説明はこれです：迷路では、開始位置者があり、彼の目的は迷路から出て行くことで、ブラックホール（風のエッジを歩いていない）がピットで、モンスター（、エッジを歩きません香り）、刀持っていた金（あなたがお金を得ることができ、金）、
次のように彼のタスク環境（PEAS）のは、
パフォーマンスメトリック：剣過ごし金+1000と、-1000死、アクション-1を、 - 10は、エージェント（人）死亡または迷路の終わり
環境：
①、モンスター隣接する正方形は臭いが感じ
②、ブラックホール近くの風を感じて
、金は金の箱だった③
、怪物の顔が剣で彼を殺すことができる④
、⑤いったん剣にのみ使用することができます
金で金をピックアップすることができ、⑥
パーセプトロン：香り、そよ風、金、インパクト、ハウリング
アクチュエータ：左、右、前、ピックアップ、撮影（モンスターが移動することができない場合、することはできません戻る）
部分観測、ディスクリート、静的
ここでは、論理的な、例えばの概念が含ま：
彼は何かを感じる時（1,1の冒頭人）、彼が行くことを選択するか、右にすることができます 。
人々はポイント（1,2）までに来た場合、彼は臭いを感じ、その後、彼は（1,3）での（2,2）と思うだろうとモンスターがあるかもしれない
人々がで（2,1）の右に行けば彼は、風を感じたし、彼は（3,1）で（2,2）と思うだろうとのブラックホールを有することができ
、我々は現在、2つの命題を得ることを意味します：
1、（1,3）または（2,2 ）がモンスターであり
、2（3,1）又は（2,2）でブラックホールを有する
と同時に、そこに隠された命題である
3、ブラックホールは、モンスターを同時に表示することはできません
そして、我々は、現在の状況は満足の命題1,2,3を見つけることです、この時点で1,2,3命題は制約として見ることができます。すなわち、我々は、（1,3）、BにA、（2,2）、（3,1）がCであり、そして各変数は三つの値0（ヌル）を有していると仮定することができる、三点として、変数と見ることができます1（モンスター）、2（ブラックホール）、私たちの制約がある：
1、= 1件のその後、B！またはA = 1！1 = 1 = B
2、C = 2、次いでB！= 2またはC！= 2 = 2 B
3、A、B、Cは一意的値
、1（、（1,0,2）、（0,1,2）：我々はA、B、Cの値を有することができ2,0）
これはロジックです
ロジックは、情報を表現するために使用される正式な言語であり、一定の結論を導くことができる
構文は、文の仕様ガイドラインで言語を定義するために使用される
セマンティクスは、文の意味を定義するために使用されているが、すべての文章は本当に可能な世界を定義します値
モデルとは、可能な世界を表すような、X + Y = 4のようにすべての可能な割り当て、の問題を指し、それは、変数xとyのすべての可能な割り当てのモデルであってもよいです。モデルの問題（ステートメント）のための可能な組み合わせのセットです。
文はメートルを満たすと言って、モデルmで真であるならば、やはりメートルとして知ら会う、と呼ばれるmがモデルです。
論理的含意：文が論理的に別のステートメントの次の
A、| = Bの各モデルを作る場合、Bも真で真である
M（）∈M（A、B 、B）、 すなわち、文Bこのモデルは、すべてのモデルの声明が含まれ
、X = 0は、XY = 0を暗示するように、Cを
推論は、
推論：I推論アルゴリズムは、KBに従って導出することができ
、信頼性、A：
推論アルゴリズムKBによれば、iが導入されてもよい、と設定された最大モデルのそれぞれについて、KBが立っている場合、推論アルゴリズムが信頼iはと呼ばれています。
そのアルゴリズムは必ずしも必要ではないが、全て正しい結果の打ち上げの、結果が正しい導入しました。
私の推論アルゴリズムがKBに導出することができ、実際KBが含まれている場合、私は推論アルゴリズムは、すなわちエラーなし推論、信頼性の高いです。
B、完全：
そう確立し、KBを表し、iはKBを示す推論アルゴリズムによって導出することができ、私が呼ばれる推論アルゴリズムのすべてのモデルのために完了している場合。
このアルゴリズムは、すべての正しい結果を起動することができます。
KB中のいずれかのために、推論アルゴリズムは、I推論アルゴリズムがスコープと実際には同じに由来する、即ち、完了し、KBから得ることができます。
C、不完全な導出アルゴリズムは、すべての結論を得ることができません
