Эвристика способна поставить программу «наилучшим образом» на тот из путей, на котором как раз и лежит решение. Эвристикой ограничивается поиск решений посредством меньшего размера выборки.

В период 1990-х годов исследователи сосредоточились на поиске, базирующемся на таком инструменте, как математическая теория оптимизации. Поиск для множества проблем можно начинать с некоторой догадки, а затем уточнять догадку, пока не будет никаких уточнений. Визуализация данных алгоритмов возможна с помощью слепого поднятия холма: начало поиска происходит на ландшафте в любой из случайно выбранных точек. После этого продолжается движение вперед, вплоть до достижения вершины. К другим алгоритмам оптимизации принято причисление случайной оптимизации, поиска луча и имитируемого отжига.

Эволюционным вычислением используется поиск оптимизации. Скажем, можно начать с популяции организмов (с догадки), а после позволить этим организмам мутации и рекомбинации с выбором лишь самых приспособленных организмов, чтобы они выжили в каждом из поколений (уточнение догадки).

Эволюционные вычисления по форме бывают разными – начиная от алгоритмов роевой разведки (таких, как алгоритмы оптимизации частиц или муравьиной колонии) до алгоритмов эволюционных (таких, как генетическое программирование, программирование генной экспрессии алгоритмы, являющиеся генетическими).

Если взять экономику, то для нее важнейшей из концепций является концепция «полезности»: показателя того, насколько ценным является какое-то разумное средство.

С помощью точных математических инструментов был разработан способ анализа осуществления выбора агентом и создания его плана. При этом исследователи практикуют применение теории принятия решений, анализа решений, теории значения информации. И имеет место использование марковских процессов принятия решений (марковских цепей), сетей динамических решений, теории игр и теории дизайна механизма.

Многочисленными исследователями теперь используются варианты глубокого обучения, повторяющиеся NN, называемые сетью с длинной короткой памятью (LSTM). LSTM часто обучается временному классификатору Connectionist (CTC). Компаниями Google, Microsoft и Baidu было обеспечено с помощью этого подхода революционизирование распознавания речи.

К 2015 году распознавание речи Google обеспечило резкий скачок производительности (она выросла на 49%) благодаря CTC-обученному LSTM, он сегодня доступен через Google Voice миллиардам пользователей смартфонов.

Компания Google также обеспечила использование LSTM для улучшения машинного перевода, Языковое моделирование и обработка многоязыкового языка LSTM в сочетании с CNN также улучшили автоматическую подпись изображений и множество иных приложений.

Применение искусственного интеллекта

Следует обратить внимание, что любая интеллектуальная задача – это то, к чему имеет отношение AI. Сегодня наблюдается широкая распространенность современных методов AI. Их более чем много, поэтому их перечисление сложно и не обязательно здесь. Нередко происходит достижение техникой основного использования, после чего ее уже не относят к AI, а рассматривают в качестве эффекта AI.

К высокопрофильным примерам AI практикуется причисление автономных транспортных средств (таких, как дроны и самоходные автомобили), медицинского диагностирования, создания искусства (скажем, резьбы по дереву), доказательства математических теорем, игр в игры (к примеру, в шашки), поисковых систем (таких, как Поиск в Google), онлайн-помощников (к примеру, Siri), распознавания изображений на фото, фильтрации спама, предсказания судебных решений, таргетинга онлайн-рекламы.