人工智能全传

20世纪70年代涌现的专家系统绝不止MYCIN，同样来自斯坦福大学，由爱德·费根鲍姆(Ed Feigenbaum)领衔的项目DENDRAL才是世界上第一例成功的专家系统，它也使费根鲍姆成为知识型系统最著名的倡导者之一，并被人们尊称为“专家系统之父”。DENDRAL的开发目的是帮助化学家根据质谱仪提供的信息来确定化合物的成分及结构。在20世纪80年代中期，每天有成百上千的人在使用DENDRAL。

美国数字设备公司(DEC)开发的R1/XCON系统，旨在帮助他们配置VAX系列计算机。在20世纪80年代，DEC公司声称该系统已经处理了超过8万份订单，当时系统有3000多条规则，涉及5500个不同的系统组件。到了80年代末，R1/XCON系统的规则数量已经扩展至17 500多条，开发者声称该系统为公司节省了超过4000万美元。

DENDRAL项目证明专家系统是可用的，MYCIN证明它可以在专业领域胜过人类专家，R1/XCON证明了它有商用价值。这些成功的故事引起了许多人的兴趣：人工智能似乎已经为商业化做好了准备。这是一个激动人心的故事，毫无疑问，海量的研发资金纷纷流入这个领域。一批初创公司忙不迭地从再度繁荣中获利，典型案例就是用于构建专家系统的软件平台，以及开发和部署专家系统的支持服务。不过你也可以购买专门设计用来快速执行LISP——构建专家系统的首选编程语言——的计算机，这些LISP专用机器一直到90年代早期还在使用。后来，普通个人计算机价格日益便宜，功能也日益强大，那时候再花费7万美元买一台只能运行LISP的计算机就是毫无意义的了。

不仅仅是软件行业，其他行业也争先恐后地乘着这场人工智能再度繁荣的东风飞速发展。20世纪80年代，工业界开始意识到，知识体系，尤其是专业知识，是可以培育和发展的重要资产，可以带来高额利润。专家系统似乎使这种无形的资产变为有形，知识体系的概念与当时西方经济进入后工业时代的观点相呼应——在这一时期，经济发展的新机遇主要来自所谓的知识型产业和服务业，而不是制造业或其他传统产业。

回顾一下专家系统发展的经历，我们可以看到，人工智能的再次繁荣不仅仅是MYCIN、DENDRAL等案例成功的故事，更重要的是，专家系统赋予了人工智能另一种可能性。你不需要相关知识领域的博士学位，就能构建一个专家系统(我敢打赌，你可以轻而易举理解前文所述的动物分类规则)。任何熟悉编程的人都可以明白专家系统的原理，事实上，构建一个专家系统似乎比传统编程还容易一些。一个全新的职业出现了：知识工程师 。

具有讽刺意味的是，1983年，英国政府发起了一场雄心勃勃的计算机技术研究资助计划，名叫“阿尔维计划”，计划的核心就是发展人工智能。但鉴于莱特希尔10年前的报告几乎让英国的人工智能产业陷入死局，考虑到该领域的负面名声，似乎所有参与阿尔维计划的人都不愿意将之称为人工智能。相反，他们称之为“基于知识的智能系统”。人工智能的未来似乎一片光明——只要你不把它叫作人工智能。