啟發(fā)式搜索

“啟發(fā)式的”（heuristic）和“找到了”（Eureka）在英文中有相同的詞根：來自意為“尋找”或“發(fā)現(xiàn)”的希臘語。啟發(fā)法得到了早期GOFAI學(xué)派的重視，并且經(jīng)常被看作“編程技巧”。但是，這個術(shù)語并非源于編程：邏輯學(xué)家和數(shù)學(xué)家對其早已熟悉。早在數(shù)千年前，人類就用啟發(fā)法解決問題（有意或無意地），遠(yuǎn)遠(yuǎn)早于埃達(dá)·洛夫萊斯伯爵夫人（Ada Love Lace's）預(yù)見人工智能的時間。

無論是對人還是對機(jī)器來說，啟發(fā)法都有利于問題的解決。強(qiáng)人工智能使用啟發(fā)法的模式是：讓程序只針對搜索空間的某些部分，同時避開其他部分。

很多啟發(fā)式算法都屬于無法保證成功的經(jīng)驗法則，如早期人工智能使用的大多數(shù)經(jīng)驗法則。在啟發(fā)法引導(dǎo)下，系統(tǒng)正好忽略了某部分的搜索空間，而解決方案可能正好位于這部分空間里。例如，在國際象棋中，“保護(hù)女王”是一條非常有用的規(guī)則，但偶爾也應(yīng)該違背。

還有一些啟發(fā)式算法從邏輯學(xué)角度或數(shù)學(xué)角度被證明是合理的。如今，人工智能和計算機(jī)科學(xué)領(lǐng)域的大量工作都是為了確定程序可證明的屬性。這是“友好人工智能”的一個方面，因為人類安全可能由于使用從邏輯學(xué)角度看不是很可靠的系統(tǒng)而受到的威脅（詳見第7章，啟發(fā)式算法和算法之間原則上沒有區(qū)別，許多算法實(shí)際上是包含多個特定啟發(fā)式算法的微型程序）。

無論啟發(fā)法可靠與否，它對人工智能搜索來說都不可或缺。上文提到人工智能越來越專業(yè)化，這部分取決于能顯著提高效率的新啟發(fā)法的定義，但僅限于限制頗多的某類問題或搜索空間。一個非常成功的啟發(fā)法可能并不適合讓其他人工智能程序“借用”。

如果我們給定幾種啟發(fā)法，那么應(yīng)用它們的順序就可能變得很重要。例如，即使這種排序偶爾會導(dǎo)致災(zāi)難，也應(yīng)該先考慮“保護(hù)女王”，再考慮“保護(hù)象”。不同的順序?qū)⒍x不同的搜索樹遍歷整個搜索空間。給啟發(fā)法下定義和排序是現(xiàn)代人工智能的關(guān)鍵任務(wù)（啟發(fā)法在認(rèn)知心理學(xué)中的地位也很突出，例如，“快速節(jié)儉啟發(fā)式”指出進(jìn)化如何讓人獲得對環(huán)境作出有效回應(yīng)的方法）。

利用啟發(fā)法，我們不再需要窮舉搜索整個搜索空間，但它們有時會和（有限的）窮舉搜索結(jié)合使用。1997年，因擊敗世界冠軍加里·卡斯帕羅夫（Gary Kasparov）而名聲大噪的IBM國際象棋程序深藍(lán)（Deep Blue）使用的是專用硬件芯片，每秒能處理2億個位置，可以知道接下來8步的所有備選棋步。但是，它不得不用啟發(fā)法來選擇備選棋步中的“最佳”棋步。由于啟發(fā)法可信度不高，所以即使是深藍(lán)，也不能每次都勝出。