4.1　在选项中搜索

关于AI有很多困惑、争议和迷惑。AI有多种形式，涉及许多非常不同的技术，但在所有AI系统背后都有一个共同的潜在动机和挑战。我想把重点放在这些一般性问题上，并澄清要点。我们需要简要地看一个AI的例子，以理解其工作原理。因此本章将解释搜索技术（计算中的一个基础方法）是如何在游戏环境（人工智能中研究最多的应用领域）中使用的。

考虑一下解决一系列选项的问题。例如，我们经常需要制定计划。为此，我们选择一系列可用的操作，以便从一个开始状态到达一个期望的状态。

这可以是为一次复杂的旅行计划线路，为像婚礼这样的大事制定计划，或者决定如何组织一次大的翻修。计划软件广泛应用于制造业，用来组织生产流程；在商业方面，用来安排运输；在教育方面，用来安排房间分配；在经营方面，用于供应链规划；在太空方面，用来安排极其复杂的太空任务。这些都是搜索问题，因为它们涉及从许多选项中筛选出最佳的操作或事件顺序。

基本的过程非常简单。从一个起点开始，我们知道可以采取的一系列操作，每一项操作都将使我们进入一个新的状况。如果我们不知道哪个操作是最好的（通常是这样），那么可以随机尝试任何一个操作。如果我们不喜欢新状况的样子，那么可以忽略它，并尝试另外一个。但是，如果新的状况看起来很有希望，那么我们就选择一个后续行动，并创建另外一个新状况。我们可以一直这样做，直到找到一个满足需要的状况。

图4.1展示了格温（Gwen）的这一过程，她住在英国剑桥，希望去苏格兰山区度假。她选择了威廉堡作为她的目的地，这里是探索英国最高峰本尼维斯（Ben Nevis）山的好地方。她有三种可能的行动：开车、坐飞机或坐火车。依次考虑每个行动会导致三种可能（参见图4.1）。每种情况都会有相关的信息，如所需的时间、成本和个人价值观（如方便程度或偏好）。开车要走456英里(1)，格温不打算这样做，认为太累了，所以她不再考虑这个选择。坐飞机的结果与此相似，最近的机场离目的地还有很长的距离，所以她也不考虑这个选择。坐火车这个选择看起来很不错，但格温意识到她必须先（往回坐）去伦敦，才能赶上最合适的火车（有豪华的卧铺）。不过，这是一种直达服务，不需要换车。这需要两个步骤才能达到预期的结果。

图4.1　计划一次旅行

这个计划或搜索过程只有两个部分。这些情况的产生是一个机械的过程，通常很容易编程。我们可以将其称为发生器（generator）。另一个必要的操作是判断每一种新情况：当我们不喜欢一种情况，以及当情况满足我们的需要时，我们需要一种计算方法。这既可以指导计划，也可以决定何时停止。我们可以将其称为评估器（evaluator）。

后一部分对于计算机来说不是那么容易，因为它是特定于应用程序的，它必须计算出我们在不同情况下的个人价值观。整个过程在一个大循环中运行：生成一些新的情况，然后对它们进行评估，从那些具有更好价值的情况中生成更多的情况，对它们进行评估，一直继续，直到达到所需的标准为止。

(1)1英里＝1 609.344米。——编辑注