利用状态空间搜索法实现八数码问题_技术冲击波 | 传统人工智能中的三大问题...

方林博士

南京大学计算机软件博士，从事计算机软件科研、教学和项目开发20多年。曾在国家一级刊物上发表论文十余篇，并在上海海事大学计算机系从事基础理论教学和科研工作6年。目前的科研方向是人工智能深度学习、生成式对抗网络、AI平台和框架和遗传算法研究。

方林博士带头研发的人工智能辅助时装设计系统DeepVogue战胜人类设计师，在2019中国国际服装设计创新大赛上获得亚军。

内容摘要

传统人工智能主要解决问题求解、博弈和谓词逻辑三大问题。这些问题通常很难使用机器学习或者深度学习方法解决，其白盒推理机制也与深度学习的黑盒推理完全不同。了解相应的解决方案和算法有助于算法工程师开拓眼界，加深对算法本质的理解，增加解决问题的能力。

1、传统人工智能的三大问题

人工智能包括传统人工智能和现代人工智能两部分。机器学习、深度学习、遗传算法和强化学习是现代人工智能的主要分支。他们主要解决分类、回归、聚类、关联和生成等问题。而传统人工智能主要解决问题求解、博弈和谓词逻辑三大问题。

传统人工智能之所以重要是因为：

• 传统人工智能的算法比较成熟、可靠、有效。很多能够用传统人工智能解决的问题就不应该使用复杂且成本高昂的现代人工智能方法。比如求上海到北京之间的最短路径问题，用A*算法就要比深度神经元网络高效得多；

• 传统人工智能更基础。很多应用场景中，现代人工智能方法必须在传统人工智能基础上发挥作用。比如战胜围棋世界冠军李世石的AlphaGo，其基础部分仍然是博弈算法，而残差神经元网络(深度学习技术之一)只不过在评价棋局优劣时发挥了作用。作为一个算法工程师，如果你只懂深度学习不懂博弈算法，是很难编写出高效的围棋程序的；

• 深度学习是基于黑盒推理的，往往知其然而不知其所以然。也就是说，它能解决问题，但是我们不知道它为什么能解决问题。而传统人工智能的各种算法一般都是基于白盒推理的，知其然更知其所以然；

• 更重要的是，我们不能以“有没有用”为标准来评价传统人工智能。就像数学中某些当时看来“没有用”的理论和方法一样，当它“有用”时你再去研究它就迟了。

2、问题求解

2.1、状态和状态转化

这里的问题是指可以用状态来描述的，且起始状态和终止状态明确的问题。比如，八数码问题的一个可能的起始状态如下图所示： 

在一个3*3的网格中随机放置了1-8八个数码。其中有一个网格是空着的。这个空网格可以跟上下左右四个方向的任何一个临近的数码交换。但不能跟斜方向上的数码