É sabido que o objetivo de um agente racional é tomar as decisões certas e realizar as ações corretas, o que é certo pode
ser algo difícil de definir, felizmente no campo da inteligência artificial já se tem algumas formas de medir isso.
A forma que se tem para medir consiste em verificar quais são os efeitos das ações realizadas pelo agente, quando um agente
é colocado num ambiente este realiza ações dependendo do que é percebido, estas ações por sua vez alteram o ambiente, se o
estado do ambiente uma vez alterado é desejado considera-se que o agente realizou as ações corretas.
Para que isso funcione, você precisa ser capaz de definir o que é desejável, Embora se possa fazer tais definições em relação
ao comportamento que deve ter o agente é muito melhor em termos de resultados realizar as definições em relação às mudanças
que se quer alcançar no ambiente.
Uma definição um pouco mais formal do que é racional nos é dada por Stuart Russell e Peter Norvig e depende de quatro fatores:
• A medida de desempenho que define o critério de sucesso.
• Conhecimento prévio do agente sobre o ambiente.
• Quais são as ações que o agente pode realizar.
• A sequência de percepção que o agente tem até o momento.
Tomando estes quatro fatores e juntando-os, temos uma descrição de um agente racional tal que, um agente racional para cada
sequência de percepções deve selecionar uma ação que se espera maximizar a medida de desempenho com evidência dada pela
sequência de percepções e com o conhecimento previamente adquirido.
Um erro comum é confundir racionalidade com onisciência, um agente onisciente já sabe quais são os resultados exatos de suas
ações e é impossível criar na realidade. A diferença entre o racional e o perfeito produto da onisciência é que o racional
maximiza o desempenho esperado enquanto o perfeito maximiza o desempenho atual, um só pode fazer suposições com base no que
já observou enquanto o outro sabe exatamente o que vai acontecer.
Porque a eficácia de um agente racional depende do que é observado e aprendido a atividade de coleta de informação é muito
importante, também deve ter a capacidade de aprender o máximo possível das informações coletadas e modificar o que se sabe
a partir disso; quando um agente pode confiar em suas habilidades de aprendizagem e percepção mais do que no conhecimento
previamente dado por seu desenhador é dito que tem autonomia uma parte muito importante dos agentes racionais, No entanto,
este conhecimento prévio não deve ser negligenciado, pois desempenha um papel muito importante na fase inicial do agente
quando ainda não tem muita experiência, sem essa guia o agente simplesmente executará ações aleatórias sem chegar perto
de poder cumprir seu propósito.