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、表示常識知識等。傳統的知識表示已經很成熟了，既包括描述邏輯，也包括語義網（資源描述框架）。知識推理建立在邏輯上，首先需要龐大的數據集，如freebase；其次需要關系抽取自動化工具；最后需要合理的知識存儲結構，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。

圖3-19所示為一般基于AI的知識工程底層技術架構示意圖。

2．自動規劃

首先要說一下有限狀態機（FSM），其一般應用于游戲機器人、網絡協議、正則表達式、詞法語法分析、自動客服等。

其次是狀態空間搜索，最簡單的方法是盲目搜索。優化改進的版本是啟發式搜索，如AI算法，這方面的應用有DeepBluc、AlphaGo。AlphaGo在蒙特卡羅樹搜索（MonteCarlo Tree Search，MCTS）基礎上使用了深度學習、監督學習和增強學習等方法。“蒙特卡羅樹搜索”是一類啟發式的搜索策略，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策略，從而不斷接近全局最優，確定每步棋應該怎么走才能創造更好的機會。

圖3-19一般基于AI的知識工程底層技術架構