實現“人工智慧”的重要一類方法是搜尋。（人工智慧加引號是因為還沒有明確的定義，包括智慧也沒有明確的定義，之所以還用是看上去好懂一些。）常用的搜尋的場景是地圖，從A地到B地最優路徑。搜尋的基礎策略有兩個，一個是深度優先，一個是廣度優先。深度優先就是“看見了就上，一條路走到黑，一竿子捅到底”，走不通了就回溯；廣度優先是所有的可能先都試一遍再往下推進。深度優先的問題是如果方向錯了很浪費時間，所以可以提供一個方向資訊做最佳化就是爬山演算法；而廣度優先如果一層的選擇面太寬，選擇的效率也很低，所以每一層選一定數量的最優個數往前推進，就是束搜尋；最後再加上一些剪枝方法，如訪問節點佇列（訪問過的節點不再訪問），上述方法基本涵蓋了搜尋的所有主體。搜尋的本質是選擇，如何基於現有的資訊選擇一條通往目的地的最佳路徑，不同的人會有不同的前途無非是目標不同或者選擇不同，有方法和沒方法差距十萬八千里。
