🏠 总目录 不靠数据的 AI · 搜索、约束与经典推理

不靠数据的 AI

其他 13 个板块都在讲「从数据里学」,这一套讲「在空间里搜」。

深度学习之前,AI 已经会下棋、会规划路线、会解数独、会自动排课 —— 靠的不是数据,是搜索、约束和推理。 这些方法今天一点没过时:地图导航是 A*、排班排考是 CSP、 棋类引擎的底座仍然是 α-β 剪枝。而且它们全都能用纯 Python 手写出来。

🕹️ 从 Wumpus 世界开始 🎯 直接看 A*
0%
你的进度(在每章末尾点「打卡」,保存在本浏览器里)

🧩 它和其他几套的分工

同样是「让机器做决定」,四套教程走的是完全不同的路:

从数据里学
给一堆样本,拟合出一个函数
从奖励里学
环境给反馈,试错着学出策略
算别人会怎么做
对面也在最大化,找均衡
这一套
在空间里搜
规则已知、不需要训练数据,把答案「找」出来

阶段 0 · 准备9 分钟,告诉你哪几章可以跳

阶段 1 · 先玩起来一个小世界,把整门课的问题先撞一遍

阶段 2 · Agent 是什么⭐ 这里的 Agent 和 LLM Agent 不是一回事,第 4 章讲清分界

阶段 3 · 搜索:在空间里找答案⭐⭐ 第 7 章 A* 是整套的枢纽

阶段 4 · 对抗搜索:有人跟你作对⭐ 第 11 章 α-β 剪枝:同样的答案,少看一半的树

阶段 5 · 约束满足换个问法:不搜路径,直接给每个变量填值

阶段 6 · 不确定性世界不告诉你真相时怎么推理

阶段 7 · 感知与语言的老办法⚠️ 深度学习之前人们怎么做视觉和 NLP,以及为什么被取代

阶段 8 · 动手全部能用纯 Python 写出来,不需要 GPU

随时查算法步骤、复杂度表、做题套路