artificial-intelligence - 使用什么类型的 AI 来预测零件兼容性？

Question

关闭。这个问题是off-topic .它目前不接受答案。












想改进这个问题？ Update the question所以它是on-topic对于堆栈溢出。

9年前关闭。




Improve this question




我要从一开始就说我不是程序员，我对不同类型的 AI 有一个粗略的了解，我只是一个构建 Web 应用程序的商人。

无论如何，我正在投资开发的网络应用程序是为了我的爱好。在这个爱好的行业中有很多硬件/产品的零件制造商、产品制造商、升级和插件制造商等。目前，我正在为那些知识渊博的人建立一个众包平台，并标记这些部分之间的兼容性，因为它并不总是明确的，例如:

制造商 A 制造“A”级产品，制造商 B 制造通常与“A”级产品配套的升级/部件，但由于某种原因与制造商 A 的特定“A”级产品不兼容。

然而，数据库中很大一部分(>60%-70%)的产品/部件可以通过它们的属性推断出它们的兼容性，

例如:

第 1 部分是带有“X”毫米接收器的“A”型，第 2 部分也是带有“X”毫米接口(interface)的“A”型，因此这两个部分是兼容的。

或者

Part 1是一个8mm的齿轮，因此任何厂家的所有8mm衬套都与part 1兼容。此外，所有齿轮在数据库中只能与衬套和齿轮箱有兼容性关系，而一个齿轮之间不可能有有意义的兼容性和导轨或接收器，因为这些部件没有接口(interface)。

现在我想要的是一个能够从众包平台社区的决策中学习的 AI，并能够根据它们的标记属性、它们是什么类型的部件等来推断新部件/产品的兼容性。

解决这个问题的最佳人工智能形式是什么？ 我在考虑一个专家系统，但由于数以万计的零件、数百种零件类型和许多制造商之间的复杂关系，明确地设计所有的知识规则将是令人生畏的。

ANN(神经网络)是否适合从众包平台用户的许多输入/决策中学习？

非常感谢任何帮助/输入。

Answer 1

这听起来像是一个约束满足问题。我会尝试使用最小冲突等 CSP 解决方案来解决它。