人工智能包括約束求解器嗎？

　　如下是翻譯Optaplanner創始人Geoffrey De Smet的一篇文章《Does A.I. include constraint solvers?》。

　　由於英語及中文表達習慣的差別，以該博文發表示Optaplanner官網，其描述的問題及概念具備必定的上下文關聯性；所以，爲了認還不太熟悉Optaplanner的同窗更容易理解，令文章更符合中文母語讀者的閱讀習慣，我並無徹底按字面生硬直譯。其中添加了一些擴展性的意譯，基本上能在脫離Optaplanner官網上下文狀況下，必定程序上表達到Geoffrey的意思吧，有不正之處請你們多多指點。爲謝！

---

　　人工智能的寒冬已通過去，這幾年以來，人工智能技術的關注點又出現了增加。不只僅是咱們這些人工智能方面的極客，商界也因看到了其潛力，而進行了投資。爲了得到資本青睞，一些研究項目也被從新塑造，貼上人工智能技術的名頭。那麼，約束求解器可否也使用人工智能的標籤呢？

歷史小知識：第5代(計算機)計劃

　　近20年以來，人工智能是個不太受人待見的語彙，要了解其緣由，咱們須要回到1982年，當時日本決定大力投資第5代計算機 - 一我的工智能平臺，將要超越現有的計算機，並打破IBM的壟斷。做爲應對與跟進措施，其它國家也啓動了相似的計劃，忽然間，研究經費從天而降，引致80年代的人工智能熱潮。

　　最終計劃仍是失敗了。儘管得到了近10年的資助，但第5代計劃的研究中，幾乎沒有展現出任何實用的成果。以前的一些研究,包括：大數據，智能電話和更高速的計劃機，均未達到可行。其它一些研究則徹底無用。

　　這些研究失敗之後，在上世紀90年代及2000年代初，人工智能的概念被完全敗壞了，人們都認爲人工智能是不可行的。技術開發界很快結束了他們的人工智能技術名頭。約束求解器則增強了與運籌學的相關性；搜索引擎只扮演了一個簡單的字典搜索功能；規則引擎則側重於決策表方面的發展。這些領域都避免說起它們與人工智能相關。而神經網絡研究是個例外。

 神經網絡算法：一項技術吃通天下?

　　過去幾年間，神經網絡算法使人工智能技術再次神奇起來。神經網絡算法模擬咱們大腦中的神經元（其實不如你想象那樣）.它是一個黑盒，能夠將輸入數據轉換成你想要的輸出數據，這功能主要經過多層神經網絡的加總相乘算法實現。數十年來，這類算法均存在精度太低的問題，但近期興起的大數據，及對更好反向傳播算法的發現，此狀況出現了翻天覆地的變化。其中後者使用了多層神經網絡，神經網絡層越多，則至關於實現了一種深度學習。

　　時至今日，神經網絡算法已經能夠進行人臉和聲音識別，若與其它人工智能技術(例如：極小極大算法，澤者注：一種博弈算法 )混合使用，這些程序甚至能夠擊敗(象棋)世界冠軍,聽起來很是神奇。但終究到底，這些都屬於模式識別問題；若面對其它（澤者注：非模式識別）問題，這些技術是處理不了的。例如，神經網絡算法沒法找到一條從羅浮宮到羅馬鬥獸場的最快路徑，沒法建立一套美國公路旅行指南。

人工智能的正確應用

　　神經網絡並非一種普適的人工智能算法, 也不是一種約束求解器或生產規則系統。就此而言，每一類算法，只能解決人工智能領域中的一些部分問題。這也許是一件好事：不存在哪種算法會把本身訓練整天網（譯者注：電影《終結者》中的人工智能防護系統），進而對人類構成威脅。

　　所以，經過智能軟件去解決業務問題，須要根據具體用例來選擇合適的算法：

借用的原文圖 

 

　　但這（譯者注：神經網絡的模式識別侷限性）並無阻止學者們的嘗試，有不少關於使用神經網絡算法去解決車輛路線規劃或僱員排班的研究，只是其符合度還不如約束求解算法，例如：禁忌搜索法和模擬退火法。當有15%的行駛時間節省量時，爲何要知足於1%的節省量呢（譯者注：在車輛路線規劃案例中，經過約束求解算法能獲得15%的行駛時間節省，爲何還要退而求其次，知足於神經網絡算法獲得的1%節省量呢）

　　相反，約束求解算法卻沒法解決臭名昭著的關於熱狗的圖像識別問題。

全部的算法均可以產生智能嗎？

　　儘管計算1234乘以5678的結果並不容易，但咱們並不認爲這個計算方法是一種人工智能。同理，那些排序算法也不是人工智能，爲何呢？ 

　　也許是由於這些問題都不存在偏差容限，但人工智能卻存在，例如：你給出一張哈仕奇的圖片，有人把它識別爲狼；當你給出一個TSP問題，須要畫出最短旅行路線時，人們會給出不一樣質量的肯定性的結果集。

　　或者那些計算和排序算法是能夠被人類理解獲得的，這些算法並非一個黑盒，它能夠至關容易地知道，計算機是如何把輸入數據，一個指令接着一個指令地轉化爲輸出結果。

約束求解決器的求解又是怎樣的一個動做過程呢？

　　從歷史上看，約束求解器（如Optaplanner)明顯是運籌學的一個分支領域，同時也不能排除它屬於其它領域（澤者注：約束求解器不只僅屬於運籌學領域）.我認爲約束求解器也能夠歸入人工智能領域，不只僅是一些論文和書刊如是說，主要是由於掌握約束求解器的應用案例，自己就是已是一個複雜問題。不管是人類的規劃師排出來的解決方案，仍是特定算法得出來的解，其質量者具備巨大的不肯定性。若給定一個足夠大的數據集（譯者注：問題數據集），是不可能找到一個絕對最優解的。此外，儘管現有的一些算法已有40年曆史了，但研究 人員仍在尋找並發現一些新的算法。

　　你以爲呢？約束求解器是否是人工智能的其中一個分支？

 

 

---

 

本系列文章在公衆號不定時連載，請關注公衆號（讓APS成爲可能）及時接收,二維碼：

如需瞭解更多關於Optaplanner的應用，請發電郵致：kentbill@gmail.com
或到討論組發表你的意見：https://groups.google.com/forum/#!forum/optaplanner-cn
如有須要可添加本人微信（13631823503）或QQ(12977379)實時溝通，但因本人平常工做繁忙，經過微信,QQ等工具可能沒法深刻溝通，較複雜的問題，建議以郵件或討論組方式提出。(討論組屬於google郵件列表，國內網絡可能較難訪問，需自行解決)