# 章節包：人工智慧導論（AI）W2（9/17）第 03 章「搜尋問題的定義」 影片 0:53:20–1:08:52，YouTube ID hNZQIO0q74o，逐字稿 C:\D槽\TAICA課程\人工智慧導論\第二周1150917\W2_人工智慧導論_朱威達.逐字稿.txt。Notion 章節頁 https://app.notion.com/p/3e6fc631b03081c8a7e0e152c12bbd25（頁 ID 3e6fc631-b030-81c8-a7e0-e152c12bbd25），頁面標題「03 搜尋問題的定義（0:53–1:08）」。 ## 1. 第一行（直接照抄，不要改） [人工智慧導論](https://app.notion.com/p/3e6fc631b0308131b213f0a3d93fe91d) › [W2（9/17）](https://app.notion.com/p/3e6fc631b0308175a433e5fa4bc500df) › 03｜影片 [0:53:20–1:08:52](https://www.youtube.com/watch?v=hNZQIO0q74o&t=3200s)｜投影片 Ch3 p.1–10｜上一章 [02 環境性質與五種 Agent（0:13–0:40）](https://app.notion.com/p/3e6fc631b03081da84a3de991c10424f)｜下一章 [04 BFS 與 UCS 搜尋（1:08–1:23）](https://app.notion.com/p/3e6fc631b030811291c5ebaf18c949df) ## 1b. 最後一行（直接照抄，放在 Self-check 後面，當全頁最後一行） 讀完了嗎？下一章：[04 BFS 與 UCS 搜尋（1:08–1:23）](https://app.notion.com/p/3e6fc631b030811291c5ebaf18c949df)｜回到週頁：[W2（9/17）](https://app.notion.com/p/3e6fc631b0308175a433e5fa4bc500df) ## 2. 各段標題（照順序；每段一個 ## 標題，直接照抄連結） - `## [0:53:20](https://www.youtube.com/watch?v=hNZQIO0q74o&t=3200s) Problem-solving agent 與 search`　老師講什麼：延續 goal-based agent，這章只看最簡單的情況：解答是一串固定的動作，找出這串動作的過程就叫 search。 - `## [0:55:20](https://www.youtube.com/watch?v=hNZQIO0q74o&t=3320s) 羅馬尼亞地圖：問題的五個要素`　老師講什麼：從 Arad 走到 Bucharest，用 initial state、actions、transition model、goal test、path cost 五要素定義問題；這個環境是 deterministic，任何解答都是一串 action。 - `## [0:59:42](https://www.youtube.com/watch?v=hNZQIO0q74o&t=3582s) 8-puzzle 的問題定義`　老師講什麼：狀態是盤面，動作想成空格上下左右移，goal test 看有沒有排好，path cost 是移動次數；老師說這些例子之後的章節還會再用。 - `## [1:02:21](https://www.youtube.com/watch?v=hNZQIO0q74o&t=3741s) 8-queens 的問題定義`　老師講什麼：8×8 棋盤擺 8 個皇后互不攻擊（同列、同行、對角線）；狀態是放了 0–8 個皇后的盤面，動作是再放一個皇后。開頭約 30 秒逐字稿是亂碼。 - `## [1:04:42](https://www.youtube.com/watch?v=hNZQIO0q74o&t=3882s) 真實世界的搜尋問題`　老師講什麼：旅行推銷員、VLSI layout、機器人導航等問題更複雜，但本質上都是在建構 problem-solving agent。 - `## [1:05:45](https://www.youtube.com/watch?v=hNZQIO0q74o&t=3945s) 把問題展開成搜尋樹`　老師講什麼：從起點 A 展開可以走到的城市，一層層畫成 search tree：root 是起點，分支是動作，節點是狀態。 - `## [1:07:03](https://www.youtube.com/watch?v=hNZQIO0q74o&t=4023s) 樹上節點的結構`　老師講什麼：用 8-puzzle 說明每個 node 記錄 state（盤面）、parent（造成這個盤面的上一步）、action，以及 path cost（多走一個分支就多一步成本）。 ## 3. 老師強調／會考／不考的地方（原句已驗證；寫進筆記時 ASR 錯字要改正） - (0:59:43) [強調] 「這是一個我們之後會用的例子，我們順便也介紹其他，在往後不只這一章，在往後其他Chapter也可能會用到的例子」 → 羅馬尼亞地圖、8-puzzle、8-queens 之後各章會反覆使用 ## 3b. 數學段候選（程式抓的，只是提示；寫「跳過提示」行用） 0 段候選（門檻 3.0 字／30 秒） ## 4. 這章摘要與重要度 Problem-solving agent 把解答看成一串動作，用羅馬尼亞地圖、8-puzzle、8-queens 示範怎麼正式定義問題，再把問題展開成搜尋樹。（核心） ## 5. 整堂課的提醒（ASR 錯字、老師口誤、投影片缺公式等；只用跟這章有關的） - 影片開頭缺幾分鐘：YouTube 標題 AI2026_0917_3。0:00:00–0:01:43 老師在設定直播畫面，0:01:46 起接著講到一半的 HW1 說明，HW1 前段不在影片裡。 - 1:02:22–1:02:52 約 30 秒逐字稿是 ASR 亂碼（重複「我用這個」「有一個」），剛好是八皇后問題的開場，寫筆記時以投影片 Ch3 p.7 為準。 - 兩次下課：0:40:28–0:53:20、1:43:47–1:56:41。