第三章 知识就是力量
我们不能低估20世纪70年代中期人工智能发展遇到的重挫,许多学者将人工智能视为一门伪科学——直到最近这一领域才算是恢复了名誉。不过,就在莱特希尔报告广为流传并且造成严重后果之时,一种新的研究方法开始引起人们的注意,它宣称可以解决人工智能受人诟病的问题。20世纪70年代末到80年代初,不少研究人员都突然决定朝这个方向进行研究,他们认为人工智能领域此前存在的问题是过度关注搜索和解决问题这种通用法则。有人提出,这些“弱”方法缺少一个关键的要素,而这一要素才是在所有智能行为中起决定性作用的组成部分:知识。Scientia potentia est(知识就是力量),17世纪哲学家弗朗西斯·培根(Francis Bacon)如是说。人工智能研究者从字面上理解培根的名言,他们支持以知识为基础的人工智能研究,确信捕捉和使用人类现有的知识才是人工智能进步的关键。
一种基于知识的人工智能系统——专家系统 开始出现,它能利用人类专业的知识来解决特定的、狭义领域的问题。专家系统提供的证据证明,人工智能在完成某些特定领域的任务方面远胜人类,更重要的是,它们首次向人们证明,人工智能可以应用于商业领域。基于知识的人工智能系统可以向广大受众传授相关的技术,这一代的人工智能研究毕业生决心把他们的知识应用在此领域。
专家系统与通用人工智能不同,它的目标是解决非常狭义、非常具体的问题,解决这类问题通常需要相当专业的知识。通常,能够解决这类专业问题的人类专家都需要花费极长的时间来学习相关知识,而这类专家相当稀少。
在接下来的10年里,基于知识的专家系统是人工智能研究的主要焦点,工业界的巨额投资流入了这一领域。20世纪80年代开始,人工智能的冬天趋于结束,另一股更狂热的人工智能浪潮悄然到来。
在本章中,我们将了解从20世纪70年代末期到80年代末期蓬勃发展的专家系统,我会从如何获取人类专家的知识并将其输入计算机开始,为你讲述MYCIN[5] 的故事——它是当年最著名的专家系统之一。我们将看到研究人员如何利用数学逻辑的强大和精准性,试图建立更丰富的获取知识的方法,以及为何这个目标最终也落空了。接下来,我们将听到有关Cyc工程 的故事,这是人工智能历史上最雄心勃勃,也是最臭名昭著的失败项目之一。它试图利用人类专家的知识来解决有史以来最大的难题:通用人工智能。
本书评论