一、案例定位

用通用問題求解器與 SAINT 理解早期符號式 AI 如何透過規則、搜尋與回溯解決結構化問題。

二、學習目標

• 理解問題空間中的節點與連線概念。
• 區分通用問題搜尋與專門的符號代數處理。

三、案例情境

原書指出，Allen Newell 與 Herbert A. Simon 開發通用問題求解器（General Problem Solver, GPS），把問題表示成有向圖：節點代表狀態／條件，連線代表可採取的行動。另有 James Sagle 於 1961 年建立 SAINT（Symbolic Automatic Integrator），透過符號操作解代數問題。

四、開始資料

五、Excel／AI 分析方法

可用連線清單表示問題圖：起始狀態｜行動｜到達狀態｜是否死路，用來追蹤搜尋路徑。

六、計算結果

原書未提供 GPS 的節點數或 SAINT 的效能數字，因此不補造結果。

七、結果分析與管理解讀

這些系統擅長邊界清楚、可以形式化的問題空間；這也預示以規則與搜尋為主的系統在面對開放世界問題時會遇到困難。

八、AI 提問詞

根據已定義的狀態與行動建立有向圖連線清單；不得新增來源未提供的狀態轉換。

九、思考／情境變動

**題目：**若一個問題無法明確定義狀態與可採取行動，GPS 式搜尋是否容易直接套用？

**參考解答：**不容易。原書對 GPS 的描述依賴可形式化的問題空間。