微信搜索“高速商务通”，马上办理ETC
符号系统方法决不会死。在人工智能的一个名为“规划”的子领域中，它最为活跃，最突出，它涉及开发解决问题的技术，这些问题需要制定一系列步骤来实现某些预期目标。例如，提供驾驶指示，玩游戏，将奇怪大小的盒子装入卡车，证明数学定理，分析法律合同和法规，烹饪食谱，在计算机芯片上布置晶体管，组装设备，描述法规和可计算形式的规则，以及控制空中交通。这些挑战的共同要素是通常存在已知的初始状态，一个或多个期望的最终状态，一组特定的操作或可用于从初始状态进入最终状态的“移动”，以及一些解决方案价值的衡量标准，例如最小化所需步骤的数量。换句话说，计划系统会弄清楚该怎么做。虽然您可能怀疑解决计划问题的任何事情，但在实践中，这些挑战大多属于定义明确的类，具有适合不同技术的特征数学属性。你不会以同样的方式解决在大海捞针中找到针的问题
你会试着证明两个三角形是一致的。
除了一些概率技术之外，大多数规划系统都使用所谓的启发式推理来增强符号推理。启发式推理解决了困扰符号系统方法的常见问题（如果不是普遍问题） – 可能的步骤序列数量可能非常大（称为“组合爆炸”），因此您无法简单地检查所有选项，如所讨论的那样在第1章关于国际象棋的比赛。启发式尝试使用各种方法将所谓的搜索空间减少到可管理的维度，其中一些方法可以保证达到适当的解决方案（如果存在），而其他方法则存在无法找到解决方案的风险，或者至少不是最好的解决方案（分别是“允许的”与“不允许的”启发式）。对于
例如，如果你试图爬到山顶，一个非常好的启发式是确保你采取的每一步都是上坡 – 但当然只有当山坡是一个平滑的斜坡向上，从来没有下降。从技术上讲，这种增量方法被称为贪婪启发式（总是选择能够为您提供最直接收益的步骤），并且只有当域符合某些一致性标准时才能正常工作（具体而言，如果它们是单调的，则相对于朝着目标前进）。
规划系统采用各种策略。一些人从目标和理由开始向后，试图找到将达到的初始条件。例如，如果你有几个差事跑，但想要确保在六点吃晚饭回家，你可能会及时工作，减去每个站点要带你多久，找出你的时间得走了。其他人推理，从假设到结论，或尝试通过首先解决较小的子问题，然后将它们连接在一起作为综合解决方案来简化任务。
采用规划技术的人工智能研究的一个活跃领域是“一般游戏”。这正是它听起来的样子。一个程序提供了一套游戏规则，这些规则是以前没有的知识，但是根本没有告诉他们如何很好地发挥它。然后，它必须通过推理可能运作良好的方法来找出自己的游戏策略。正如您所料，普通游戏研究人员之间会定期举行比赛，以了解哪些项目的表现最佳。自2005年以来，在人工智能促进协会年会上的一般游戏爱好者之间的竞赛逐渐产生了更有能力的竞争对手，通常能够击败已经熟悉所选游戏的人类玩家。21使用启发式技术的规划的其他广泛的现代应用是导航程序，为您提供驾驶方向和计算机游戏中所谓的“非玩家角色”（NPC） – 那些看似
狡猾而狡猾的动画角色经常射击或对抗你。
规划系统，更一般地说是符号系统方法，有点嘲弄（或亲切地，取决于你最喜欢的人工智能的味道），今天称为“老式的老式人工智能”或GOFAI。无论如何，后来的发展已经证明，尽管它的所有吸引力，物理符号系统假设并不是城里唯一的游戏。