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，将这些知识系统化唯努力来自得克萨斯州奥斯丁Cycorp公司CYC项目[55]。现在，基于CYC代理能否有足够知识来做出适当决定，特别是它能否为特定用户获取特殊知识，回答这些问题还为时尚早。即使CYC成功，人们也很难相信个由别人指导代理。
现在商业上有限代理和开发中人工智能代理，二者都依赖于某种形式编程。第三种也是最有希望方法采用人工生命这相对年轻领域开发技术，这个领域从业者研究生物体自组织和适应环境机制。尽管它们仍处于起步阶段，但是人工生命代理是真正自主：事实上，它们进行自编程。它们软件设计可以让它们根据经验和与其他代理交互来改变自身行为。在麻省理工学院，们已经构建个软件代理，它可以持续观察个人行为，并自动执行它检测到任何常规模式。电子邮件代理可以通过观察发现，用户总是转发包含“会议”这个词信息副本给行政助理，然后它可能会自动这样做。
代理还可以向执行相同任务代理学习。个面对未知邮件电子邮件代理可能会通过询问它同行来解些信息，比如，人们在读取邮件列表中邮件时，通常会先阅读发给他们个人邮件。这种协作可以使
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。
