想象一下，你可以告诉你的手机，你想从波士顿的家开车到纽约北部的一家酒店，你想在12:30左右在一家Applebee 's餐厅停下来吃午饭，你不希望旅程超过四个小时。然后想象一下，你的手机告诉你，你只有66%的机会达到这些标准，但如果你可以等到1点吃午饭，或者如果你愿意去TGI Friday餐厅吃饭，那么你达到这些标准的几率可以高达99%。
这类应用程序是麻省理工学院计算机科学与人工智能实验室Brian Williams团队的目标——尽管同样的底层框架已经开发出NASA和伍兹霍尔海洋研究所用于计划任务的软件。
在本月举行的人工智能发展协会(AAAI)年会上，威廉姆斯团队的研究人员将展示一些算法，这些算法代表着朝着威廉姆斯所说的“更好的Siri”迈出的重要一步。Siri是苹果产品中的用户帮助应用程序。但它们对任何计划任务都同样有用，比如安排航班或公交路线。
与威廉姆斯一起，麻省理工学院航空航天系的研究生Yu Peng和Cheng Fang开发了一种软件，允许规划人员指定限制条件——比如，沿着某条路线的公共汽车应该每隔10分钟到达目的地以及可靠性阈值，比如公交车至少90%的时间是准时的。然后,概率模型的基础上,揭示数据等,沿着这英里的公路旅行时间波动2 - 10分钟-系统决定是否存在一个解决方案:例如,也许公交车的离职应该错过了6分钟,有时一天,12分钟。
然而，如果解决方案不存在，软件也不会放弃。相反，它提出了一些规划者可以放松问题限制的方法:公交车是否能每隔12分钟到达目的地?如果规划者拒绝了提议的修正案，软件会提供另一种选择:你能在路线上增加一辆公交车吗?
短短的尾巴
该软件与以前的计划系统的一个区别在于它可以评估风险。“直接计算概率总是很困难，因为它们总是给你的计算增加复杂性，”方说。“所以我们加入了风险分配的想法。我们会问，‘你对整个任务的风险预算是多少?让我们将其分割，并将其作为一种资源来使用。’”
例如，穿越公交路线的任何一英里所需要的时间，可以用概率分布来表示——一个钟形曲线，绘制时间与概率的关系。跟踪所有这些概率，并计算出每一英里的概率，将产生巨大的计算量。但如果系统事先知道规划者可以容忍一定数量的失败，那么它实际上就可以把失败分配给分布中概率最低的结果，砍掉它们的尾巴。这使得它们在数学上更容易处理。
在AAAI, Williams和他的另一名学生Andrew Wang写了一篇论文，描述如何有效地评估这些作业，以便为可解决的规划问题找到快速的解决方案。但是，于和方在同一届会议上发表的论文，集中于找出那些阻碍问题解决的制约因素。
会有摩擦
这两个程序都是根深蒂固的图理论。在这种情况下，图是由节点和边组成的数据表示，节点通常被描述为圆，边通常被描述为连接节点的线段。任何调度问题都可以用图表示。节点表示事件，边表示事件必须发生的顺序。每条边都有一个相关的权重，表示从一个事件进展到下一个事件的成本——例如，一辆公共汽车在站点之间行驶的时间。
Yu, Williams和Fang的算法首先用图来表示问题，然后开始添加边来表示规划者施加的约束。如果问题是可解决的，则表示约束的边的权值将处处大于表示事件之间转换成本的权值。然而，现有的算法可以快速锁定图中权重不平衡的循环。麻省理工学院研究人员的系统然后计算出重新平衡循环的最低成本方法，并将其作为问题初始约束条件的修改呈现给规划者。
了下:M2M(机器对机器)
