启发式（heuristic）
/ hyoo-RIS-tik /
启发式就是一条经验法则——一个又快又实用的捷径，它通常能把你引向一个不错的答案，却不保证是最好的那个。当你在城市里迷了路，朝着高楼走去以找到市中心时，你用的就是启发式：它并非万无一失，但这是个明智的猜测，多半管用，还省得你把每条街都查一遍。AI用的是同一招，来驯服那些大到没法靠蛮力解决的问题。
在AI里，启发式最常出现在搜索与问题求解中，表现为对「某个局面有多大希望」的有根据的猜测——比如在导航问题里，把到目标的剩余距离估成一条直线，而不去管实际那些弯弯绕绕的路。这个估计引导搜索优先去探索有希望的方向，而不是没头没脑地把一切都试一遍。一个好的启发式，能把一个本来几乎要花上「永远」才能解的问题，变成片刻可解。其中的门道，在于找到一个算起来便宜、却又足够准的启发式。
诚实条款很要紧：启发式是拿「保证」去换「速度」。因为它是一个近似，它可能被误导，偶尔会把你引向歧途，或引向一个仅仅「还行」的答案。有些启发式带着数学护栏（例如，永不高估剩余代价，这能让某些搜索方法在数学上可证明是最优的）；许多则只是些在实践中管用的巧妙猜测。启发式在AI和人类思维里都无处不在——是应对复杂性不可或缺的工具，但当事关重大时，它绝不能替代「去核实一遍」。
一个地图应用在规划路线时，没法把每一条可能的路径都查一遍——那多得是天文数字。于是它用了一个启发式：优先选朝着目标方向走的路（用到目的地的直线距离来衡量）。这就把搜索的注意力集中到有希望的路线上，把那些越走越偏的路忽略掉，从而以一小部分时间就找到一条近乎最优的路线。
把直线距离当作启发式：一个便宜的猜测，无需查遍每条路径就能聚焦搜索。
启发式是用「放弃对最优答案的保证」去换速度。它是向导，不是证明——在砍掉大到不可能的搜索上极为出色，却也可能被骗，所以要把它的结果当成「多半不错」，而非「必定最优」。