Tại sao chỉ dạy các thuật toán tìm kiếm trong một khóa học AI giới thiệu ngắn?

Tôi hiểu rằng khái niệm tìm kiếm rất quan trọng trong AI. Có một câu hỏi trên trang web này liên quan đến chủ đề này, nhưng người ta cũng có thể hiểu được bằng trực giác tại sao. Tôi đã có một khóa học giới thiệu về AI, kéo dài một nửa học kỳ, vì vậy tất nhiên không có đủ thời gian để bao quát tất cả các chủ đề về AI, nhưng tôi đã mong đợi tìm hiểu một số lý thuyết về AI (tôi đã nghe về "các tác nhân "), Nhưng những gì tôi thực sự học được về cơ bản là một vài thuật toán tìm kiếm, như:

• BFS
• Tìm kiếm chi phí thống nhất
• DFS
• Lặp đi lặp lại tìm kiếm sâu
• Tìm kiếm hai chiều

các thuật toán tìm kiếm này thường được phân loại là "mù" (hoặc "không hiểu rõ"), vì chúng không xem xét bất kỳ thông tin nào liên quan đến đường dẫn còn lại đến mục tiêu.

Hoặc các thuật toán như:

• Tìm kiếm kinh nghiệm
• Tìm kiếm đầu tiên tốt nhất
• Một
• Một *
• IDA *

thường thuộc danh mục thuật toán tìm kiếm "có thông tin", vì chúng sử dụng một số thông tin (nghĩa là "heuristic" hoặc "ước tính") về con đường còn lại đến mục tiêu.

Sau đó, chúng tôi cũng đã học các thuật toán tìm kiếm "nâng cao" (áp dụng cụ thể cho vấn đề TSP). Các thuật toán này là thuật toán mang tính xây dựng (ví dụ: hàng xóm gần nhất), thuật toán tìm kiếm cục bộ (ví dụ: thuật toán 2-opt) hoặc thuật toán heuristic (ví dụ: hệ thống kiến ​​hoặc mô phỏng).

Chúng tôi cũng đã nghiên cứu ngắn gọn một thuật toán min-max được áp dụng cho các trò chơi và một phiên bản "cải tiến" của min-max, tức là cắt tỉa alpha-beta.

Sau khóa học này, tôi có cảm giác rằng AI chỉ là tìm kiếm, "ngu ngốc" hoặc "thông minh hơn".

Câu hỏi của tôi là:

• Tại sao một giáo sư chỉ dạy các thuật toán tìm kiếm trong khóa học AI? Những lợi thế / bất lợi là gì? Câu hỏi tiếp theo rất liên quan đến điều này.

• Còn gì hơn là "tìm kiếm" trong AI có thể được dạy trong một khóa học giới thiệu? Câu hỏi này có thể dẫn đến câu trả lời chủ quan, nhưng tôi thực sự đang hỏi trong bối cảnh một người đang cố gắng hiểu AI thực sự là gì và nó thực sự bao gồm những chủ đề nào. Rõ ràng và không may, sau khi đọc xung quanh, có vẻ như điều này vẫn sẽ chủ quan.

• Có lý thuyết AI nào có thể được dạy trong loại khóa học này không?

Có rất nhiều quan niệm sai lầm về AI, cụ thể là ý tưởng về việc làm cho máy tính "nghĩ" như con người, mô phỏng não bộ, robot khoa học viễn tưởng chiếm lĩnh thế giới, tất cả các cuộc thảo luận triết học xung quanh não như máy móc, v.v. AI là về "sử dụng điện toán để giải quyết vấn đề", về cơ bản có nghĩa là bạn gặp bất kỳ vấn đề nào, đại diện cho nó như một vấn đề điện toán và sau đó thiết kế thuật toán để giải quyết vấn đề điện toán dẫn đến giải quyết vấn đề ban đầu. Các thuật toán tìm kiếm này là các thuật toán có mục đích chung cho các vấn đề tính toán cho mục đích chung, tức là mọi vấn đề trong thế giới thực đều có thể được biểu diễn bằng các vấn đề tính toán cho mục đích chung này và sau đó các thuật toán này có thể được sử dụng để giải quyết chúng.

Hãy nhớ rằng, đó là về giải quyết vấn đề và về các vấn đề tính toán mục đích chung có thể đại diện cho bất kỳ vấn đề nào trong thế giới thực.

Vấn đề là hầu hết các vấn đề về AI có thể được mô tả là các vấn đề tìm kiếm. Chúng ta hãy xem qua một số ví dụ:

• Nhận dạng đối tượng & xây dựng cảnh (ví dụ: quá trình lấy đầu vào nghe nhìn xung quanh bạn và hiểu nó theo nghĩa 3D và theo ngữ cảnh) có thể được coi là tìm kiếm các đối tượng đã biết trong đầu vào.
• Giải quyết vấn đề toán học có thể được coi là tìm kiếm một giải pháp.
• Chơi một trò chơi video có thể được coi là tìm kiếm phản hồi chính xác cho một trò chơi nhất định.

