※ 引述《jennya (Jennya)》之銘言：
: 聽很多人說修課內容跟AI有一大部分重疊(我沒修過AI所以不知道)
: 所以如果和AI一起的話 應該loading就會更輕一些(期中考範圍重疊之類的)
補充一下 AI 跟對局一些重疊和不太一樣的地方。
在兩門課一開始，老師都會問大家 What is intelligence?
當然這是個大哉問，沒有一定的答案XD
在電腦對局理論的第一堂課，老師也會講為什麼會把 computer games 獨立出來開課。
雖然 AI 和對局在 search 的地方有很多重覆，但切入的方式稍微有點不同，
AI會先介紹 agent 的概念，
然後用各種例子來講如何把生活中的問題轉換成 search problem，
(定義出 state, action, goal...等等)
像是 AI 課本裡最簡單的吸塵器例子、route-finding 或是組裝產品的機器手臂，
對局的話就會針對遊戲的性質做比較細的分析。
在演算法的部分，DFS、BFS、Best-first search、A*、IDA*、
alpha-beta pruning是兩邊都有教的，這方面我覺得對局講得比較詳細。
另外，AI 還有介紹 local search、基因演算法以及在 non-deterministic 的環境會用
到的方法，對局則是多了目前電腦圍棋最常用的 Monte-Carlo Tree Search 還有各種讓
搜尋更有效率的技巧。
AI在期中考之前差不多就是把 Search 教完，
我去年同時修這兩門課時，的確有覺得 loading 比較輕
順帶一提，兩門課的期中考都會要你trace alpha-beta pruning XD
雖然上課時會聽到重複的東西，但也可以當作複習囉 :P
總而言之，AI 的內容比較 general，
可以讓人比較了解 AI 的全貌及應用，而不只是侷限在遊戲上。
像無人駕駛車、虛擬接待員、根據使用者習慣調整溫度的空調 之類的
Final project 好像還有人做自動調整船的平衡(有點忘了...)
課程後半部的 Logic reasoning 和 ML 也是電腦對局都不會提到的，
所以應該還沒有到「大半部分」都重疊XD
對 Puzzle、棋類遊戲類很有興趣的人，當然很推薦去修對局！
上課應該很難覺得無聊
用上課教的技巧及自己想出來的 heuristic 讓程式變強也是滿開心的事XD