1. 問(wèn)題及其分類(lèi)
人們在生活、學(xué)習和工作中每時(shí)每刻都會(huì )遇到各種各樣的問(wèn)題。
美國著(zhù)名心理學(xué)家和計算機專(zhuān)家西蒙（Sinmon,1978）指出：
當一個(gè)人接受一項任務(wù)，但又不知道如何去完成它時(shí)，他面臨的就是一個(gè)問(wèn)題。
西蒙將問(wèn)題解決看作人類(lèi)認知的三類(lèi)信息加工過(guò)程（再認、問(wèn)題解決、學(xué)習）之一。
可見(jiàn)，問(wèn)題解決就是所面對的問(wèn)題得到解決的認知活動(dòng)過(guò)程。
為了尋求用信息技術(shù)求解問(wèn)題的有效策略，人們從不同角度問(wèn)題的類(lèi)型進(jìn)行劃分與研究。
當然，人們對問(wèn)題類(lèi)型的劃分只是相對的，它可以在一定的條件之下發(fā)生變化。
(1)良構問(wèn)題和劣構問(wèn)題
根據問(wèn)題狀態(tài)的清晰程度，可以將問(wèn)題區分為定義完善的問(wèn)題、定義不完善的問(wèn)題兩大類(lèi)，
它們也被分別被稱(chēng)為良構（well-structured）問(wèn)題和劣構（ill- structured）問(wèn)題。
在定義完善的問(wèn)題中，問(wèn)題的前提與目標狀態(tài)都是清晰的，
達到目標的潛在的解決路徑是已知的或者比較容易獲取的。
例如，求解一元二次方程X2+3X+2=0的問(wèn)題就是一個(gè)定義完善的問(wèn)題。
反之，在定義不完善的問(wèn)題中，則可能有一個(gè)未加明確說(shuō)明的既定狀態(tài)、
一個(gè)不明確的但希望達到的目標狀態(tài)，而且也可能沒(méi)有普遍認同的解決問(wèn)題的策略。
例如，心理咨詢(xún)問(wèn)題就是一類(lèi)定義不完善的問(wèn)題。
(2)結構化問(wèn)題與非結構化問(wèn)題
根據信息處理過(guò)程的結構化程度不同，有專(zhuān)家將問(wèn)題劃分成三種類(lèi)型：
結構化問(wèn)題、非結構化問(wèn)題與半結構化問(wèn)題。
結構化（structured）問(wèn)題，是指能夠通過(guò)形式化（或稱(chēng)公式化）方法描述和求解的一類(lèi)問(wèn)題；
非結構化（unstructured）問(wèn)題則難以用確定的形式來(lái)描述，主要根據經(jīng)驗來(lái)求解；
介于上述兩者之間的是半結構化（semi-structured）問(wèn)題。
(3)常規性問(wèn)題與非常規性問(wèn)題
從問(wèn)題解決者的知識角度來(lái)看，可以將問(wèn)題分為常規性問(wèn)題與非常規性問(wèn)題兩大類(lèi)。
常規性問(wèn)題是一類(lèi)與問(wèn)題解決者已經(jīng)解決了的問(wèn)題相同或相似的問(wèn)題，該類(lèi)問(wèn)題只需通過(guò)再現性思維即可獲得解決；
非常規性問(wèn)題是指不同于問(wèn)題解決者以前已經(jīng)解決過(guò)的問(wèn)題，該類(lèi)問(wèn)題的解決需要問(wèn)題解決者建立新的解決方案。
2．問(wèn)題解決的基本策略
就上述各類(lèi)問(wèn)題的解決策略而言，一般來(lái)說(shuō)可以分成算法求解策略與啟發(fā)式求解策略?xún)纱箢?lèi)：
（1） 算法求解策略
算法是保證解決某一特定問(wèn)題的一種方法或程序，是一種規則系統。
