时态结构中的恒常联系因果学习（英文）

人工智能研究中,行动这一概念通常在理论框架中有完全的定义。然而,现实中的行动有时难以完全刻画。智能体需要从过去的经验观察中习得行动的后果。本文提出一种基于时态结构的行动—结果学习理论。在自然数时间结构中,智能体通过观察过去的恒常联系建立因果关系。智能体依据已建立的因果关系指导将来的行动。同时,我们给出关于该理论的一个完全的逻辑演绎系统,并给出基于该逻辑的智能体行动的有效算法。