Stephan Janssen 与 Geoffrey de Smet 探讨 ChatGPT 与 Timefold 在会议日程安排中的应用

背景

Stephan Janssen，Java Champion 和 Devoxx 创始人，尝试使用 ChatGPT 来生成完美的会议日程。他成功为一天的活动生成了可行的日程，但无法为整个五天的会议提供完整的解决方案。Geoffrey de Smet，Timefold（前身为 OptaPlanner）的 CTO 和创始人，指出 ChatGPT 在处理软约束方面不如专门的规划库有效。

问题的复杂性

会议日程安排问题非常复杂：210 个演讲可以分配到 40 个时间段和 10 个房间中，每个演讲有 400 种可能性，总共产生 10^277 种组合。de Smet 称“找到理想的日程比大海捞针还难”。由于这是一个 NP 难问题，即使算法减少了 99% 的搜索空间，仍然需要处理 10^279 种组合，这在现有计算能力下是不可能完成的。

InfoQ 的采访内容

为什么日程安排问题如此难以解决？

Stephan Janssen 指出，安排 210 个提案时，首先要考虑演讲者的可用性以避免冲突。其次，为了避免相似主题在同一时间进行，需要提供多样化的体验。理想情况下，应该从入门级演讲开始，逐步过渡到与之前主题相关的更高级演讲。此外，最受欢迎的演讲应安排在较大的房间。

ChatGPT 能否提供合适的解决方案？

Janssen 表示，目前无法通过一次性提示让 ChatGPT 生成最佳日程，但它可以生成日程安排的代码，成功为一天的会议生成了可行日程。Geoffrey de Smet 补充说，Janssen 的方法生成了生产求解器的模型，并为一天的会议找到了可行解决方案。虽然这种方法有潜力，但生成的模型目前无法扩展，尤其是在处理软约束时。两人打赌，看看生成式 AI 方法是否能击败手写模型，目前手写模型显著领先。

Timefold 如何解决这个问题？

De Smet 解释，Timefold 接受代码形式的约束，而其他生产求解器通常需要数学方程作为输入。Timefold 使用函数式编程来处理约束，这使得编写和维护新约束更加容易。

Timefold 的硬件需求是什么？

De Smet 表示，Timefold 是 CPU 密集型的，求解过程中没有 I/O 操作，大多数情况下使用不到 2GB 内存。在生产环境中，通常使用 4 个 CPU，每个数据集花费 30 分钟。大型企业每晚运行 100 个数据集，跨 5 小时，使用 40 个 CPU。

目前有哪些开源选项？

Janssen 提到，Google 的 OR-Tools 和 Microsoft 的 Z3-Prover 等开源库主要支持 Python 或 C++。De Smet 补充说，Java 和 Kotlin 中有一些库如 Choco-Solver、JaCoP 和 JOpt，Python 中也有 CPLEX 和 COIN-OR 等求解器。

结论

尽管 LLMs 可以帮助开发者通过部分生成模型来找到更简单的解决方案，但目前还无法完全回答“如何为会议安排演讲”的问题。经验和使用 AI 助手等工具将提供最有效的解决方案，无论是从结果还是资源利用的角度来看。