下課時段的逐字稿時間戳有跳動（0:43:20→0:53:20、1:52:41→1:56:41 都剛好差整數分鐘），Ch3 與 informed search 的起點建議開影片確認。 - HW1 說明前段不在影片裡，本機投影片也沒有 HW1 說明頁（Lecture 0 只有一行 project proposal），研究動機之前講了什麼無法得知。 - 0:03:10「所以這邊會佔75%的比例」不確定指哪幾塊（introduction 加方法？），筆記建議只寫老師提到 75%，不要自行解讀。 - ASR 錯字（寫筆記時要改）：0:06:52「CPPR的格式」應為 CVPR；0:06:57「體驗報告」推測是「提案報告」；0:07:02「角角的期限」應為「繳交期限」；2:28:58「無極」應為 ridge（屋脊）；2:30:5x「8的84%17個million」應為 8^8 ≈ 17 million；另外多處 Asian=agent、Socastic=stochastic、Pass Cost=path cost、heel climbing=hill climbing、None=known、Amstrong Search/Active=A* search/optimal。 - 1:29:16「GPD-6 ASTRON」不確定原詞，大概是某個 GPT 的 agent 產品，筆記建議寫「現在的 AI agent」即可。 - 1:02:22–1:02:52 逐字稿亂碼約 30 秒（八皇后開場，老師好像在說買了一個小棋盤），內容以 Ch3 p.7 補。 - 時間戳疑似漂移：0:43:20「好接下來呢」→0:53:20、1:52:41「第二個部分」→1:56:41，都剛好差整數分鐘；章節起點採後者，建議開影片確認。 - 老師口誤或 ASR：1:12:54、1:17:25 把 BFS、UCS 說成「Informed Search」，投影片 p.12–17 標的是 Uninformed，筆記照投影片寫。 - 老師口頭說法跟投影片不同（筆記照投影片寫，並加「注意」）：(a) 1:21:5x 說「BFS 也可以找最佳解」，課本是步驟成本都一樣時才是；(b) 2:01:2x 說 greedy「有解一定會找到」，p.30 寫的是只在有限狀態空間才 complete；(c) 2:06 說 A* 要同時符合 admissible 與 consistent 才最佳，p.33 說 consistency 是稍強的條件，只有 graph search 才需要。 - 投影片內容有、老師沒明講的地方，Exam-ready 要補原句：Ch3 p.23（IDDFS 是搜尋空間大、解的深度未知時的首選）、Ch2 p.25（utility-based 能處理 stochastic／部分可觀察環境的不確定性）、Ch4 p.6 後半（有多個最好的鄰居時隨機挑）。 - 投影片 _text 缺公式（p.14、p.19、p.20、p.25 的 O(b^d)、O(b^m)、O(bm)、O(b^(d/2)) 都是空白），寫 Exam-ready 前要看投影片圖確認。 - 下課時段講台邊的對話（1:44:44–1:52:27）分不清誰是老師、誰是學生，例如 1:45:54「就是有自己的想法這才是那個重點」不確定是誰說的；「這週要記得」只用確定是老師回答的部分。 - 0:11:10「沒有點名」推測是回答 Slido 上「有沒有點名」的問題，但沒看到原問題，不確定。 ## 6. 投影片文字（這章範圍） **這幾頁的公式或內容只在圖裡（文字檔抓不到），寫 Exam-ready 與公式前先用 Read 看這幾張圖：** - Ch3 p.1 → C:\D槽\TAICA課程\_work\notes-v2\ai-w2\img\brief_Ch3_p001.png - Ch3 p.2 → C:\D槽\TAICA課程\_work\notes-v2\ai-w2\img\brief_Ch3_p002.png - Ch3 p.3 → C:\D槽\TAICA課程\_work\notes-v2\ai-w2\img\brief_Ch3_p003.png - Ch3 p.5 → C:\D槽\TAICA課程\_work\notes-v2\ai-w2\img\brief_Ch3_p005.png - Ch3 p.9 → C:\D槽\TAICA課程\_work\notes-v2\ai-w2\img\brief_Ch3_p009.png --- Ch3 p.1 --- Introduction to Artificial Intelligence Chapter 3 Solving Problems by Searching Wei-Ta Chu (朱威達) 1 --- Ch3 p.2 --- • Goal-based agents consider future actions and the desirability of their outcomes. This chapter describes one kind of goal-based agent called a problem-solving agent. • In this chapter, we limit ourselves to the simplest kind of task environment (PEAS: Performance, Environment, Actuators, Sensors), for which the solution to a problem is always a fixed sequence of actions. Introduction 2 --- Ch3 p.3 --- • The process of looking for a sequence of actions that reaches the goal is called search. A search algorithm takes a problem as input and returns a solution in the form of an action sequence. Once a solution is found, the actions it recommends can be carried out. This is called the