D3D AI方法与原理专项基础

AI的其他基础路线

人工智能并不只有从数据训练模型这一条路线。本模块围绕虚构星河玩具展的布置任务,认识搜索与规划、逻辑规则、知识图谱、概率推断、因果思考和约束求解。通过小型手算案例比较这些方法表达什么信息、解决什么问题,并学会在证据不足或要求冲突时保留不确定性。

6 节课5—7小时(含练习)前置:理解人工智能不等于聊天机器人;能够阅读条件句、集合与简单概率;不需要编程或高等数学

学完你将能够

  • 区分搜索路径、行动规划与规则推理
  • 用实体关系与来源组织知识
  • 通过微型例子理解条件概率和因果差异
  • 把布置要求转成约束并解释无解情况

课节目录

  1. 1搜索与规划:从状态到行动序列约 35 分钟 · 为三步玩具布置画状态图
  2. 2逻辑与规则:让推理依据可以追问约 35 分钟 · 推导结论并保留未知
  3. 3知识图谱:实体、关系与证据组织约 35 分钟 · 建立八条展览知识三元组
  4. 4概率推断:不确定信息怎样更新判断约 40 分钟 · 给检测器提示写一张概率解释卡
  5. 5因果思考:相关、干预与混杂约 40 分钟 · 改写一个过度自信的因果结论
  6. 6约束求解与路线整合:满足要求还是优化目标约 45 分钟 · 解出布置方案并解释一次无解

综合项目:星河玩具展可验证布置方案

为三件虚构玩具与三个展台制作一套知识、规则、约束和行动说明,额外标注一项不确定事实与一项待检验的因果猜想。

步骤

  1. 给玩具和展台建立唯一标识并整理至少八条三元组
  2. 写出易碎与软垫相关的事实和规则,标注来源或待确认项
  3. 把展台分配转成变量、取值范围与硬约束
  4. 求出一个可行分配并逐条验证,另给一组矛盾要求
  5. 为可行分配写清理、取出和放置的行动前提及顺序
  6. 用检测器小表表达一项不确定材质证据
  7. 将提示牌与访问的关联写成待检验假设,而不是因果定论

交付物

  • 实体关系表及来源时间说明
  • 规则与约束清单、可行解和无解解释
  • 行动计划、概率解释卡与因果假设说明

自查标准

  • 实体名称与唯一标识没有混淆,动态关系注明时间
  • 不由软垫反推易碎,不把未知直接写成否定
  • 可行方案满足全部硬约束且无解能定位冲突
  • 行动步骤包含前提与效果而非仅列口号
  • 概率条件方向正确,因果猜想明确保留假设与限制
查看参考方案

参考方案

玩具甲纸船属于海洋系列,玩具乙木方块属于积木系列,玩具丙玻璃星球属于星空系列;三者当前在储物盒。乙展台有软垫,其他展台无软垫。关系表记录本次桌面模型展说明为来源,玩具位置另注明当前时点,防止后续搬动造成历史混淆。

规则为易碎玩具需要软垫,玻璃星球已被标注易碎。每台只放一件,纸船不能甲台,因此可行分配是玻璃星球乙台、纸船丙台、木方块甲台。先检查并清理各展台,手空时取出一件玩具,确认目标台条件满足后放置,再处理下一件。纸面计划不等于实际完成,执行后还须确认状态。

如果额外要求玻璃星球禁止乙台,就与必须在有软垫乙台冲突,应报告无解并请求增加软垫或澄清条件。检测器提示仅作为不确定证据,根据十件特殊、九十件普通及给定误报率,提示后概率约百分之四十七,不当作确定事实。提示牌与访问次数的关联可能受主题混杂影响,另外设计模拟随机分配,不能用布置方案本身证明提示牌效果。

结业测验(6 题,答对 5 题即通过)

‹ D2 深度学习E1 大模型与生成式AI ›