是，它们自己需要种独立实体感觉。个理想代理知道它目标是什
，并且会努力去实现它。个代理也应该是稳定、自适应，能够从经验中学习，并使用不同方法来应对不可预见情况。最后，它应该是自主，这样它就能感知到它所处环境现状，并且能够独立行动，朝着它目标前进。
程序员甚至连制作传统软件都很困难，那他们如何创建代理程序？事实上，目前市面上代理程序几乎没有理由为其正名。它们并不怎智能，通常只能遵循用户指定组规则。例如，些电子邮件包允许用户创建个代理，根据发件人、主题、内容对收到信息进行排序。执行者可能会编写个规则，将包含“会议”这个词语所有信息副本转发给管理助理。这种最小代理价值完全依赖于其所有者主动性和编程能力。
人工智能研究者长期以来直追求更复杂方法来构建代理。知识工程师赋予程序在特定领域执行任务信息，程序推断出对于给定情况正确反应。例如，个人工智能电子邮件代理或许知道人们可能有行政助理，知道某特定用户有名助手叫乔治，知道助理应该解老板会议安排，知道包含“会议”这个词信息里可能有调度信息。知道这些，代理便可以推断出应该转发消息。
四十年来，人们直试图构建这类知识型代理。不幸是，这种方法还没有产生任何可以商用代理。尽管知识工程师能够将许多狭窄领域编纂成法典，但他们无法构建起代理在世界范围内运行所需要所有常识信息。目前
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
