9、问题解决：从分类到实践

问题解决：从分类到实践

1. 问题解决概述

在评估机器（SUS）是否具备理解力时，需要通过解决各种问题来进行测试。这与学校中测试学生学习成果类似，都需要解决大量不同形式的问题。例如，为了测试机器是否理解矿物学词典文本，会将问题以提问的形式呈现，如“化学式为 ZnO 的矿物叫什么？”，然后看机器能否给出正确答案。

解决问题的关键部分是找到合适的问题表示形式。视觉表示作为问题表示的一种形式，可用于多种情况，如命名、解决电路问题、规划机器人行动或解释解决方案等。

2. 问题类别

2.1 问题的定义与解决

问题是任何需要找到解决方案的陈述，解决方案可以是唯一的，也可以有多个。SUS 旨在解决通过明确定义的类别制定的问题，这些问题适合机器理解和解决。不过，由于机器缺乏人类经验，虽然可以模仿人类理解，但无法像人类一样真正理解问题。

2.2 问题的分类

问题类别基于机器的问题解决能力划分，展示了人类理解不同领域的复杂性。具体分类如下：
| 类别 | 子类别 |
| ---- | ---- |
| 创意任务类别 | 无 |
| 现实世界问题类别（行动） | 割草机器人类别、驾驶汽车类别 |
| 非语言交流类别 | 无 |
| 理解艺术作品类别 | 电影、音乐、绘画 |
| 游戏类别 | 国际象棋类别、拼图类别、填字游戏类别 |
| 视觉问题类别 | 感知问题类别、命名类别、视觉诊断类别、视觉类比问题类别、组装工具问题类别、视觉过程控制类别 |
| 非视觉（概念）问题类别 | 文本理解类别、解释性问题类别 |
| 文本任务类别