下载掌阅APP，畅读海量书库
立即打开
人工智能的世界日新月异，不断地挑战新的极限。当一个关键问题被攻破后，便会进军新的领域，旧的领域便不再属于人工智能的范畴，而是会作为惯用工具存在。
比如，在20世纪50年代，计算机科学处于萌芽状态，将数学公式转化成可由计算机执行的指令尚属人工智能的范畴。但是现在，它只是编译器的基本功能：编译器能够将工程师编写的程序编译成可由计算机直接执行的指令序列。所有计算机科学专业的学生都会学习这些知识。
再比如路径搜索，在20世纪60年代它显然属于人工智能领域，但如今，它已是人们日常生活中最常被使用的功能之一。在路径搜索的算法中，有一些可以使人们找到最短路径（相互连接的节点网络），例如，1959年的迪杰斯特拉算法
与1969年哈特、尼尔森和拉斐尔（Hart，Nilsson，Raphael）的A* 算法
。路径搜索已被运用于GPS（全球定位系统）中，不再具有技术先锋的性质。
20世纪七八十年代，人工智能的核心是基于逻辑和符号处理的自动推理技术的集合。拥护这个传统的盎格鲁——撒克逊人用GOFAI称呼它，意思是“好的老式人工智能”，这带有一定的自嘲意味。
专家系统也是如此，它运用推理引擎，依据一些事实推断出新的事实。例如，1975年，MYCIN专家系统能够帮助医生确定急性感染，如脑膜炎，并建议医生使用抗生素治疗。该系统囊括了大约600条规则，例如，如果传染性生物呈革兰氏阴性，并且是厌氧的以及棒状的，那么这样的生物就是类细菌（概率是60%）。
当时，MYCIN是一种创新。它的规则包括一些确定性因素，系统会将这些因素结合在一起判断结果的可信度。它通过一个名为“反向链接”的推理引擎做出一个或多个诊断假设，然后根据使用人员输入的患者症状更改假设，做出最终的诊断，再给出建议使用的抗生素和建议使用剂量，同时还会提供某些可信指数以供判断。
为了打造这样一个系统，技术方的工程师必须坐在医生（专家）旁边，请后者详细地解释其诊断方式：如何诊断阑尾炎或脑膜炎，有什么症状。于是规则产生了：如果患者有这种症状，那么有多大概率是阑尾炎，有多大概率是肠梗阻，或有多大概率是肾绞痛。工程师会在数据库中手动编写这些规则。
MYCIN及其后续产品可靠性都很高，只不过都是实验阶段得出的结果，产品并没有投入应用。当时，医学计算机化刚刚开始，其数据的输入很乏味，并且一直都很乏味（现在也是如此）。事实证明，所有这些基于逻辑和树搜索的专家系统在被开发时都存在种种困难，并且极为复杂。如今，它们已被废弃，虽然如此，但它们仍然被拿来作为参考，活跃在人工智能教科书中。
尽管事实如此，但逻辑方面的工作最终还是衍生出了一些必不可少的应用，像方程的形式求解、数学积分的计算以及程序的自动验证等。空中客车公司（Airbus）就会通过这类应用来验证民航飞机控制软件的准确性和可靠性。
人工智能研究的队伍中仍有一部分人在研究这些课题，而我所属的另一部分研究人员则投身于用完全不同的方法研究机器学习。