贪心法

agent124

学过算法的人，大概都知道贪心法，“是一种在每一步选择中都采取在当前状态下最好或最优（即最有利）的选择，从而希望导致结果是最好或最优的算法。”（某基百科）贪心法不能保证一定能得到最优解，甚至“对于大部分的问题，贪心法通常都不能找出最佳解”（某基百科）。不过，因为算法比较直观，也确实能解决一部分问题，所以应用还是比较多的。

最近看了一些象棋视频。有个视频的up主说到，如果光是依赖ai学象棋，会走入歧途。他举了个例子，ai判断局面，黑方落后几百分，但是走了几步后却扭转了形势，取得了优势。看到这个，想到贪心法，不知道ai用的是否也是贪心法。如果是，就很好解释了。

多年前看到一个象棋游戏，附有一个文档。作者解释，因为穷举所有变化，受到算力限制做不到，有个学者发明了一种算法，可以尽量减少穷举，而又同时尽量提高覆盖率。现在的ai算力当然比那时高多了，不过完全穷举象棋的所有变化，大概算力还是差点，所以还是要用各种算法来优化效率。可能也不完全用的是贪心法。但是，up主举的例子，也说明ai的算法尚有一些缺陷。

不过，ai虽然有这种缺陷，但是对付人类棋手，已经是绰绰有余。任何一个特级大师都无法战胜ai，这已经是不争的事实。人类虽然在某些特殊局面有点优势，如up主举的例子那样，但是在总体上完全无法和ai抗衡。所以，依赖ai学棋，还是可行的。而且，由于象棋已经被ai征服，所以本来要让人来做的，发现象棋规律这种事，已经可以让ai来代替了。或者说，人类已经失去了追求探究象棋奥秘的目标，象棋对于人类来说，已经沦为一般的游戏。所以，不管是不是依赖ai学棋，纯粹只是为了满足人类好斗的本性和娱乐的本性，其实区别都不大了。

横槊赋诗

小学数学有一类题，就是两种不同运费/载重的汽车运输货物，怎样花钱最小。

我倒是用模型研究了下，得出要么全用运费/载重比值小的车一次运完，要么恰好运完并且尽可能多地利用运费/载重比值小的车，比较这两种情况就能挑出最优方案。

gongqi

以我个人对AI的了解，贪心法对于生成式AI算法还是复杂了点。AI的基本算法很简单，就是海量训练。

规划里有个基于成本的算法，很像是楼文说的贪心法。该算法是把需要考虑的各种因素都折算成成本，然后不断调整参数（按一定顺序或蒙特卡洛），每调整一次就计算一次，成本低就保留，成本高就放弃，这样没完没了地计算，直到找到最优解。
这个过程短则几小时，长则几天甚至更长。更长时间的解肯定优于更短时间的解。但其实优到一定程度就行了，不必最优。
这个算法几十年前就有了，所以显然不是AI的生成式算法。

棋类软件的算法，IBM的深蓝用的是人类编写的评估函数+暴力搜索，没有自学习，纯靠硬编码，模型很复杂，所以和AI一点关系都没有。
AlphaGO则是纯AI算法，是从0开始的自我对弈强化学习，然后AI自己优化简单模型的海量参数。

不知道如果深蓝和AI的chess算法比赛一下结果如何，我猜后者可能从小白开始训练1个月以后就可以完胜前者。

茕鬼

看不懂高端大佬的对话