下面介紹幾種人工智能的實踐方法。

1．知識的表示和推理

知識表示包括基于知識的系統(tǒng)、表示常識知識等。傳統(tǒng)的知識表示已經(jīng)很成熟了，既包括描述邏輯，也包括語義網(wǎng)（資源描述框架）。知識推理建立在邏輯上，首先需要龐大的數(shù)據(jù)集，如freebase；其次需要關(guān)系抽取自動化工具；最后需要合理的知識存儲結(jié)構(gòu)，如資源描述框架。谷歌提出的知識圖譜概念就是一種知識工程，它有龐大的知識庫和基于知識庫的各種服務(wù)。

圖3-19所示為一般基于AI的知識工程底層技術(shù)架構(gòu)示意圖。

2．自動規(guī)劃

首先要說一下有限狀態(tài)機（FSM），其一般應(yīng)用于游戲機器人、網(wǎng)絡(luò)協(xié)議、正則表達式、詞法語法分析、自動客服等。

其次是狀態(tài)空間搜索，最簡單的方法是盲目搜索。優(yōu)化改進的版本是啟發(fā)式搜索，如AI算法，這方面的應(yīng)用有DeepBluc、AlphaGo。AlphaGo在蒙特卡羅樹搜索（MonteCarlo Tree Search，MCTS）基礎(chǔ)上使用了深度學(xué)習(xí)、監(jiān)督學(xué)習(xí)和增強學(xué)習(xí)等方法?！懊商乜_樹搜索”是一類啟發(fā)式的搜索策略，能夠基于對搜索空間的隨機抽樣來擴大搜索樹，始終保證選取當前抽樣中的最優(yōu)策略，從而不斷接近全局最優(yōu)，確定每步棋應(yīng)該怎么走才能創(chuàng)造更好的機會。

圖3-19一般基于AI的知識工程底層技術(shù)架構(gòu)