用自动学习的可解释人类谓词更快地解决证人型三角形难题
摘要：自动解决游戏《见证人》中的谜题实例可以引导玩家找到解决方案，并帮助谜题设计师生成更好的谜题。在后一种情况下，这种人工智能谜题求解器可以向人类谜题设计师和程序化谜题生成器提供信息，以产生更好的实例。然而，这些谜题在组合上非常困难，基于搜索的求解器可能需要大量的时间和内存。我们通过自动学习一个人类可解释的谓词来加速这种搜索，该谓词可以预测部分路径到一个见证类型谜题是否不可完成为解决路径。我们证明了所学习谓词的一个关键属性，使我们能够在搜索中使用它来剪枝后继状态，从而加速搜索平均六倍，同时保持底层搜索的完整性。相反，给定每个谜题的固定搜索时间预算，我们的谓词加速搜索可以解决更大规模的谜题实例比基线搜索。
作者：Justin Stevens, Vadim Bulitko, David Thue
论文ID：2308.02666
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-08-08