下载掌阅APP，畅读海量书库
立即打开
此后，部分科学家认为智能机器的底层逻辑就是树搜索和专家系统的结合。工程师为机器提供事实数据和规则，系统基于提供的数据和规则推断出其他事实。研究的目的是制造出一种可以代替人类进行复杂推理的机器。卡内基·梅隆大学的艾伦·纽维尔（Allan Newell）和赫伯特·西蒙（Herbert Simon）提出了逻辑理论家计划（Logic Theorist），期望通过探索由数学公式转化构成的树来证明简单的数学定理。那是一个对人工智能寄予厚望的时代。
但是在1970年，美国国防部下属的ARPA
削减了美国国内人工智能领域基础研究的预算，人工智能由此进入第一个寒冬。三年后，因为莱特希尔的报告
极大地打击了科学家对人工智能的热情，英国同样采取了削减预算的战略。没有资金投入，研究也就陷入停滞状态。
20世纪80年代初，因为受到专家系统的巨大鼓舞，历史的车轮再次转动起来。日本开启了雄心勃勃的“第五代”计算机项目，旨在赋予计算机系统逻辑推理能力，使其能够进行对话、翻译文本、解释图像，甚至像人类一样进行推理，可惜项目以失败告终。类似于我们描述过的专家系统MYCIN，它的实际开发与商业化都比人们的预期困难很多。事实证明，让技术工程师坐在医生或其他工程师身边，试图详细记录两者在识别疾病或诊断故障时的智力活动过程，是行不通的。人们幻想将专家的知识体系和智力活动过程简化为一套规则，但事实远比幻想要复杂得多、昂贵得多、不可靠得多。
树搜索研究取得的巨大成功离不开传统智能，然而这种传统智能却难以复制。