在設(shè)計一個AI時躺同，會涉及到許多方法，包括推理方法蹦漠、學習方法等，那么如何在眾多方法中選擇適合特定問題的方法呢笛园？本文嘗試簡單探討這個問題
推理方法（reasoning）選擇
AI設(shè)計中常用的推理方法包括案例式推理(Case-Based Reasoning ; CBR)侍芝，約束補償 (Constraint propagation)，目標－手段分析(means-ends analysis)州叠，類比推理（analogical reasoning）等等，如果需要從中選擇最佳方法逆甜，我們需要引入后設(shè)認知（Metacognition), 即對自己的認知過程以及儲存的知識的思考致板。通過后設(shè)認知，我們有幾條推理方法選擇原則：
1.解決問題所需要的知識： 任意一個方法都需要一些關(guān)于這個世界的知識斟或。比如說，案例式推理需要關(guān)于案例的知識御毅，約束補償需要一些關(guān)于約束的知識），等等端蛆， 而后設(shè)認知會依據(jù)目前需要解決的問題具體需要什么知識來選擇方法。比如說侈沪，如果需要解決的問題中沒有標簽晚凿，那么就無法使用案例式推理，另一方面歼秽，如果說有可以利用的約束，那么約束補償就有可能是一個有效的方法箩祥。
2. 計算效率： 在多種方法都滿足條件1的情況下（即這些方法所需要的知識也是解決該問題所需要的）肆氓，那么評判標準則變?yōu)橛嬎阈省Ｅe例來說谢揪，如果現(xiàn)有的問題與之前曾經(jīng)解決過的一個問題非常類似，那么案例式推理則可能是一個更好的方法凳鬓，反過來說患民，如果現(xiàn)有問題與先前解決過的問題很不相同，那么基于案例式推理就可能不是一個好的選擇匹颤。
3. 解法質(zhì)量：除此之外，解法的質(zhì)量也是一個評判標準杠氢。有一些方法會生成質(zhì)量具有保證的解法另伍，比如說，邏輯推理生成的解法往往能確保一定的正確性摆尝。如果所面臨的問題對于計算效率要求不高，而更重視解法質(zhì)量的話堕汞，可能邏輯推理就是一個好的選擇。
學習方法選擇
同樣的琐鲁，AI設(shè)計中涉及到許多學習方法人灼，如案例式學習（recording cases learning）,分類（classification）, 解釋式學習（explanation-based learning）,增量學習（incremental concept learning），版本空間（version spaces）等等奈泪。如何選擇學習方法灸芳，與上文的推理方法選擇有點類似，評判標準如下：
1. 取決于問題本身： - 取決于問題本身烙样，有一些方法適用于一個特定問題，而有一些方法則不適用于該問題债蜜。比如說訓練過程中一次給定示例，那么增量學習就更適合寻定，如果說所有的示例都一次性輸入精耐，那么決策樹學習可能就更合適。
2. 計算效率和解法質(zhì)量：同上文推理方法的選擇向胡。
策略選擇與策略集成
前面提到了如何從眾多方法中選擇出適合當前問題的方法惊完，那么即便選擇出了最適合當前情境的方法，隨著時間推移小槐，問題也在變化荷辕，我們可能需要從一種方法轉(zhuǎn)移到另一種方法件豌。舉例來說，在案例式推理中茧彤，又分為檢索（retrieval）,改編（adaptation）,適應（evaluation）和storage(儲存）。在改編環(huán)節(jié)中惫谤，我們可能需要將方法切換為準則式推理珠洗。所以，在實際應用中险污，也需要對各個方法進行集成，以解決復雜問題拯腮。
