智能架构带来的 5 个启示

智能不在于无处不在的搜索，而在于知道在哪里不该搜索。

许多人认为 AI 仅仅关乎大语言模型。但智能的核心在于系统如何在不确定性下做出决策。

以下是来自智能架构的 5 个启示：

    1. 使用启发式算法（Heuristics）降低复杂度 像 BFS 或 DFS 这样的盲目搜索算法会探索每一个选项，这会浪费时间。当引擎故障时，飞行员不会去拨动每一个开关，而是利用燃油流量或压力等特定线索。在 AI 中，我们使用启发式算法。启发式算法是一种基于经验的估计，它能帮助你在浪费时间之前排除掉那些不可能的路径。
    1. 利用 A* 算法平衡过去与未来 贪婪搜索（Greedy search）只关注目标，速度快但经常失败。一致代价搜索（Uniform Cost Search）只关注已花费的成本，虽然稳妥但速度慢。A* 算法结合了两者：它既考虑已走过的成本，也考虑剩余的估计成本。这种平衡带来了更明智的决策。
    1. 通过约束来解决问题 并非所有问题都是寻找路径。有些问题在于遵循规则，即约束满足问题（Constraint Satisfaction Problems）。以数独为例：你有变量、允许的值和规则，必须同时满足所有规则。智能系统使用回溯法（backtracking）立即放弃无效路径，从而避免大量无用功。
    1. 追求预期性能 理性智能体（rational agent）并不追求完美，而是根据已知信息寻求最佳决策。我们使用 PEAS 来衡量这一点： • Performance（性能）：如何衡量成功 • Environment（环境）：智能体所处的环境 • Actuators（执行器）：智能体如何行动 • Sensors（传感器）：智能体如何感知
    1. 将逻辑与学习相结合 符号 AI（Symbolic AI）具有逻辑性和透明度，但非常脆弱。生成式 AI（Generative AI）灵活且富有创造力，但表现得像个黑盒。未来属于兼具两者的系统：它们必须利用神经网络来识别模式，并利用符号推理来进行逻辑处理。

最重要的启示是：智能是在不丧失正确性的前提下，降低复杂度的艺术。

停止搜索一切。开始搜索真正重要的东西。

来源：https://dev.to/wolfof420street/beyond-blind-search-5-powerful-lessons-from-the-architecture-of-intelligence-21ma

可选学习社区：https://t.me/GyaanSetuAi