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
反应式机器只看当前输入，从不存储过去的经验。有限记忆 AI 还会查看近期数据，例如自动驾驶汽车最近几秒的路况，并通过过往示例进行训练。了解更多请阅读有限记忆 AI，或查看AI 的四种类型。
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。