这种软件利用人工智能算法规划日常生活安排并评估成功的概率，同时推荐更低风险的替代方案。
想象一下，你可以告诉你的手机，你想从波士顿的家里开车到纽约州北部的一家酒店，你想在大约12:30的Applebee餐厅吃午饭，而且你不想旅途超过4个小时。然后想象一下，你的手机会告诉你，你只有66%的概率实现目标--但是如果你可以等到1:00吃午饭，或者如果你愿意在TGI Friday吃午饭，可以达到99%的概率。
这个应用是麻省理工学院计算机科学和人工智能实验室的Brian Williams小组的目标——尽管美国宇航局和伍兹霍尔海洋研究所已经有了同样的基础框架。
在本月举行的人工智能促进协会（AAAI）年会上，Brian Williams小组的研究人员将提出一些新算法，这些算法代表着Williams所描述的“更好的Siri”（苹果产品中的用户辅助程序）的重要步骤。但对于任何计划任务，比如安排航班或公交路线，它们都同样有用。
麻省理工学院航空航天系的研究生彭宇和程方与Williams一起，开发了一种软件，允许规划者制定限制条件——比如，沿某条路线行驶的公共汽车应每隔10分钟出现——以及可靠性概率，例如公共汽车应有90%的时间是准时的。然后，根据概率模型（如沿这段路程行驶的时间在2到10分钟之间波动），系统预测是否存在解决方案：例如，也许公共汽车的发车时间有时只间隔6分钟，而在其他时候间隔12分钟。
然而，如果这个解决方案不存在，软件会建议规划者放宽条件：比如公共汽车能每隔12分钟到达吗？如果规划者拒绝修改建议，软件会反问：你能在路线上加一辆巴士吗？
短尾
此软件区别于以前类似规划系统的是它评估风险。程方说：“直接处理概率总是很困难的，因为它们总是给你的计算增加复杂性。”“因此，我们增加了风险分配的概念。我们会问，‘你对整个任务的风险承受极限是多少？’我们把它分成若干部分，作为一种手段加以利用。”
例如，穿过公共汽车路线任何一英里所需的时间可以用一条钟形曲线来表示概率分布，用概率来表示时间。跟踪所有这些概率，并将它们与路线的每一英里结合，将产生一个巨大的计算过程。但是，如果系统事先知道规划者可以容忍一定程度的风险，那么实际上，它可以将风险分配给分布中的最低的概率结果，并去掉它们的尾部。这使得它们更容易用数学来处理。
在AAAI，Williams和他的另一个学生Andrew Wang写了一篇论文，描述了如何有效地评估这些情形，以便找到解决规划问题的快速解决方案。但在同一次会议上，彭宇和程方的论文集中讨论了那些阻碍问题解决的限制因素。
困难所在
这两个过程都是基于图论的。在这种情况下，图是一种数据表示，它由节点（通常表示为圆）和边（通常表示为连接节点的线段）组成。任何调度问题都可以用图表表示。节点表示事件，边缘表示事件必须发生的顺序。每个边缘也有一个相关的权重，表示从一个事件到下一个事件的进展成本-例如，公共汽车在两个站点之间行驶的时间。
Williams和彭宇和程方的算法首先将问题表示为一个图，然后开始添加表示规划者施加的约束的条件。如果问题是可解决的，则表示约束的条件的权重将处处大于表示事件之间转换成本的权重。然而，现有的算法在权重不平衡的地方会很快回到图中循环。麻省理工学院的研究人员运用系统计算出重新平衡循环的最低成本方法，并将其作为对问题初始约束的修改提交给规划者。
“这些论文非常有趣，”纽昂司公司开发了苹果Siri使用的语音识别技术的研发科学家沈家英（音译）说，“他们有一系列关于风险约束的论文，但在最近的论文中，他们增加了不确定性，这使得模型更符合更复杂、更不可预测和更现实的问题。”
在纽昂司，“我们对降低约束条件非常感兴趣，包括风险约束，”沈家英补充道。“如果你在计划阶段输入了你需要考虑的问题，那么系统在制定计划方面的成功率就会高得多。”
拉里·哈迪斯 麻省理工学院新闻办公室
2015年1月16日
