Антропологи, интересующиеся древними сообществами горцев Центральной Америки, долины Оахаки, использовали интенсивную археологическую разведку для изучения государственного образования.
Так как археологические изыскания были начаты в 1960-х годах, компьютер стал важным инструментом из-за большого количества данных, полученных в результате этих изысканий.
После сбора данных они были помещены на перфокарточки и опубликованы в нескольких книгах вместе с подробными картами местности.
Причиной этого археологического исследования был поиск ответов на следующие вопросы:
- Каковы были характеристики мезоамериканских сельскохозяйственных систем?
- Какую роль играет гидравлическое сельское хозяйство в стимулировании или содействии росту крупных населенных пунктов?
- Когда ирригация была впервые введена?
- Какова была природа этих населенных пунктов?
- Когда и где впервые возник урбанизм?
- Какие структуры принятия решений и адаптации были необходимы для содействия этим изменениям?
Хотя ответы на эти вопросы, возможно, можно найти, изучив крупномасштабную базу данных, созданную в результате археологических изысканий, эта база данных содержит более 6000 региональных объектов и более 2000 жилых районов в городском центре Монте Альбан.
Каждый объект состоит из одного или нескольких компонентов и может быть занят в один или несколько археологических периодов, охватывающих период приблизительно с 9000 до н.э. по 1500 н.э.
Таким образом, общий пространственно-временной охват настолько широк, что затрудняет или даже делает невозможной задачу интерпретации вручную.
Кроме того, каждый временный и пространственный экземпляр компонента сайта может быть описан в терминах нескольких сотен переменных различных типов. Здесь мы видим явный разрыв между генерацией данных и их пониманием.
Инструменты и методы искусственного интеллекта могут быть использованы для заполнения этого пробела и помочь в извлечении новых закономерностей, скрытых в данных.
Неинформированный или слепой поиск, который обрабатывает и оценивает все узлы поискового пространства в худшем случае, здесь нереален, поскольку временные ограничения тесно связаны с размером данных.
Как правило, поисковое пространство увеличивается экспоненциально с увеличением размера задачи, ограничивая тем самым ее масштаб, что реально может быть решено с помощью точных методов, таких как исчерпывающий поиск.
Альтернативное решение представлено эвристическими методами, которые могут оказать существенную помощь в тех областях, где классические методы поиска оказались неэффективными.
Слово "эвристический" происходит от греческого языка и означает "знать", "находить", "обнаруживать" или "направлять расследование".
В частности, эвристические методы ищут хорошие решения по разумной вычислительной стоимости, не гарантируя ни осуществимости, ни оптимальности, даже во многих случаях не указывая, насколько близко к оптимальности то или иное решение.
Эвристика относится к любым методам, которые улучшают среднюю производительность при решении задач, но не обязательно улучшают наихудшую производительность.
Эвристические техники ищут проблемное пространство "разумно", используя знания о ранее опробованных решениях.
Зачастую поисковые пространства настолько велики, что только эвристический поиск может дать решение в разумные сроки.
Эти методы повышают эффективность процесса поиска, иногда принося в жертву полноту или оптимальность решения.
Эвристика - это оценка расстояния, оставшегося до цели, вычисленная на основе знаний в данной области.
Особый интерес представляет интеграция принципов эвристического поиска с динамическими процессами, в которых данные становятся доступными на последующих этапах, или когда данные и вводимые данные подвержены неопределенности или с большими массивами данных.
Интеграция является средством формирования гипотез, основанных на данных.