execution phase. Problem-Solving Agents 3 --- Ch3 p.4 --- • An example problem: moving from Arad to Bucharest Problem-Solving Agents 4 --- Ch3 p.5 --- • A problem can be defined formally by five components • Initial state – In(Arad) • A description of the possible actions -- {Go(Sibiu), Go(Timisoara), Go(Zerind)} • A description of what each action does (transition model) -- RESULT(In(Arad), Go(Zerind)) = In(Zerind) • The goal test, which determines whether a given state is a goal state -- In(Bucharest) • A path cost function that assigns a numeric cost to each path • A solution to a problem is an action sequence that leads from the initial state to a goal state. Solution quality is measured by the path cost function. Well-Defined Problems and Solutions 5 --- Ch3 p.6 --- • 8-puzzle problem Formulating Problems 6 --- Ch3 p.7 --- • 8-queens problem • A queen attacks any piece in the same row, column or diagonal. Formulating Problems 7 --- Ch3 p.8 --- • Touring problems – route-finding problem • Traveling salesperson problem – route-finding problem • VLSI layout problem • Robot navigation -- – route-finding problem • … Real-World Problems 8 --- Ch3 p.9 --- • Search algorithms work by considering various possible action sequences. The possible action sequences starting at the initial state form a search tree with the initial state at the root; the branches are actions and the nodes correspond to states in the state space of the problem. Searching for Solutions 9 --- Ch3 p.10 --- Infrastructure for Search Algorithms 10 • For each node n of the tree, we have a structure containing four components ## 7. 逐字稿（0:53:20 前後各多 1 分鐘，原始行） [00:53:20] 我們要開始第三章 [00:53:22] OK [00:53:23] 我們先從一個 [00:53:25] 最簡單廣 [00:53:27] 來講說 [00:53:31] 我們如果利用search [00:53:33] 我們把解決問一個 [00:53:41] 所以第三章呢 [00:53:42] 講的是solving problems by searching [00:53:45] OK [00:53:47] 沿襲我們之前所說的 [00:53:49] 這個goal based agent [00:53:51] 角色呢 [00:53:52] 我們現在先不管後面更 [00:53:54] 所謂的utility based [00:53:56] 或者是learning agent [00:53:58] 我們先回到goal based agent這邊 [00:54:02] goal based agent呢 [00:54:04] 他考慮的是說 [00:54:05] 我今天收到一些訊息之後 [00:54:07] 我要做一些決策 [00:54:09] 然後看是不是能夠 [00:54:10] 離我的目標比較接近 [00:54:13] 那我們來考慮 [00:54:16] 我們考慮其中一種 [00:54:18] goal based agent的方式 [00:54:20] 這個叫做problem solving agent [00:54:23] 那在這一章裡面呢 [00:54:24] 我們把我們的討論呢 [00:54:26] 侷限在最簡單的PEAS [00:54:32] 其中呢 [00:54:33] 它的solution [00:54:35] 都可以當成是一連串動作 [00:54:39] A sequence of action [00:54:41] 或者是action sequence [00:54:43] 我們的解答就是一連串的動作 [00:54:46] 這一類的問題 [00:54:48] 那我們呢 [00:54:52] 這一連串的動作呢 [00:54:54] 我們去找一連串的動作 [00:54:56] 來完成我們的目標 [00:54:59] 這件事情呢 [00:55:00] 我們稱呼它叫做search [00:55:02] 我們要去搜尋出一連串的動作 [00:55:05] 來達到我們的目標 [00:55:07] 那我們的一個解答呢 [00:55:08] 其實就是 [00:55:09] 這一連串動作裡面的 [00:55:10] 某一串動作 [00:55:13] 那它可能能夠讓我們 [00:55:16] 達到我們的目標這樣子 [00:55:19] 好 [00:55:20] 那我們舉個例子 [00:55:21] 講了半天 [00:55:22] 虛擬的 [00:55:23] 我們直接舉一個實際例子 [00:55:24] 就像這一個 [00:55:26] 這個是一個羅馬尼亞的地圖 [00:55:30] 那上面的每一個點呢 [00:55:32] 代表的是羅馬尼亞的一個都市 [00:55:35] 那剛好 [00:55:36] 為什麼舉這個例子 [00:55:37] 因為恰好呢 [00:55:39] 這個都市的名稱的開頭 [00:55:41] 剛好就是ABCDE一直到Z [00:55:44] 幾乎啦 [00:55:45] 所以它故意舉一個這樣的例子 [00:55:47] 假設我們有一個羅馬尼亞的地圖 [00:55:50] 然後呢 [00:55:51] 有ABCDE到Z的城市 [00:55:54] 比如說有 [00:55:55] Arab這個都市啦 [00:55:57] 然後有什麼Sibiu的這個都市啦 [00:56:00] 什麼等等等等 [00:56:01] 那某一些都市之間呢 [00:56:03] 有道路相連 [00:56:06] 那假設呢 [00:56:07] 我們也知道說 [00:56:08] 比如說從Arab到Sibiu [00:56:11] 中間是離140公里 [00:56:15] 比如說單位叫公里 [00:56:17] 好 [00:56:18] 我們現在的目標是 [00:56:19] 我們現在給一個任務 [00:56:21] 這個任務是呢 [00:56:22] 要你從A [00:56:24] 走到B [00:56:26] Arab走到Bucharest [00:56:29] Bucharest其實是羅馬尼亞的首都 [00:56:32] 我們現在給你一個任務 [00:56:33] 要你由A走到B [00:56:36] 那你走哪一個路 [00:56:38] 你路徑要怎麼走會最好呢 [00:56:41] 這個就是我們現在要解的問題 [00:56:44] 好那所以來定義一下這個問題啦 [00:56:47] 一開始呢 [00:56:48] 我人是在A這個都市 [00:56:52] 那我在A這個都市 [00:56:53] 我可以做的動作是什麼呢 [00:56:55] 就是我走去S這個都市 [00:56:57] 或走去T [00:56:58] 或者走去Z [00:56:59] 因為為什麼 [00:57:00] 因為你看 [00:57:01] 從A可以走出去的路 [00:57:03] 一個是Z嘛 [00:57:05] 一個是S嘛 [00:57:06] 一個是T嘛 [00:57:08] 對不對 [00:57:09] 它可以做的動作 [00:57:10] 就是這三個動作的其中一個 [00:57:12] 看你是要走去哪一個都市 [00:57:15] 那Transition Model的意思就是說 [00:57:17] 你做了 [00:57:18] 你選了某一個動作之後 [00:57:21] 你做了那個動作 [00:57:23] 你的狀態會怎麼變動 [00:57:26] 這個叫做Transition Model [00:57:28] 那In this case [00:57:30] 就是說我本來在A這個都市 [00:57:32] 我假設要走去Z這個都市的話呢 [00:57:35] 我造成的結果就是 [00:57:37] 我後來人會跑到Z這個都市 [00:57:40] 好所以這裡回顧一下 [00:57:42] 我們剛剛上一節課講的 [00:57:44] 這樣子的環境 [00:57:47] 是Deterministic還是Stochastic [00:57:51] 是Deterministic [00:57:52] 因為我們是假設說 [00:57:54] 一旦我們說要從A走到Z [00:57:56] 我們的下一個狀態就是 [00:57:58] 我們真的會到Z [00:57:59] 這是一定的 [00:58:00] 所以它是Deterministic [00:58:02] 然後呢 [00:58:03] 有沒有抵達終點呢 [00:58:05] 那就看說 [00:58:06] 我經過多次的走訪之後 [00:58:10] 我是不是身處於 [00:58:13] Butcher Ranch的這個都市 [00:58:15] 如果是 [00:58:16] 基本上我就達到了我的目標了 [00:58:20] 那我們要定義一下 [00:58:22] 我這樣子走 [00:58:24] 我要花的 [00:58:25] 我的花費 [00:58:26] 我的Pass Cost [00:58:28] 是什麼呢 [00:58:29] 就是我每一條路徑 [00:58:31] 每一條路徑上面 [00:58:34] 你走的里程 [00:58:35] 我希望我走的里程 [00:58:36] 是越小越好 [00:58:38] 也就是說我花的 [00:58:40] 油錢 [00:58:41] 或者我花的相同數目之下 [00:58:44] 我花的時間最短 [00:58:46] 這個叫我的Pass Cost [00:58:48] 這樣子 [00:58:49] 那這個問題裡面的一個 [00:58:51] 這個問題裡面的Solution [00:58:53] 它其實可能有很多Solution [00:58:55] 對不對 [00:58:56] 我可以這樣子 [00:58:57] A走到Z [00:58:58] 走到O [00:58:59] 再走到S [00:59:00] 走到F [00:59:01] 再走到B [00:59:02] 這是一個 [00:59:03] 這是一個Solution [00:59:04] 我也可以 [00:59:05] A走到S [00:59:06] 走到R [00:59:07] 走到P [00:59:08] 再走到B [00:59:09] 這也是另外一個Solution [00:59:10] 對不對 [00:59:11] 所以其實 [00:59:12] 這個問題有很多的Solution [00:59:14] 任何的一個Solution [00:59:16] 怎麼表達呢 [00:59:17] 