なぜ短い入門AIコースで検索アルゴリズムのみを教えるのですか？

AIでは検索の概念が重要であることがわかりました。このトピックに関してこのウェブサイトに質問がありますが、その理由を直感的に理解することもできます。私はAIの入門コースを行いましたが、これは1学期の半分でしたので、もちろん、AIのすべてのトピックをカバーするのに十分な時間はありませんでしたが、いくつかのAI理論を学ぶことを期待していました（「エージェント"）、しかし私が実際に学んだことは基本的にいくつかの検索アルゴリズムでした。

• BFS
• 均一コスト検索
• DFS
• 反復深化検索
• 双方向検索

これらの検索アルゴリズムは、目標への残りのパスに関する情報を考慮しないため、通常は「ブラインド」（または「情報なし」）として分類されます。

または次のようなアルゴリズム：

• ヒューリスティック検索
• ベストファーストサーチ
• あ
• A *
• IDA *

これは通常、「情報に基づく」検索アルゴリズムのカテゴリに分類されます。これは、目標への残りのパスに関する情報（「ヒューリスティック」または「推定」）を使用するためです。

次に、「高度な」検索アルゴリズムも学習しました（特にTSP問題に適用されます）。これらのアルゴリズムは、建設的（たとえば、最近傍）、ローカル検索（たとえば、2-opt）アルゴリズム、またはメタヒューリスティックなアルゴリズム（たとえば、アリコロニーシステムまたはシミュレーテッドアニーリング）のいずれかです。

また、ゲームに適用されるmin-maxアルゴリズムと、min-maxの「改良された」バージョン、つまりアルファ-ベータプルーニングについても簡単に調査しました。

このコースの後、AIは「愚か」または「よりインテリジェント」に検索することだと感じました。

私の質問は：

• なぜ1人の教授がAIコースで検索アルゴリズムのみを教えるのですか？長所/短所は何ですか？次の質問はこれに非常に関連しています。

• 入門コースで教えることができるAIの「検索」以上のものは何ですか？この質問は主観的な答えにつながる可能性がありますが、私は実際にAIが何であるか、それが本当にカバーするトピックを理解しようとしている人の文脈で質問しています。どうやら、残念ながら、周りを読んだ後、これはまだ主観的であるようです。

• この種のコースで教えることができるAI理論はありますか？

AIについては多くの誤解があります。具体的には、コンピュータを人間のように「考えさせる」こと、脳をシミュレートすること、SFロボットが世界を引き継ぐこと、機械に関する脳に関するすべての哲学的議論などに関するものです。実践/現実AIの問題は、「コンピューティングを使用して問題を解決する」ことです。つまり、基本的には問題を取り、それをコンピューティング問題として表現し、アルゴリズムを設計して、元の問題の解決につながるコンピューティング問題を解決します。これらの検索アルゴリズムは、汎用コンピューティング問題用の汎用アルゴリズムです。つまり、現実世界の問題はこれらの汎用コンピューティング問題で表すことができ、これらのアルゴリズムを使用してそれらを解決できます。

覚えておいてください、それは問題解決についてであり、それはあらゆる現実の問題を表すことができる汎用コンピューティング問題についてです。

結局のところ、ほとんどのAIの問題は検索の問題として特徴付けることができます。いくつかの例を見てみましょう：

• オブジェクトの認識とシーンの構築（たとえば、周囲の視聴覚入力を取り、それを3Dおよびコンテキストの意味で理解するプロセス）は、入力で既知のオブジェクトを検索するものとして扱うことができます。
• 数学的な問題解決は、解決策を探すこととして扱うことができます。
• ビデオゲームをプレイすることは、特定のゲーム状態に対する正しい応答を検索することとして扱うことができます。

初歩的なチャットボットでさえ、特定の入力フレーズに対する「正しい」応答を見つけて人間の言語をエミュレートするものとして特徴付けることができます。

この検索の一般化により、検索アルゴリズムは「AI」と見なされた最初のアルゴリズムの一部であり、多くの場合、多くのAI教育コースの基礎を形成しています。この検索アルゴリズムに加えて、直感的で数学的ではないアルゴリズムにより、AIのやや恐ろしい分野にアクセスできるようになります。これは誇張表現のように聞こえるかもしれませんが、講師が多様体学習手法を使用して開いた場合、クラスの半分が「共分散行列の固有値」について言及するまでにドアにボルトで固定されていたことを保証します。

現在、これらの問題に対処する方法は検索アルゴリズムだけではありません。私はすべてのAI開業医がデータサイエンスと機械学習アルゴリズムの概念に精通していることをお勧めします。MLは検索アルゴリズムに関連することが多いですが、それらが使用する手法は、分類子/回帰の反復構築（C4.5が決定木を構築するなど）、メタヒューリスティック、および静的に生成された分類子/回帰とは大きく異なる場合があります。トレーニングデータの分析（たとえば、ナイーブベイジアンは、入力フィールドが独立していると仮定して、与えられたデータのベイジアン分析に基づいて構築された分類子です。これは、名前を取得する「ナイーブティ」です）。多くの場合、MLアルゴリズムはAI研究グループで開発されており、一般的な形式のアルゴリズムではなく、特定の問題用に設計できる場合があります。

なぜ1人の教授がAIコースで検索アルゴリズムのみを教えるのですか？長所/短所は何ですか？

この質問に対する私の答えは、検索を使用して解決策を見つけることができる多くの問題があるということです。チックタックトーの例を見てみましょう。このためにインテリジェントなコンピュータープレーヤーを設計している場合は、検索スペースを形成し、ゲームを完了するために行うことができる最適な動きを検索します。これらのシナリオでは、最適な検索戦略を認識する必要があります。別の例を見てみましょう。あなたが運転していて、見知らぬ人の家に行きたいと思ったとしましょう。それはあなたの場所から遠く離れており、あなたはGPSを使用することにしました。GPSは検索アルゴリズムを使用して、目的地に到達するのに最適なルートを検索します（もちろん、交通状況など、考慮すべき要素はたくさんありますが、これは基本的な考え方です）。

不利な点は、処理と保管の点のみです。遅いアルゴリズムの場合、CPU時間とストレージも大量に浪費されますが、優れた効率的なアルゴリズムの場合、大量のスペースを維持し、タスクを非常に高速に実行できます。もちろん、検索について学ぶだけではAIではありません。それだけではありません。

入門コースで教えることができるAIの「検索」以上のものは何ですか？

AIには検索以外にも多くの機能があります。たとえば、学習手法（監視あり、監視なし、強化）、特定のアクションを独立してインテリジェントに実行するシステムを設計する場合の計画、知識（既知および未知）の表現、命題論理と一次を含むエージェントの推論ロジックなど

この種のコースで教えることができるAIの背後にある理論はありますか？

いくつかのトピックは、さまざまなタイプのエージェント（単純な反射、モデルベース、目標ベース、ユーティリティベース、学習エージェント）、エージェントが動作するさまざまなタイプの環境、エージェントの評価について教えることができます。自然言語処理、エキスパートシステムなどの追加の導入トピックが存在する可能性があります。