目前企業(yè)中面臨的很多問(wèn)題都是定義完善問(wèn)題（或結構化問(wèn)題、常規性問(wèn)題），
它們大都可以通過(guò)簡(jiǎn)單的分析，根據現成的算法編程來(lái)解決。
（2）啟發(fā)式求解策略
啟發(fā)式是一種通用的、適應面較廣的問(wèn)題解決策略，
較多地被應用于復雜的定義不完善問(wèn)題（或非結構化問(wèn)題、非常規性問(wèn)題）的求解。
在有關(guān)問(wèn)題解決的信息加工理論中，問(wèn)題空間、搜索等都是十分基本的概念。
在這里，問(wèn)題空間是問(wèn)題解決者在任務(wù)環(huán)境中通過(guò)對目標狀態(tài)路徑的搜索而形成的，
大多數問(wèn)題都可能有一條以上的達到問(wèn)題解決目標的路徑。
因此，問(wèn)題的解決過(guò)程實(shí)質(zhì)上就是對問(wèn)題空間（即搜索空間）的搜索過(guò)程，
而對于復雜的非結構化問(wèn)題來(lái)說(shuō)，則需要采用非傳統的、直覺(jué)的、推測性的啟發(fā)性策略進(jìn)行求解。
通過(guò)簡(jiǎn)單博弈問(wèn)題的分析，了解用盲目搜索技術(shù)進(jìn)行狀態(tài)空間搜索的基本過(guò)程，
可以知道啟發(fā)式搜索的基本思想及其優(yōu)點(diǎn)。
需要指出的是，問(wèn)題解決的具體策略多種多樣，求解策略的選擇也是相對的。
對于不同類(lèi)型的問(wèn)題，可以用不同的策略和相應的信息技術(shù)工具來(lái)求解；
反之，同一個(gè)問(wèn)題也可以采用不同策略來(lái)獲得解決。
3．人工智能在“問(wèn)題解決”中的作用
我們知道,人工智能研究處于信息技術(shù)的前沿，它的研究、應用和發(fā)展 在一定程度上
決定著(zhù)計算機技術(shù)的發(fā)展方向。
今天，人工智能的不少研究領(lǐng)域如自然語(yǔ)言理解、模式識別、機器學(xué)習、數據挖掘、
智能檢索、機器人技術(shù)、人工神經(jīng)網(wǎng)絡(luò )等都走在了信息技術(shù)的前沿，
有許多研究成果已經(jīng)進(jìn)入人們的生活、學(xué)習和工作中，并對人類(lèi)的發(fā)展產(chǎn)生了重要影響。
與一般的信息處理技術(shù)相比，人工智能技術(shù)在求解策略和處理手段上都有其獨特的風(fēng)格。
而企業(yè)中也會(huì )遇到大量的結構性問(wèn)題、非結構性問(wèn)題、半結構性問(wèn)題。
所以，作為管理人員，了解一些信息技術(shù)的相關(guān)進(jìn)程，
可以拓展自己的思路、避免被自己的慣常思維所限制住——這也是創(chuàng )新思維中的措施之一。
人工智能的相關(guān)研究成果，是完全可以用于個(gè)人的思維能力提升、組織思維能力的提升。
有些高科技并不像你所想像得那么復雜的。因為人工智能研究的是人類(lèi)思維模式、人類(lèi)遇到的問(wèn)題解決。
在企業(yè)中，
1）對信息的獲取、加工、管理、表達與交流的能力；
2）對信息及信息活動(dòng)的過(guò)程、方法、結果進(jìn)行評價(jià)的能力；
3）發(fā)表觀(guān)點(diǎn)、交流思想、開(kāi)展合作并解決學(xué)習和生活中實(shí)際問(wèn)題的能力；
4）遵守相關(guān)的倫理道德與法律法規，形成與信息社會(huì )相適應的價(jià)值觀(guān)和責任感。
由此可見(jiàn)，“解決學(xué)習和生活中實(shí)際問(wèn)題的能力”即問(wèn)題解決能力的培養或發(fā)展，
