为什么在一门简短的AI入门课程中只教授搜索算法？
我了解到搜索的概念在AI中很重要。有一个问题，这个网站关于这个话题，但人们还可以直观地理解为什么。我有一门关于AI的入门课程，为期半个学期，所以当然没有足够的时间来涵盖AI的所有主题，但是我希望学习一些AI理论（我听说过“代理” ”），但实际上我基本上学到了几种搜索算法，例如： BFS 统一成本搜索 DFS 迭代深化搜索 双向搜寻 这些搜索算法通常归类为“盲目”（或“无知”），因为它们不考虑有关目标的剩余路径的任何信息。 或类似的算法： 启发式搜索 最佳优先搜索 一个 一个* IDA * 这类搜索通常属于“知情”搜索算法的类别，因为它们使用有关目标剩余路径的某些信息（例如“启发式”或“估计”）。 然后，我们还学习了“高级”搜索算法（专门应用于TSP问题）。这些算法是建设性的（例如，最近邻算法），局部搜索（例如，2-opt）算法或元启发式算法（例如，蚁群系统或模拟退火算法）。 我们还简要研究了适用于游戏的最小-最大算法和最小-最大的“改进”版本，即alpha-beta修剪。 学习完本课程后，我感到AI只是在“愚蠢地”或“更聪明地”进行搜索。 我的问题是： 为什么一位教授只在AI课程中教授搜索算法？优点/缺点是什么？下一个问题与此有关。 除了可以在入门课程中教授的AI“搜索”之外，还有什么？这个问题可能会导致主观答案，但实际上我是在试图了解AI的真正含义以及它真正涵盖的主题的背景下问的。显然，不幸的是，在阅读之后，看来这仍然是主观的。 是否有可以通过此类课程教授的AI理论？