人工智能的主要研究流派和成果（一）

到了20世纪70年代末期，在人工智能学科领域形成了三驾马车：卡内基梅隆学府的纽厄尔与西蒙、斯坦福学府的麦肯锡以及麻省理工学院。

他们分属两个人工智能研究流派，信息计算学派和神经网络学派。

传统的方法主要关注程序架构、符号系统平台以及编程工具，并特别突出了计算在人工智能研究中的核心地位；另一种方法则专注于神经网络的研究，并着重探讨了人类大脑神经系统运作机制，并通过模拟的方式进行研究。

他们都是理性主义哲学流派的支持者，在坚信大脑是复杂的人体器官的基础上，在香农信息论与图灵可计算性理论的影响下形成了对其思维机制的理解。他们提出的信息处理模型认为：大脑接收并接收来自外界的信息，并将其转化为行为指令。

那些熟悉编写程序的人知道，早期编写的程序本质上是一个数据处理流程。由此可见，这些程序必定与该大脑机器模型有着直接的关联。

他们在人工智能寒冬来临之前的研究的重要成果包括：

各种国际象棋下棋系统：若干人工智能领域专家对其进行深入研究，并包括诸如由1955年纽厄尔所开发的NSS程序、1951年麦卡锡所开发的下棋程序以及具有里程碑意义的α-β搜索法等

2.通用问题求解机，在纽厄尔与西蒙从上世纪五十年代持续研究直至上世纪七十年代期间内先后开发出了逻辑理论机器（LTM）、通用问题求解器（GPS）以及SOAR等重要工具。基于此基础之上构建出了他们的认知模型，并最终得出了结论：即智能可被视为一种高级的信息处理机制，并可通过操作物理符号来实现这一过程。

3.随机化强化神经模拟计算机（SNARC），由马文·明斯基和迪安·埃德蒙于1951年创造,模仿大脑神经元的工作模式,通过电子元件对外界信号做出反应,在执行任务的过程中,人造神经元会先形成一些随机连接,若其中某一特定连接有助于完成任务,则该连接将得到强化,而经过强化处理的连接共同作用下构建了一个仿生神经网络模型。

4、计算机语言方面，在人工智能领域主要包括以下几种：信息处理语言（由纽厄尔与西蒙开发），表处理语言（麦卡锡发明），以及逻辑处理语言（由阿兰·科尔迈伦与罗伯特·科沃尔斯基共同开发）。这些编程范式的创新性显著推动了人工智能技术的进步

"智慧就是强大力量"不仅是培根的经典言论，在中国各地的学习场所均可看到这一有力的论断，并且它蕴含着持久的生命力。

若论据的基础存在偏差，则即便采用了再严谨的推理体系也难以得出正确的结论；即使应用了最完美的逻辑规则去演导理论也只能导向错误的结果；如同中世纪时期的经院哲学理论虽经过严密论证却未能改善当时社会状况；唯有知识得以普及方能带来光明彻底消除欧洲数百年来的黑暗

具备人工智能的机器也一样地，在缺乏知识的情况下显得非常稚嫩。

专家们逐渐意识到这一点后转而致力于探索具备常识能力的机器。为了使这些系统能够具备常识就必须让这些系统能够理解和存储人类的知识。将知识转化为可被机器处理的形式成为研究的核心任务。

在早期时期，这些先驱者并未对知识与信息的概念进行明确的区分，在他们的观点中两者并无明显区别。纽厄尔开发了一款效率较低的程序称为梅林（Merlin），其主要目的是试图通过特定方式表征信息的过程；而麦卡锡和明斯基则提出了框架（frame）这一概念，并将其作为一种系统化的组织工具用于管理知识结构。

人工智能呼唤新的研究大师，爱德华.费根堡姆，道格拉斯.里南应时而生。

费根堡姆以归纳推理为基础开发的专家系统与道格拉斯·里兰主导的大百科全书项目均取得成功发布。这些创新成果使智慧之光在人工智能领域绽放光芒，并迅速发展成为该领域的主要研究方向。同时，在商业领域这一技术已在多个应用中获得广泛应用。

费根堡姆首次提出并阐述了知识库的概念，并将其定义为涵盖一定领域内的高阶技巧。他不仅与该领域的专家团队密切合作，在这一过程中还充分考虑到了各方面的专业意见。他们将其专业知识与实践经验整合到系统中，并最终构建了一个基于此概念的 expert support system framework。采用了一种称为 "推理引擎" 的程序来处理顾客的问题，并通过这一机制实现问题的推理和解答。

费根堡姆于1965年开创性地研制了DENDRAL系统。该系统基于知识库系统以及以"推理引擎"命名的技术构建了一条推理路径，并通过这条路径实现了对相关问题的有效解决。

如果说DENDRAL是一个实验室的重要辅助工具，则1970年的改进版METADENDRAL则被认定为一位全自动化的化学工作者。

斯坦福大学开发出MYCIN是专家系统技术在医学领域的主要应用于该领域的一个重要案例

除了医学与化学之外，在工业制造方面也得到了广泛应用；在生物和地质学研究以及军事信号领域也取得了显著进展；航天科技领域的研究同样取得了突破性进展。

如果专家系统在某一领域具有专长，则Dr. Douglas L. Rine所领导开发出的CYC项目则是一个无处不在的知识宝库。

Cyc采用了与Lisp相似的CycL编程语言构建，并负责存储和管理高达数百万的知识命题。这些知识以称为微型理论的小块知识单元组织起来，在每个微型理论中包含若干命题条目及相关的概念，并为各个领域中的比喻用法及习语提供了明确的解释规则。此外，该系统还包含30多个独立且功能完善的推理引擎。

Cyc以其庞大的知识库闻名，在持续出现的质疑声以及研究计划被不断拖延的情况下, 其知识条目数量持续攀升, 到目前为止, 已在1984年拥有约一百万词条, 按照这一速度发展, 截至1994年则已达到四百万词条水平; 预测其最终所需词条数量将在两千万至四千万之间徘徊; 这样的知识体系自然使其发展成为通用型专家系统的基础

然而，在开放的互联网时代中，众多的知识不断涌现，并且实时上传到网上。通过互联网快速获取信息的能力大大提升后，“Cyc 知识库”的存在价值又如何呢？