既是人工智能的科研人員所關(guān)心的，也應該是企業(yè)中管理人員應該終身思考、終身關(guān)心的問(wèn)題。
自我訓練時(shí)，可以注意以下原則：
1）對問(wèn)題解決方法多樣性和多種思維方式的培養
從求解問(wèn)題的計算機程序的組成來(lái)看，有專(zhuān)家認為：
求解結構化問(wèn)題的傳統程序＝算法＋數據結構，
而求解非結構化、半結構化問(wèn)題的人工智能程序＝知識＋推理。
自學(xué)一點(diǎn)人工智能的知識，了解人工智能語(yǔ)言的基本特征，
理解智能化問(wèn)題求解的最為基本的策略的過(guò)程中，體驗、認識人工智能知識與技術(shù)的過(guò)程中
獲得對非結構化、半結構化問(wèn)題解決過(guò)程的了解，
從而可以使自己了解計算機解決問(wèn)題的方法的多樣性，
也就會(huì )對日常生活中的問(wèn)題解決方法多樣性有所了解，
培養自己的多種思維方式，提高個(gè)人素養。
2）對自己的分析能力 與 判斷能力的培養
在人工智能應用中，專(zhuān)家系統是模擬人類(lèi)專(zhuān)家解決問(wèn)題的思路和經(jīng)驗，
來(lái)解決現實(shí)社會(huì )特定領(lǐng)域中復雜問(wèn)題的一類(lèi)軟件系統。
一個(gè)實(shí)際的專(zhuān)家系統不僅能夠為用戶(hù)給出相關(guān)領(lǐng)域的專(zhuān)家水平建議或決策，
而且能夠通過(guò)解釋機制，以用戶(hù)容易理解的方式解釋專(zhuān)家系統的具體推理過(guò)程。
可以向專(zhuān)家系統提出諸如“為什么(Why)要問(wèn)該問(wèn)題？”“該結論是如何(How)得到的？”等問(wèn)題，
系統接受用戶(hù)的問(wèn)題指令后，可以根據推理的邏輯進(jìn)程，即時(shí)將答案呈現給用戶(hù)。
由于專(zhuān)家系統中的知識組織與推理過(guò)程是對人類(lèi)專(zhuān)家思維方式的一種模擬與再現，
因此在建造知識庫過(guò)程中，需要將原來(lái)零碎的未成型的知識概念化、形式化和條理化，
從而內化為自己的東西。正如美國著(zhù)名的學(xué)習論專(zhuān)家Jonassen所指出的：
那些自行設計專(zhuān)家系統的企業(yè)員工將會(huì )在該種活動(dòng)中受益匪淺，
因為這是一個(gè)對所學(xué)知識進(jìn)行深度加工的過(guò)程。
這個(gè)過(guò)程，其實(shí)是“知識管理（KM）”在企業(yè)中的運用，
對于建設者來(lái)說(shuō)，是一個(gè)很好的學(xué)習過(guò)程，很多人放棄這些，造成了不必要的學(xué)習機會(huì )的浪費。
版權說(shuō)明：
科學(xué)知識是相通的，但是，有些文字來(lái)源不得不說(shuō)（懶得錄入了，直接復制了別人的文字）。
本帖由本人 寫(xiě)于2007年12月29日，是受另一篇文章的啟發(fā)。那篇文章考慮的是如何將相關(guān)知識融于 高中 信息技術(shù)教育中。我寫(xiě)的，是如何提高自己的個(gè)人素養，拓展管理人員思維模式。
參考文章：《人工智能技術(shù)與“問(wèn)題解決”》，作者：張劍平，浙江師范大學(xué)教育技術(shù)系。
http://blog.tianya.cn/blogger/post_show.asp?idWriter=0&Key=0&BlogID=1057885&PostID=11309471
編輯于 2008-01-07 15:10:06 星期一
聯(lián)系客服
