AI推想 蚁迹寻踪 的启示

EasySL

蚁迹寻踪 的启示

        看了《蚁迹寻踪》的演示和论证，原文在http://www.swarmagents.com/complex/down2top/alintro.htm，没有必要再写一遍，请大家自己去查看，这个演示非常生动有趣，我从中得到了一个启示： 较大的问题（决策），可以用一种方式分散开，交给非常多的小个体去完成，并且用不着建立直接的，我认为最终是数学上的联系方法表示出来。他们每一个小个体都不知道寻找最短路径，但是他们的每个小个体的自身运动方法和做法却可以让全局的意图得以完成和体现出来。如果我们可以找出更多更好的联系方法，在一定程度上我么就可以用局部的策略制作达成全局的愿望。
        上面所说得更加让我认为我的想法是可取的。职能的就是能够犯错误，并能修正错误，基本上如果把所有的错误都干过，剩下的大概就是正确的了吧。要想产生更像人类的思考方法，你就得让你的人工智慧能够犯很多错，并且聪明与否在于是否能更快地排除错误，或创新出正确的方法。如果只能是这样的，让人能更快地排除错误思想，更容易走向正确思想的话，那么我们学校的教育，大多数都不是在培养我们的智慧，而只是在锻炼存储器。蚂蚁离我们的生活如此进，我们却没有发现他的这个特点。但凡有创新和发现新事物，新道理的人都是喜欢自学的。
     所以我们不能老是停留在教计算机 固定的知识， 二是让计算及学会思考，不断改变自我状态，完善自我。如果没有自我发展，自我完善，自我调试，自我修正的特点，那么永远都是机器，我们的社会正是我们变得越来越机器，而我们研究的事让机器越来越有生命感，但让计算机智能有自我感现在基本不可能，那么有了自我感的计算机智能才是智能的。

kaiz

顶一个先
我觉得这种方法和人工神经元网络有几分神似，都是通过最基础最简单的组合得到复杂问题的解答。
但是这种方法是需要大量时间积累的，在大多数游戏中，特别是互交性很强、节奏很快的游戏中如何才能让计算机表现得更加智能一些呢？

kaiz

学术领域和游戏领域的人工智能还是有很大区别的阿.....