以下是翻譯optaplanner創始人geoffrey de smet
的一篇文章《does a.i. include constraint solvers?
》。因為英語及中文表達習慣的差異，以該博文發表示optaplanner
官網，其描述的問題及概念具有一定的上下文關聯性；因此，為了認還不太熟悉optaplanner的同學更容易理解，令文章更符合中文母語讀者的閱讀習慣，我並沒有完全按字面生硬直譯。其中新增了一些擴充套件性的意譯，基本上能在脫離optaplanner官網上下文情況下，一定程式上表達到geoffrey的意思吧，有不正之處請大家多多指點。為謝！
人工智慧的寒冬已經過去，這幾年以來，人工智慧技術的關注點又出現了增長。不僅僅是我們這些人工智慧方面的極客，商界也因看到了其潛力，而進行了投資。為了獲得資本青睞，一些研究專案也被重新塑造，貼上人工智慧技術的名頭。那麼，約束求解器能否也使用人工智慧的標籤呢？
近20年以來，人工智慧是個不太受人待見的語彙，要了解其原因，我們需要回到2023年，當時日本決定大力投資第5代計算機
- 乙個人工智慧平台，將要超越現有的計算機，並打破ibm的壟斷。作為應對與跟進措施，其它國家也啟動了類似的計畫，突然間，研究經費從天而降，引致80年代的人工智慧熱潮。
最終計畫還是失敗了。儘管獲得了近10年的資助，但第5代計畫的研究中，幾乎沒有展示出任何實用的成果。之前的一些研究,包括：大資料，智慧型**和更高速的計畫機，均未達到可行。其它一些研究則完全無用。
這些研究失敗以後，在上世紀90年代及2023年代初，人工智慧的概念被徹底敗壞了，人們都認為人工智慧是不可行的。技術開發界很快結束了他們的人工智慧技術名頭。約束求解器則加強了與運籌學的相關性；搜尋引擎只扮演了乙個簡單的字典搜尋功能；規則引擎則側重於決策表方面的發展。這些領域都避免提及它們與人工智慧相關。而神經網路研究是個例外。
過去幾年間，神經網路算法令人工智慧技術再次神奇起來。神經網路演算法模擬我們大腦中的神經元（其實不如你想象那樣）.它是乙個黑盒，可以將輸入資料轉換成你想要的輸出資料，這功能主要通過多層神經網路的加總相乘演算法實現。數十年來，這類演算法均存在精度過低的問題，但近期興起的大資料，及對更好反向傳播演算法的發現，此情況出現了翻天覆地的變化。其中後者使用了多層神經網路，神經網路層越多，則相當於實現了一種深度學習。
時至今日，神經網路演算法已經可以進行人臉和聲音識別，若與其它人工智慧技術(例如：極小極大演算法，澤者注：一種博弈演算法 )混合使用，這些程式甚至可以擊敗(象棋)世界冠軍,聽起來非常神奇。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，神經網路演算法無法找到一條從羅浮宮到羅馬鬥獸場的最快路徑，無法建立一套美國公路旅行指南。
神經網路並不是一種普適的人工智慧演算法, 也不是一種約束求解器或生產規則系統。就此而言，每一類演算法，只能解決人工智慧領域中的一些部分問題。這也許是一件好事：不存在哪一種演算法會把自己訓練成天網（譯者注：電影《終結者》中的人工智慧防禦系統），進而對人類構成威脅。
因此，通過智慧型軟體去解決業務問題，需要根據具體用例來選擇合適的演算法：
借用的原文圖
但這（譯者注：神經網路的模式識別侷限性）並沒有阻止學者們的嘗試，有很多關於使用神經網路演算法去解決車輛路線規劃
或雇員排班
的研究，只是其符合度還不如約束求解演算法，例如：禁忌搜尋法和模擬退火法。當有15%的行駛時間節省量時，為什麼要滿足於1%的節省量呢（譯者注：在車輛路線規劃案例中，通過約束求解演算法能得到15%的行駛時間節省，為什麼還要退而求其次，滿足於神經網路演算法得到的1%節省量呢）
相反，約束求解演算法卻無法解決臭名昭著的關於熱狗的影象識別
問題。儘管計算1234乘以5678的結果並不容易，但我們並不認為這個計算方法是一種人工智慧。同理，那些排序演算法也不是人工智慧，為什麼呢？
也許是因為這些問題都不存在誤差容限，但人工智慧卻存在，例如：你給出一張哈仕奇的，有人把它識別為狼；當你給出乙個tsp問題，需要畫出最短旅行路線時，人們會給出不同質量的確定性的結果集
。或者那些計算和排序演算法是可以被人類理解得到的，這些演算法並不是乙個黑盒，它可以相當容易地知道，計算機是如何把輸入資料，乙個指令接著乙個指令地轉化為輸出結果。
從歷史上看，約束求解器（如optaplanner
)明顯是運籌學的乙個分支領域，同時也不能排除它屬於其它領域（澤者注：約束求解器不僅僅屬於運籌學領域）.我認為約束求解器也可以納入人工智慧領域，不僅僅是一些**和書刊
如是說，主要是因為掌握約束求解器的應用案例，本身就是已經是乙個複雜問題。無論是人類的規劃師排出來的解決方案，還是特定演算法得出來的解，其質量者具有巨大的不確定性。若給定乙個足夠大的資料集（譯者注：問題資料集），是不可能找到乙個絕對最優解的。此外，儘管現有的一些演算法已有40年歷史了，但研究 人員仍在尋找並發現一些新演算法。
你覺得呢？約束求解器是不是人工智慧的其中乙個分支？
源文《does a.i. include constraint solvers?》：
乙個it老農，先盡力擔好當兒子、丈夫和父親的責任，然後做點有趣的事。
人工智慧是什麼，機器學習就是人工智慧嗎？
人工智慧是電腦科學的乙個分支，目的是開發一種擁有智慧型行為的機器，史丹福大學對機器學習的定義是 在沒有明確程式設計指令的情況下讓計算機採取行動的科學。想要開發智慧型機器，就需要借助人工智慧研究人員的幫助。但要讓其具備真正的智慧型，就需要聘請機器學習專家。2.大資料攜手人工智慧，高校人才培養面臨新挑戰...
人工智慧大會論壇 人工智慧會「放過」藝術嗎
人說文章伯，工夫豈自由。智愚真可學，能賦未央樓。談到科技與藝術的關係，清華大學人工智慧實驗室的張敏教授優雅地唸出這首詩，很是陶醉。接著她說 這是我們學校研發的詩歌生成系統寫的。過去兩年，在人工智慧的風潮下，人們相繼看到了谷歌deepdream專案作的畫 小冰寫的詩 聽到了magenta專案創作的流行...
人工智慧未來會怎麼發展 鄭州能學人工智慧嗎
人工智慧未來會怎麼發展？鄭州能學人工智慧嗎？其實，未來肯定會形 工智慧型和量子科學的雙管道未來技術，目前人工智慧還處於比較低端的發展情況。所以，找人工智慧相關工作肯定是不難的，人工智未來發展自然會越來越好。自從近三年，計算機學習方法，以蒙特卡洛搜尋為代表的計算機技術推廣之後，人工智慧開始得到一定程度...