其實就是一連串的Action [00:59:20] 對不對 [00:59:21] 走到Z是一個Action [00:59:23] 再走到O是一個Action [00:59:25] 再走到S是一個Action [00:59:27] 對不對 [00:59:28] 所以 [00:59:29] 一個任何的一個 [00:59:31] 解答 [00:59:32] 都可以用一連串的Action來表達 [00:59:36] OK [00:59:37] 那這個就是 [00:59:38] 這個問題的整體的地方 [00:59:42] 好那 [00:59:43] 這是一個我們之後會用的例子 [00:59:46] 我們順便也介紹其他 [00:59:49] 在往後不只這一章 [00:59:51] 在往後其他Chapter [00:59:52] 也可能會用到的例子 [00:59:54] 其中一個例子是這個 [00:59:55] 叫做A puzzle problem [00:59:57] 大家可能都玩過 [00:59:59] 好 [01:00:00] 這是一個九公格 [01:00:01] 上面有八個八塊 [01:00:04] 編號12345678 [01:00:06] 八塊 [01:00:07] 好 [01:00:08] 那其中有一格呢 [01:00:09] 是空的 [01:00:11] 好 [01:00:12] 那這一個問題呢 [01:00:14] 就是我隨機的把 [01:00:16] 編號1到8的方塊 [01:00:18] 擺在九公格裡面 [01:00:20] 然後要你去移 [01:00:22] 移動這些方塊 [01:00:24] 使得最後呢 [01:00:26] 你的方塊的 [01:00:28] 這個擺放會長這樣 [01:00:31] 最左上角是這個空格 [01:00:33] 然後呢12345678 [01:00:35] 照這樣子排好 [01:00:37] OK [01:00:38] 好這個就是 [01:00:40] 這個問題的狀態是這樣 [01:00:42] 所以呢 [01:00:43] 每一個狀態 [01:00:44] 就是任何一個 [01:00:46] 在九公格裡面有擺一個 [01:00:48] 擺八塊 [01:00:50] 這個木塊 [01:00:51] 每一個排 [01:00:53] 每一個盤面 [01:00:54] 都是一個狀態 [01:00:55] 好 [01:00:56] 那Initial state呢 [01:00:57] 就是看你隨機 [01:00:58] 從什麼樣子的狀態開始吧 [01:01:00] 你的Action是什麼 [01:01:02] 這個問題裡面的Action [01:01:04] 就是 [01:01:06] 實際上我們是去移動 [01:01:08] 那個有數字編號的木塊嘛 [01:01:11] 對不對 [01:01:12] 但是這樣子 [01:01:13] 你有好幾塊都可以移呀 [01:01:14] 所以我們把問題稍微趕一下 [01:01:16] 我們把空格這個 [01:01:18] 也想成是一個方塊 [01:01:20] 所以我們把它想像成是 [01:01:22] 我有這個空格這方塊 [01:01:24] 我這空格可以往左移 [01:01:25] 往右移 [01:01:26] 往上移 [01:01:27] 往下移 [01:01:28] 比如說你這個空格 [01:01:29] 往上移 [01:01:30] 就等於是你二號 [01:01:31] 往下移的意思嘛 [01:01:32] 好 [01:01:33] 所以我們把它的Action呢 [01:01:34] 想像成就是 [01:01:35] 我的空格這一塊 [01:01:37] 是可以上下左右移的 [01:01:39] 這樣 [01:01:40] 那你的Transition Model就是 [01:01:42] 比如說你空格 [01:01:43] 如果往上移 [01:01:44] 你現在一個狀態 [01:01:45] 就是你二號 [01:01:46] 跑到中間來 [01:01:47] 空格跑到上面來嘛 [01:01:48] 所以這也是一個 [01:01:49] Deterministic的一個Environment [01:01:51] Environment [01:01:52] 好 [01:01:53] Goal Test呢 [01:01:54] Goal Test就是 [01:01:55] 看看最後的盤面 [01:01:56] 是不是長這樣嘛 [01:01:57] 對不對 [01:01:58] 好 [01:01:59] 那你的Pass Cost呢 [01:02:01] 你這樣子移來CVA去 [01:02:03] 你所需花的費用是什麼 [01:02:08] 我們把它定義成 [01:02:09] 你要移多少次 [01:02:11] 我希望你移越少次 [01:02:13] 你越快達到 [01:02:14] 右上角這個Goal State越好 [01:02:17] 所以這個就是這個定義 [01:02:21] 好 [01:02:22] 那你這個 [01:02:24] 我用這個 [01:02:25] 我用一個 [01:02:26] 我用這個 [01:02:27] 我用這個 [01:02:28] 我用這個 [01:02:29] 我用這個 [01:02:30] 我的意思是 [01:02:31] 我的意思是 [01:02:32] 如果你有帶 [01:02:33] 我用這個 [01:02:34] 有這個 [01:02:35] 你其實我用這個 [01:02:36] 你直接可以 [01:02:37] 他就是 [01:02:38] 他有一個 [01:02:39] 有一個 [01:02:39] 有一個 [01:02:40] 有一個 [01:02:41] 有一個 [01:02:42] 有一個 [01:02:43] 有一個 [01:02:44] 有一個 [01:02:45] 有一個 [01:02:46] 有一個 [01:02:48] 我有一個 [01:02:49] 我買了一個 [01:02:50] 夠小的 [01:02:51] 很便宜 [01:02:52] 挺便宜的 [01:02:53] 皇后這個旗子呢 [01:02:55] 它會攻擊 [01:02:57] 跟它同一列 [01:02:59] 跟同一行 [01:03:00] 還有跟它同一個對角線上面的 [01:03:02] 所有的其他的旗子 [01:03:05] OK 好 [01:03:06] 所謂的八皇后問題呢 [01:03:08] 就是說在一個這樣的盤面 [01:03:11] 12345678 [01:03:13] 在一個八乘八的一個旗盤上面呢 [01:03:16] 要你擺八隻皇后 [01:03:19] 使得你擺完之後的結果呢 [01:03:22] 皇后們不會互相攻擊 [01:03:25] 比如說像這個例子 [01:03:27] 這個例子呢 [01:03:28] 其實有沒有符合八皇后的 [01:03:30] 沒有呢 [01:03:31] 其實很快就知道沒有 [01:03:33] 這一個會打到這一個 [01:03:35] 因為這是同一個對角線 [01:03:37] 對不對 [01:03:38] 這個還好 [01:03:39] 這個會打這裡 [01:03:40] 也會打這裡 [01:03:41] 然後它所有的對角線 [01:03:42] 都沒有打到 [01:03:43] 這個OK [01:03:44] 所以所謂的八皇后問題的目標就是 [01:03:47] 你這八隻皇后應該要怎麼擺 [01:03:50] 會讓我最後擺完 [01:03:52] 然後盤面上的八隻皇后不會互相攻擊 [01:03:55] 這個就是這個問題的定義 [01:03:57] 所以它的State是什麼 [01:03:59] 它的State就是一個盤面 [01:04:02] 你可能放0隻皇后到8隻皇后 [01:04:05] 你一開始是什麼 [01:04:06] 你一開始是一個空白的旗的一個盤 [01:04:09] 旗盤 [01:04:10] 然後你要一隻一隻皇后把它放上去 [01:04:13] 某一個位置這樣子 [01:04:16] 你的Action是什麼 [01:04:17] 你的Action就是你把皇后放到某一個位置 [01:04:19] 這就是你的Action [01:04:22] 傳記序Model就是什麼 [01:04:24] 比如說你要放在22這個位置 [01:04:27] 你把它放上去之後呢 [01:04:29] 那接下來盤面就是22那個位置 [01:04:32] 位於一隻皇后 [01:04:33] 就這樣 [01:04:34] 這個就是你的傳記序Model [01:04:36] 那你的目標就是說 [01:04:38] 有8隻皇后在盤面上 [01:04:40] 彼此不互相攻擊 [01:04:42] 所以我們這裡介紹了三個不同的例子 [01:04:49] 接下來 [01:04:50] 世上還有很多很多 [01:04:52] 這個實際實體世界當中 [01:04:55] 有很多很多各種不同的問題 [01:04:59] 那這些問題呢 [01:05:00] 其實很多是資工系的同學 [01:05:03] 你在大二修演算法的時候 [01:05:06] 你可能都有碰過的問題 [01:05:07] 比如說 [01:05:09] Traveling salesperson problem [01:05:12] 或者說你現在在做電路設計的 [01:05:13] 你會有Layout problem [01:05:16] 或者說你現在在做自駕車的 [01:05:18] 會有Robot Navigation problem [01:05:20] 這些 [01:05:21] 廣義來講 [01:05:23] 都屬於 [01:05:24] 像要介紹的這些問題 [01:05:31] 來得更為複雜 [01:05:32] 當然我們上課 [01:05:33] 我們就先從最簡單的開始講起 [01:05:35] 但從像話來看 [01:05:37] 它要解的 [01:05:38] 它都是一種Problem solving的agent [01:05:40] 你要建構出一個Problem solving agent [01:05:44] 好吧 [01:05:45] 那我們就先從地圖這個問題開始 [01:05:47] 我們要如何找到一個解答呢 [01:05:49] 我們要從A走到B [01:05:53] 在這個問題裡面呢 [01:05:54] 我們有一種做法是 [01:05:55] 我們把 [01:05:57] 這整個行走的過程 [01:05:59] 它可以走的Action [01:06:01] 它可以做的Action [01:06:02] 或者說 [01:06:03] 它可以走過去的都市 [01:06:04] 整體而言表達成一個Search Tree [01:06:08] 表達成一棵樹 [01:06:11] 這棵樹的Root [01:06:13] 出發點就是A這個都市 [01:06:17] OK [01:06:18] 那簡單的我們知道嘛 [01:06:19] 你從A這個都市出發 [01:06:21] 你可以走到S [01:06:22] 你可以走到T [01:06:23] 你可以走到Z [01:06:25] 那同樣的 [01:06:26] 你如果走到S的話呢 [01:06:28] 你可以走到 [01:06:29] 你可以走回A [01:06:31] 或者走到F [01:06:32] 或者走到O [01:06:33] 或者走到R [01:06:35] 依此類推 [01:06:36] 所以你是不是可以把 [01:06:38] 你要從A走到B的這整個的過程 [01:06:41] 你可以展開成一棵樹 [01:06:46] 對不對 [01:06:47] 你可以展開成一棵樹 [01:06:48] 那這些事情顯然的 [01:06:52] 很容易用來表達 [01:06:55] 剛剛羅馬尼亞地圖這個問題 [01:06:58] 那其實可能也可以用來表達 [01:07:01] 這個九宮格的這個問題啊 [01:07:03] 比如說 [01:07:04] 我今天在這個Tree裡面呢 [01:07:07] 某一個Node [01:07:08] 代表的是某一個盤面的意思 [01:07:10] 這個Node的Parent [01:07:14] 其實就是 [01:07:16] 能夠造成 [01:07:18] 這種盤面的上一個步驟 [01:07:21] 會造成這個盤面的 [01:07:28] 有可能是我前一個盤面呢 [01:07:30] 4號在最右上角 [01:07:32] 空白在這裡 [01:07:33] 