麻省理工学院的研究人员正在转向人类直觉以改善计划算法。
国际自动化计划和日程安排会议每隔一年就会举办一场比赛，以寻找最佳的计算机系统，以解决计划问题，例如协调卫星活动或调度航班的活动。不幸的是，即使已经开发了最好的计划算法仍然不如人谁特别熟练解决问题。
在一篇论文中，在人工智能促进协会年度会议上发表的论文中，麻省理工学院计算机科学和人工智能实验室的研究人员试图通过将人类直觉纳入自动化算法来改善计划系统。将实际人类计划者的策略编码为机器可读的一种形式之后，他们在计划算法中的提高了10％至15％，这些算法已经继续获胜竞赛，取决于解决的问题。
“ [w]已经看到，对于计划，调度和优化等事情，通常会有一小部分人真正出色的人，”说麻省理工学院助理航空和宇航员朱莉·沙阿（Julie Shah）。
计划工作算法
规划算法旨在解决具有不同难度水平的问题，最简单的问题必须满足最少的参数，这将取决于问题。例如，一个要求计划飞行路线的问题，以使所有乘客到达目的地，没有一架飞行的飞机将具有参数，例如机场，某个机场的乘客人数以及可用的飞机数量。
当数值问题添加数值参数时，数值问题更为复杂，而时间问题则认为是最困难的，因为它们在数值问题上增加了时间限制。
对于每个问题，分配了30分钟以进行算法进行工作。
添加人类的直觉
Shah及其同事从麻省理工学院招募了36名毕业生和本科生，并为他们提供了计划的问题。根据研究人员的说法，参与者是从麻省理工学院组成的，因为他们认为学校的学生是解决问题的专家。他们是对的，因为学生在解决所介绍的问题方面的表现要比自动规划师更好。
可以通过使用线性时间逻辑来定义所使用的学生所使用的很大一部分策略，这是一种正式语言，然后可以将参数添加到问题规格中。分别测试了使用的每个策略，并产生了不同的结果，尽管仅略微测试。
对于卫星位置和飞行规划问题，研究人员在分类为数值的问题上记录了16％和13％，而被归类为时间问题的问题分别提高了10％和12％。
Shah说：“也许有一座桥梁采用用户的高级策略并使其对机器有用。”
在正在进行的工作中，Shah及其同事正在寻求转向他们的算法通过使用技术自然处理语言，将自由形式的高级策略的描述转换为线性时间逻辑，全部自动处理语言，所有这些都不是人干预。
除了沙阿，约瑟夫·金和克里斯托弗·班克斯还为这项研究做出了贡献。
