以下，是我聽演講，上網搜尋找到的相關資料，分享給大家
然後我很懶得去抓圖片來這邊貼，所以沒有圖片
本來想說要不要錄成影片，但是太麻煩了，而且也不知道有沒有人看
如果有錯誤的地方，再請各位厲害的大大指教，謝謝
===================================================
這篇要來講的就是人工智慧第一階段的發展
時間大概在1950-1960年代
什麼是探索與推論的年代？
那是一個運用搜索方式來解決問題的年代
簡單的舉例，從A地到B地的最短路徑，怎麼走才是最快的？
你有地圖，所以你可以知道是往哪一個方向走，OK這很明白
但是要走哪幾條路，才可以最快？
假如台大到台北車站好了，怎麼走最快？
羅斯福路接中山南路？還是新生南路轉忠孝東路？
這邊有幾個方式，我簡單介紹兩個方式
不過在這個階段，這些方式，基本上還在一個盲目亂走的情況，1950年代咩
第一個方式叫深度優先搜尋法Depth-first Search，DFS
這個方式大概就是先往某個方向去走，走到碰壁了，再換條路走
如果你是某在某個迷宮，你知道出口在哪個方向，你就往某個方向先走
錯了，再走回來修正，直到找到出口，基本上這個方式實在是很笨
A─ ─ ─ ─ ─ ─ ─ ─ C─ ─ ─ ─D B
│─ ─ ─ ─ ─ ─ ─ ─│
簡單畫個圖，如果使用DFS，就會從A一直走到D才發現走錯
然後再回去C，接著才會到B點
第二個方式叫廣度優先搜尋法Breadth-first Search，BFS
我一樣用迷宮才講，你如果在迷宮中間，你也知道出口是哪個方向
但這時候你會同一時間對你附近的所有路進行搜索
A─ ─ ─ ─ ─ ─ ─ ─ C─ ─ ─ ─D B
│─ ─ ─ ─ ─ ─ ─ ─│
如果一樣用這張圖來看，在C點的時候，這個方式就會同時間跑兩個方向
以結果論來說，這個方式會比較省事(如果不是一次就找到答案)，但是相對就是比較耗能
兩個方式都有人用，就看你需要應用在那些地方
當然這些方式都有改良版本
比如廣度優先搜尋BFS，改良版本為成本一致搜尋Uniform-cost search
深度優先搜尋DFS，則改良成有限深度搜尋Depth-limited search與疊代深入搜尋Iterative deepening search
我再這邊就不再多提這些方式，這些網路上也有很多資料
只要知道1950年代，人工智慧的發展，還處於萌芽階段
很多問題的解決都還在探索
我剛剛是用迷宮來解釋，如果是用圍棋來解釋也是一樣的道理
如果現在還在用這些方式，那電腦大概當機了，圍棋下一步、下下一步的算法，太多種了
不太可能探索所有的組合，頂多去判斷這一部可不可以占優勢、改變盤勢等等
而且這種方式，只能限制在已知極限的問題上
圍棋算已知極限喔，棋盤大小就是這樣，但是就已經搞了60年，才有個AlphaGo出來
如果是未知的問題，不就算不出來？
所以有些現實的問題，還需要克服
這篇就講到這邊，下一篇我會講到人工智慧發展的第二階段
謝謝
我有粉絲專頁唷，如果喜歡我的朋友可以到我的粉絲專頁按個讚唷
留言列表
國內晃晃 (2)