引言：
反应式机器只执行基本的处理。反应式机器是最基本的人工智能类型。它针对特定的输入提供相应的输出。一个简单的反应式机器的特点是，它将人脸作为输入，并输出一个围绕人脸的矩形框以将其标识为人脸。由于没有记忆，它不会保存任何数据，也不会学习任何东西。
静态机器学习方法就是反应式机器。它们的理念最为简单，在互联网上的各个 GitHub 仓库中都能找到。下载、交易、传递并将这些模型导入开发人员的工具包都非常轻松。
什么是反应式机器？
从功能角度来看，这是最基本的 AI 类型。它的能力有限，完全是关系型的。它无法记住过去的经验，因为它不能根据过去的经验预测结果或后果，只能处理当前的数据并据此做出反应。反应式 AI 设备无法从数据中得出结论来评估其未来的行动。给定的特定输入，输出始终相同。它们只能执行数量有限的预定义任务。
反应式机器是如何工作的？
反应式 AI 按预期工作，根据所获得的材料产生预期的结果。这些反应式设备会对类似的事件持续做出相同的反应。反应式机器无法学习，也无法想象过去或未来。
反应式 AI 的例子是什么？
击败世界冠军加里·卡斯帕罗夫的著名 IBM 国际象棋软件就是反应式 AI 的一个例子。
Deep Blue 能够识别棋盘上的所有棋子并了解它们如何移动。它能够预测自己和对手接下来会走哪些棋。它还可以从多种选择中确定最佳行动方案。
另一方面，它没有对过去的认知，也不记得之前发生过什么。Deep Blue 会忽略当前时刻之前的一切，只有一个很少用到的国际象棋专属限制例外，即禁止同一步棋重复三次。它所做的只是检查棋盘上棋子目前的位置，并从若干可能的未来走法中选择一个。[1]
反应式 AI 有哪些特征？
- 它适合进行简单的模式识别和简单的分类。
- 在所有参数都已知的情况下，它的表现同样出色。
- 它之所以能够击败人类，是因为它的计算速度要快得多。
- 它无法处理需要过往经验的情况。
- Understanding the Four Types of Artificial Intelligence。2016 年 11 月 14 日；来源：https://www.govtech.com/computing/understanding-the-four-types-of-artificial-intelligence.html。
反应式机器示例
反应式机器在现代产品中很少见，因为如今大多数 AI 都从数据中学习，但这一理念仍然有用。常见的例子包括：
- Deep Blue，是 1997 年击败世界冠军加里·卡斯帕罗夫的 IBM 国际象棋计算机。它评估当前的棋盘局面，并使用固定规则和搜索选出最佳走法。
- 街机和益智游戏中的简单游戏 AI，其对手会根据玩家当前的位置做出响应。
- 基于规则的过滤器，例如拦截含有特定词语邮件的基础垃圾邮件过滤器，它不会从新的示例中学习。
- 基础推荐规则，例如“显示同一类别的产品”。
反应式机器与有限记忆 AI 的对比
A reactive machine only looks at the present input and never stores past experience. Limited memory AI also looks at recent data, such as the last few seconds of road conditions for a self-driving car, and is trained on past examples. Learn more in limited memory AI or see all four types of AI.
快速解答
用简单的话来说，什么是反应式机器？
这是一种只对当前所见做出反应的 AI，它没有对过去的记忆，也无法从中学习。
如今反应式 AI 还在使用吗？
是的，在可预测的行为比学习更重要的简单系统中，例如基于规则的控制器和基础的游戏对手。
反应式机器有哪些局限性？
它们无法从经验中学习、随时间改进，也无法处理超出其规则范围的情况。