或者說前一個盤面 [01:07:35] 就是8號在最右上角 [01:07:37] 空格在這裡 [01:07:38] 那它有可能造成 [01:07:40] 我現在這個Node長這樣 [01:07:42] 所以它的Parent [01:07:43] 有兩種可能 [01:07:45] 那同樣它的Child呢 [01:07:47] 它的Child可以是 [01:07:49] 我從這個盤面 [01:07:50] 可以繼續往下變動的情況 [01:07:53] 所以它的State [01:07:54] 就是代表一個盤面 [01:07:55] 它的Parent就是能夠造成 [01:07:57] 這個盤面的上一個動作 [01:08:00] 那它可以做的Action就是 [01:08:02] 我今天如果把這個空白 [01:08:04] 往下移 [01:08:05] 那就8號跑到最上面 [01:08:09] 如果往左移 [01:08:10] 就是4號馬來村右上角 [01:08:12] 空白跑到這裡 [01:08:14] 那PassCross的其實就是 [01:08:17] 你在這個Tree裡面行走 [01:08:20] 你多走一個分支 [01:08:22] 多走一次分支 [01:08:23] 就代表 [01:08:24] 我這個空格 [01:08:25] 多移動一次的意思 [01:08:27] 對不對 [01:08:28] 就好像說 [01:08:29] 剛剛這個 [01:08:30] 從A走到B的這個Tree [01:08:32] 我多走一個分支 [01:08:33] 我就要付出 [01:08:35] 我的里程數 [01:08:37] 那就是我的PassCross [01:08:42] 所以我們剛才有把問題 [01:08:44] 像這一類的問題 [01:08:46] 我們可以把它描述成 [01:08:48] 在一棵樹上面來找尋 [01:08:52] 剛剛講P.E.A.S [01:08:54] 我們要如何去評某一個演算法 [01:08:58] 我們還沒有跟大家講 [01:08:59] 你可以用什麼演算法 [01:09:01] 但是我們先來定義一下 [01:09:03] 我們如何去評判一個演算法 [01:09:05] 有幾種不同的指標 [01:09:09] 第一個Completeness [01:09:12] 它的意思是說 [01:09:14] 如果這個系統有解的話 [01:09:16] 如果這個問題是有Solution的話 [01:09:18] 它是不是一定能夠找到Solution [01:09:21] 比如說 [01:09:27] 我從A走到B [01:09:29] 可能我有很多種走法 [01:09:31] 對不對 [01:09:32] 我有好多種Solutions [01:09:35] 那評判一個演算法的第一種指標 [01:09:38] 可能是說 [01:09:39] 如果它有Solution [01:09:41] 你是不是一定就能夠找到Solution [01:09:44] 當然也有一些問題是沒有Solution的 [01:09:47] 那種就目前暫時 [01:09:49] 不在我們的考慮 [01:09:51] 如果它有Solution [01:09:52] 是不是一定能夠找到Solution ## 8. 寫作規則 （這是 `_筆記SOP.md` 第 3.1、4、5、6 節的濃縮版。兩者衝突時以 SOP 為準。） 讀者：碩士生，兩門課期末是英文考試。要只看筆記就能學會，講得比老師好懂。畫面要簡潔。 **最高原則：Notion 是主教材，不是輔助（2026-10-04 主理人）**。主理人看不懂老師的英文簡報、數學和底層內容，**不看影片、不看投影片，只讀這一章也要學得會**。寫完用這三題自我檢查，任一題答「否」就補： 1. **數學段**：每個收起來的數學段，預設看得到的地方有沒有一句白話說明「這段公式想解決什麼問題、算出來代表什麼」？（例：「這段推導的目的是找出走哪個方向分數上升最快，結果就是梯度。」）只寫「可跳過」不算。 2. **英文圖**：每張投影片圖，下面有沒有把圖上的英文重點翻成中文（2–5 點）並說明這張圖在講什麼？ 3. **底層知識**：這章用到、但老師沒解釋的東西（數學名詞、程式名詞、前幾週的概念），有沒有用白話補上（一兩句或「要先懂什麼？」摺疊）？前幾週學過的概念，附一句提醒＋連結。 **概念優先（2026-09-26 主理人）**：主理人只想懂概念，不想補數學、不想看程式碼和座標圖。兩門課的考試也都是問答題、不考算式（AI W1 1:16:52；NLP W3 1:47:41、2:48:36）。所以： - 每段預設看得到的只有：白話摘要（2–4 句）＋**一句生活比喻**（例：模擬退火像投資理財，年輕時敢冒險、越老越保守）＋「考試可能怎麼問」一句。 - 數學推導、公式、手算、程式碼、座標圖，全部收進標題寫「（進階，可跳過）」的摺疊，例如「它到底怎麼運作？（進階，可跳過）」。每段最多一個進階摺疊，不要寫長篇計算。 - 演算法要能「用文字說出步驟」（考試可能要你描述），這一點放在預設看得到的地方，不用數字。 - **重心比例**：白話理論與概念模式（它在解決什麼問題、核心想法、跟別的方法差在哪、優缺點、生活比喻）占主要篇幅；數學與程式細節只用一兩句帶過，細節收進進階摺疊。 **圖文並茂（2026-09-26 主理人：不要只有文字）**： - 每章至少 2–3 個圖，放在**預設看得到**的地方，每個圖前後各用一兩句白話說明「這張圖在看什麼」。 - 流程、步驟、因果、比較 → 用 mermaid 流程圖（```mermaid，flowchart LR 或 TD；節點文字用中文、加雙引號；一張圖不超過 10 個節點）。 - 投影片上的示意圖、架構圖 → 用 [[IMG: …]] 放投影片圖。 - 仍守「每個 ## 段落最多一種視覺元素」。 ### 輸出兩個檔 1. `chNN.md`（Notion 寫法，不含頁面標題），結構固定： - 第一行：章節包第 1 節那行，原樣照抄。 - 第二行起（有數學段才寫）：**跳過提示**，每段一行，讓主理人看影片時知道從哪跳到哪。用章節包第 3b 節的候選當提示，對照第 7 節逐字稿確認（只標老師連續講公式、推導、矩陣、微積分、機率計算、程式細節超過約 1 分鐘的段落；概念講解和比喻不算）： `跳過提示：(1:31:02–1:35:40) 老師在推導梯度公式，聽不懂可以直接跳到 [1:35:40](YouTube 連結)，接著講「步長 α 怎麼選」。