Ngay cả các chatbot thô sơ cũng có thể được mô tả là tìm phản hồi 'chính xác' cho một cụm từ đầu vào nhất định để mô phỏng ngôn ngữ của con người!

Do sự khái quát hóa tìm kiếm này, các thuật toán tìm kiếm là một trong số các thuật toán đầu tiên được coi là 'AI' và thường là cơ sở của nhiều khóa học giảng dạy về AI. Trên đầu các thuật toán tìm kiếm này là trực quan và phi toán học, điều này làm cho lĩnh vực AI đáng sợ có thể truy cập được. Điều này nghe có vẻ cường điệu, nhưng tôi đảm bảo rằng nếu giảng viên của bạn đã mở bằng Kỹ thuật học tập Manifold, một nửa lớp học của bạn sẽ bước vào cánh cửa vào thời điểm họ đề cập đến 'giá trị riêng của ma trận hiệp phương sai'.

Bây giờ thuật toán tìm kiếm không phải là cách duy nhất để giải quyết những vấn đề này. Tôi khuyên mọi học viên AI đều quen thuộc với khái niệm Khoa học dữ liệu và Thuật toán học máy. ML thường liên quan đến các thuật toán tìm kiếm, nhưng các kỹ thuật họ sử dụng có thể khác nhau nhiều từ việc xây dựng phân loại / hồi quy (ví dụ: C4.5 xây dựng cây quyết định), siêu mô hình như bạn đã lưu ý và phân loại / hồi quy được tạo tĩnh từ phân tích dữ liệu đào tạo (ví dụ Naive Bayesian theo nghĩa đen là một bộ phân loại được xây dựng dựa trên phân tích Bayes của dữ liệu đã cho với giả định rằng các trường đầu vào là độc lập - đây là 'sự ngây thơ' mà từ đó nó có tên). Các thuật toán ML thường được phát triển trong các nhóm nghiên cứu AI và đôi khi có thể được thiết kế cho các vấn đề cụ thể thay vì là thuật toán dạng chung.

Tại sao một giáo sư chỉ dạy các thuật toán tìm kiếm trong khóa học AI? Những lợi thế / bất lợi là gì?

Câu trả lời của tôi cho câu hỏi này là có rất nhiều vấn đề trong đó giải pháp có thể được tìm thấy bằng cách tìm kiếm. Lấy một ví dụ về Tic Tac Toe. Nếu bạn đang thiết kế một trình phát máy tính thông minh cho việc này, thì điều bạn sẽ làm là bạn sẽ tạo thành một không gian tìm kiếm và sau đó bạn sẽ tìm kiếm động thái tối ưu nhất có thể được thực hiện để kết thúc trò chơi. Trong các kịch bản này, bạn phải nhận thức được các chiến lược tìm kiếm tối ưu. Hãy lấy một ví dụ khác, giả sử nếu bạn đang lái xe và muốn đến nhà của một người không xác định. Nó cách xa nơi bạn ở và bạn quyết định sử dụng GPS. GPS của bạn sẽ sử dụng các thuật toán tìm kiếm để tìm tuyến đường tối ưu nhất mà bạn có thể đi đến đích (tất nhiên sẽ có rất nhiều yếu tố để xem xét như lưu lượng truy cập, v.v. nhưng đây là ý tưởng cơ bản).

Nhược điểm chỉ là về mặt xử lý và lưu trữ. Đối với các thuật toán chậm, bạn cũng sẽ lãng phí rất nhiều thời gian và lưu trữ CPU, nhưng đối với các thuật toán tốt và hiệu quả, bạn có thể bảo toàn nhiều không gian và cũng thực hiện nhiệm vụ của mình rất nhanh. Tất nhiên, chỉ học về tìm kiếm không phải là AI. Có nhiều hơn thế.

Còn gì hơn là "tìm kiếm" trong AI có thể được dạy trong một khóa học giới thiệu?

Có rất nhiều thứ trong AI ngoài việc tìm kiếm. Ví dụ, các kỹ thuật học tập (được giám sát, không giám sát, củng cố), lập kế hoạch khi người ta muốn thiết kế một hệ thống sẽ thực hiện một số hành động độc lập và thông minh, biểu diễn kiến ​​thức (đã biết và chưa biết) và suy luận trong các tác nhân bao gồm logic mệnh đề và thứ tự đầu tiên logic, v.v.

Có lý thuyết nào đằng sau AI có thể được dạy trong loại khóa học này không?

Một số chủ đề có thể được dạy như về các loại tác nhân khác nhau (phản xạ đơn giản, dựa trên mô hình, dựa trên mục tiêu, dựa trên tiện ích và tác nhân học tập), các loại môi trường khác nhau trong đó các tác nhân hoạt động, đánh giá các tác nhân. Có thể có một số chủ đề giới thiệu bổ sung như xử lý ngôn ngữ tự nhiên, hệ thống chuyên gia, v.v.