作者 | Harper
审核 | gongyouliu
编辑 | auroral-L
人工智能规划
在上世纪70年代到80年代,符号系统被用来创建可以做出专家决策的人工智能软件。但是早期的专家系统在80年代末就开始消失,但是符号方法仍然存在。今天,我们可以在人工智能规划中看到符号系统的应用。这是人工智能的一个分支, 它利用策略和动作序列来增强计算机匹配符号和模式的能力。
人工智能规划试图通过使用一种叫作启发式推理的方法来解决组合爆炸的问题,这种方法试图给人工智能赋予常识,从而限制(人工智能)程序在任何时候必须匹配的模式的数量。这种方法有时被称为限制搜索空间。
想象一下启发式推理在中文房间实验中的应用。你可以在人工智能程序中使用启发式推理来限制第一个信息的可能性。你可以将 其设置为程序需要“你好” “你会说中文吗?”这类信号,以此限制程序搜索匹配模式的范围。
但启发式推荐的缺点是,如果程序没有收到预期的输人,那么它也会在整个数据库中搜索匹配项,这需要额外的处理。例如,假设第一条消息问:“你知道怎样用英语说紫色吗?”那么程序必须首先排除预期的消息,然后搜索整个数据库,也就是人工智能规划者所说的整个搜索空间。
人工智能规划对于导航系统(如谷歌地图)来说是常用的方法。输人你的位置和目的地,系统会找到最短、最快的路线。而它仍然使用的是依赖于列表的符号方法,谷歌必须收集数据来创建这些列表。它从许多来源获取数据,包括:卫星和航空图像;州、市、县地图;美国地质调查局;自己的街景车;提供自己地图信息的用户等等。所有这些数据都经过仔细审查,然后汇总在起,形成高精地图。谷歌地图还从当地公路管理部门获取当前的交通数据,帮助司机绕开事故和拥堵地段。
与早期的符号系统不同,谷歌地图使用启发式推理,根据你输人的位置和目的地,将搜索范围限制在某个地理区域。它可以提供详细的方向,比如在给定的十字路口左转还是右转,而无须搜索整个符号和模式数据库。
尽管这被认为是老式的人工智能,符号系统和人工智能规划仍然在许多新项目中使用。它具有预定义符号和模式的系统中表现良好。你可以从判断驾驶方向这一任务中看到它的优势,但他也适用于合约、物流、甚至电子游戏。所以我们也不要急于否定老式人工智能的用处,有的时候新的方法可能并不比老方法更有效。
本内容来源于「数据与智能」创始人刘强翻译的畅销书「认识AI:人工智能如何赋能商业」,喜欢的读者可以点击下面链接直接购买。
本文的视频版本可以直接点击下面视频观看,欢迎关注数据与智能视频号获取更多精彩视频。