` - `## 重點`：三點中文，每點一到兩句。 - `## Exam-ready`：3–10 行英文，**從章節包的投影片文字逐字抄**，每行 `- **Term**: "原句"（Ch3 p.14）`。老師有明確證據才在行尾加 `【老師強調】(h:mm:ss)`。 **每一行下面一定要有一行縮排的中文解釋**（主理人英文不好，看不懂的英文等於沒用）： ``` - **Hill climbing**: "It keeps track of one current state and on each iteration moves to the neighboring state with highest value."（Ch4 p.5） - 中文：爬山法只記住「現在這一個狀態」，每一輪都移到分數最高的鄰居。白話：一直往比較高的地方走一步。 ``` 中文要先把句子意思講清楚，再補一句白話；最後用「英文（中文）」列出這句裡 1–3 個難字，例：sparse（稀疏）、distinct terms（不重複的字）。 **一行只放一句投影片原句**。同一頁有多句要考就拆成多行，每行各接一行中文；不要用分號串三句以上，不要把計算量 O(...) 塞進去。 - 章節包第 2 節的每一段：`## [h:mm:ss](連結) 標題`（照抄），下面 2–4 句白話摘要，其餘全部收進摺疊： ```
問句（例：用生活例子講，BFS 在做什麼？） 內容
``` 摺疊種類（需要才放）：用生活例子講？／它到底怎麼運作？／要先懂什麼？（老師假設你會的數學或概念，短版教學）／老師原話是什麼？（「原話」(h:mm:ss)，只放重要的，最多 5 句）。 - 「它到底怎麼運作？」要用一組小數字把這段的演算法**真的跑 1–3 步**（例：算出梯度、更新一次、比較兩個 α），不是只示範定義的加減乘除。全章盡量沿用同一組數字，讓前一段的答案能在下一段被驗證。 - 每段正文要回答讀者最可能卡住的一個「為什麼」。投影片公式方向跟題目相反、或投影片說「解不出來」時，用一兩句講出原因，自己補的標（我補充）。 - 投影片句子停在公式前（公式在圖裡）時：Exam-ready 在粗體詞條上補公式、引號內保持原句；正文寫出同一條式子。公式圖看章節包第 6 節列出的 PNG。 - `## Self-check`：2–4 題英文考題，答案收摺疊。**至少一題考老師強調的內容**；只出 explain／why／compare 這類問答題，**不出要代數字計算的題目**（考試不考算式）；不出「老師和投影片哪裡不同」這類不會考的題目。每題格式： ```
Q1. English question?（中文：中文題目） **Answer**: English answer. 中文：把答案完整講一遍（不是只翻一句），讓看不懂英文的人也知道要怎麼答。
``` - **最後一行**：章節包第 1b 節那行（下一章連結），原樣照抄。讓讀完的人直接點下一章。 - 不要把章節包或這份規則裡的指示句寫進筆記（例如「寫筆記時照投影片寫」「已改正 ASR 錯字」）。 - 長度：全文不超過 16,000 字元（跟 check_note.py 同一個數字）。**不要為了壓字數反覆刪改**（實測一章最多花 12 輪在刪字）；超過時只刪進階摺疊裡的第二組算例，比喻、比較表、圖說、「老師說不用背」的提醒都不刪。 - 預設看得到的正文不放計算量 O(...)、代號對照（例如 SMART 字母）、課本出處考據，一律移進進階摺疊。 2. `chNN.concepts.json`：JSON 陣列，4–12 個考試可能問的術語，每個物件： `name`（英文）、`zh`、`type`（概念／演算法／公式／人物事件／前置知識／行政）、`signal`（"老師說會考"／"老師強調"／"核心（我判斷）"／""）、`evidence`（有 signal 前兩種時必填：原句＋時間）、`definition_en`（投影片原句；沒有就註明 (textbook)／(lecture)／(my wording)）、`plain`（一句中文）、`a4`（≤150 字元英文，可夾極短中文；期末拼貼用的小方塊）、`time`、`slides`、`prereq`（英文名陣列）。 ### 風格鐵律 - 不用 emoji 或裝飾符號（✓✗★⚠ 都不要；→ 可以）。不用 callout。不用 `$`。時間不要用 code 樣式。 - 每個 `##` 段落最多一種視覺元素：一張圖、或一個表格、或一個 mermaid。 - 摺疊標題是問句，前面不加符號。 - 圖片最多 3 張，只放文字取代不了的圖。放法：單獨一行 `[[IMG: | 中文圖說]]`，PNG 用 `slides_to_png.py <圖片資料夾> <頁> --dpi=110` 產生。 - 考試訊號只在老師明確說時標。老師只說「不用背」「不講」就寫「注意：……」。 - 老師口誤或跟投影片不同：照投影片寫，加「注意：老師口頭說的是……」。 - 引用老師的話時，ASR 錯字改成正確的字。 ### 沒有投影片時 不要憑記憶逐字重現課本段落或數值表。英文定義用自己的話寫、句尾標 (my wording)；Exam-ready 每行標「（自擬，投影片待補）」。例子只用老師講的。 ### 寫完之後（只做一次） 跑檢查： `C:\Users\user\.cache\meeting-record\venv\Scripts\python.exe C:\Users\user\.claude\scripts\check_note.py --transcript <逐字稿> --slides <投影片 txt …> --start <起> --end <訖> --vid <影片 ID>` - STYLE／VISUAL／TIME／FORMAT：全部改掉。 - QUOTE：確認是不是你改正了 ASR 錯字（是就保留），不是就改成原文或拿掉引號。 - ENGLISH：確認是不是投影片斷行造成的（是就保留），不是就改成投影片原句。 **省額度守則**：章節包裡已經有你需要的全部資料。不要再去讀整份逐字稿、整份投影片、segments.json 或手冊。一次寫好整個檔（Write 一次），檢查後集中修改。