Эвристический подход к искусственному интеллекту

1.

AI & HEURISTICS
Эвристический подход
к искусственному
интеллекту
Почему AI выбирает «достаточно хорошее» вместо
«идеального» — и почему это работает

2.

01
Что такое эвристический подход
Простое объяснение
Ключевая идея
Эвристика — это когда вместо перебора всех вариантов, AI использует «умные правила»
и опыт. Это как искать телефон не по всей квартире, а сначала в вероятных местах.
Эвристика — это интеллектуальная лень . Она
Не идеально, но быстро
Решение не гарантированно оптимальное, но найдено за секунды, а не часы. В реальном
мире скорость часто важнее идеала.
позволяет не решать задачу полностью, а
найти достаточно хорошее решение с
минимальными затратами.
«Эвристика служит для выяснения или открытия»
Пример из жизни
Когда ты ищешь потерянный телефон, ты не проверяешь каждый сантиметр. Ты сначала
смотришь на диване, столе, в куртке — в самых вероятных местах.
— от греческого «heuriskein»

3.

02
Точные алгоритмы vs эвристики
Точные алгоритмы
Эвристические алгоритмы
Гарантия оптимальности
Скорость превыше всего
Находят идеальное решение, проверяя все варианты
Находят «достаточно хорошее» решение за секунды
Могут работать вечность
Умные правила
Для сложных задач требуют недопустимо много времени
Используют опыт и интуицию, а не полный перебор
Огромные ресурсы
Практичность
Требуют суперкомпьютеры для реальных задач
Работают на обычных устройствах в реальном времени
Пример: алгоритм Дейкстры находит кратчайший путь, но обрабатывает
Пример: алгоритм A* использует эвристику для поиска пути, игнорируя
все точки
заведомо плохие варианты
Кейс: В шахматах невозможно перебрать все ходы (их больше, чем атомов во Вселенной). Поэтому AI оценивает позиции по ключевым
признакам: защищён ли король, сколько фигур под ударом, контроль центра.

4.

03
Как AlphaGo обыграла
чемпиона
Невозможная задача
В го больше возможных позиций, чем атомов во Вселенной. Перебрать все ходы
физически невозможно даже для суперкомпьютера.
Эвристики на миллионах партий
AlphaGo использовала нейросети, обученные на миллионах реальных партий.
Она выучила «интуицию» — какие ходы «чувствуются» правильными.
Ход №37 — креатив эвристики
Во второй партии AlphaGo сделала ход, который противоречил 3000-летней
теории го. Профессионалы назвали его «редким и интригующим ударом в плечо».
Создатели программы сами не могли объяснить, почему AI выбрал этот ход —
эвристики стали настолько сложными, что превратились в интуицию.
Результат: AlphaGo победила Ли Седоля — одного из сильнейших игроков в го в
истории.

5.

04
Как Netflix и TikTok «читают мысли»
Коллаборативная фильтрация
Если похожие на тебя пользователи посмотрели фильм — скорее всего, он тебе тоже зайдёт.
Не нужно анализировать сам контент — только поведение людей.
Ручная разметка Netflix
Netflix нанимает людей для ручной разметки контента: жанры, настроение, актёры, сюжетные
повороты. Это создаёт эвристики для точных рекомендаций.
Рекомендательные системы
Не анализируют все фильмы и видео. Вместо
этого используют быстрые эвристики, чтобы
предсказать, что тебе понравится.
Эффект «угадал»
Ты думаешь, что TikTok «читает мысли», но на самом деле это быстрые эвристики,
анализирующие: время просмотра, лайки, репосты, комментарии.
Интересный факт: Netflix утверждает, что их рекомендательная система экономит пользователям $1 млрд в год — за счёт снижения оттока клиентов.

6.

05
Почему «достаточно хорошее» — это нормально
Satisficing — термин Саймона
Слово-гибрид: satisfy (удовлетворять) + suffice (быть достаточным). Придумал
нобелевский лауреат Герберт Саймон в 1956 году.
Вместо оптимизации — поиск решения, которое «достаточно хорошо» для текущих
условий.
Ограниченная рациональность
Саймон доказал: люди и AI работают в
условиях ограниченной рациональности —
у нас ограничено время, информация
неполная, ресурсы конечны.
AI такой же, как человек
Искусственный интеллект тоже работает
с ограничениями. Эвристики позволяют
ему принимать разумные решения в
Время — деньги
реальном времени.
В реальности нет времени ждать идеального решения. Лучше принять «хорошее» решение
сейчас, чем идеальное — никогда. Пока ты считаешь, обед прошёл.
Баланс точности и скорости
Эвристики находят золотую середину
между качеством решения и затратами на
его поиск.

7.

06
Интересные факты: люди — тоже эвристические
машины
Парадокс буквы «к»
Каких слов больше: с «к» в начале или на третьем месте? 70% людей ошибаются, потому что
легче вспомнить слова, начинающиеся на «к». Это эвристика доступности.
Спортсмены не решают уравнения
Ловля мяча требует решения дифференциальных уравнений. Но спортсмены используют
эвристику взгляда: поддерживают постоянный угол между собой и мячем.
Мозг экономит энергию
Мы используем эвристики постоянно, даже не
Животные тоже используют эвристики
осознавая. Это позволяет нам быстро принимать
Птицы, летучие мыши, стрекозы ловят добычу, поддерживая постоянный оптический угол.
решения без перегрузки.
Самки павлинов выбирают партнёров по количеству точек на перьях — простое правило, а не
сложный анализ.
«Эвристики — это не баг, а фича эволюции. Природа научила нас находить выживаемые решения, а не идеальные.»

8.

07
Почему эвристики побеждают
Скорость
Работа с неполной информацией
Решение за миллисекунды вместо часов. Google Maps строит маршрут
Эвристики принимают решения, когда данных недостаточно для точного
мгновенно, а не считает все возможные пути.
алгоритма. Как человек принимает решения в условиях неопределённости.
Важно для: навигации, чат-ботов, поиска
Важно для: медицины, финансов, прогнозов
Адаптивность
Экономия ресурсов
Легко подстраиваются под изменения. Если дорога перекрыта, Google Maps
Не нужны суперкомпьютеры. Эвристики работают на обычных смартфонах
быстро перестроит маршрут, не пересчитывая всё с нуля.
и ноутбуках, делая AI доступным для всех.
Важно для: динамических систем, игр
Важно для: мобильных приложений, IoT
Главный вывод: В реальном мире «хорошо» часто лучше, чем «идеально, но никогда» . Эвристики — это прагматизм, а не компромисс.

9.

ВЫВОД
Эвристики — это не упрощение,
а эволюция
Тезис для дискуссии
Эвристический подход важнее точных алгоритмов, потому что он копирует то, как работает разум.
Природа не ищет идеальных решений — она ищет выживаемые. Точные алгоритмы — это математика. Эвристики
— это жизнь.
Вопрос для размышления:
Готовы ли мы отказаться от гарантии идеальности ради скорости и практичности ? Или всё ещё ждём,
что AI найдёт «единственно правильный» ответ?