一个系统根据大量不同的因素做出决策,遵循一个“实时”决策树——一个(独立地,通过其他子系统)用新决策、新情况更新的决策树。
个人决策可以记录为一种结构:
- 决策函数
- 如果决定是肯定的,则激活节点
- 如果决定是否定的,则激活节点
一个节点可以是另一个决策记录,也可以是一个结论。
这并不完全是一棵二叉树,因为许多决策可能会得出相同的结论——每个节点都有两个孩子,但可能有很多父母。
将树存储在内存中绝对没有问题 - 它可以是数据库记录或地图条目,或者只是一个列表。这对机器来说完全足够了。
这里的问题是构建扩展决策树的子系统 - 特别是让人类操作员了解正在构建的结构,以便能够调整、引导、修复、调整它:调试 AI 学习过程。
问题是:如何以人类可读的方式表示数据,强调图形的流动?
答案的一个不可行的例子是概念图——在这种情况下,它只能到此为止;如果节点超过三十个左右,就会变得一团糟,尤其是当交叉连接(多个父节点)的数量变得很大时。也许存在某种布局或切片以使其更清晰的方法......?