第一节
第一次人工智能浪潮：萌芽时期

符号主义人工智能（Symbolic Artificial Intelligence）所定义的人工智能概念起源于数理逻辑，其原理主要为物理符号系统假设和有限合理性原理，长期以来，符号主义人工智能一直在人工智能研究中处于主导地位。20世纪30年代，人类将数理逻辑应用于描述智能行为，随之结合计算机实现逻辑演绎系统，开启了人工智能发展的先河。在这种形式的人工智能中，机器所认知的基本元素为符号，人们将世间万物的信息及行为抽象为基于符号的表达。符号主义人工智能是人工智能研究中的一个集合术语，泛指所有“基于问题、逻辑和搜索的高级‘符号’（人类可读）表征”的方法。20世纪60年代，随着自然语言处理和人机对话技术取得突破性进展，如前文所提到的ELIZA，它们的出现大大提升了人们对人工智能的期望，也将人工智能推向了第一波高潮。

此外，符号主义人工智能学者认为，智慧的许多特征都可以通过符号处理来表达。约翰·豪格兰在《人工智能：非常的想法》一书中探讨了人工智能研究的哲学含义，将符号主义人工智能命名为GOFAI（Good Old-Fashioned Artificial Intelligence，即出色的老式人工智能）。在第一次人工智能浪潮中，符号主义人工智能曾长期一枝独秀，为人工智能的发展做出重要贡献，其中，专家系统的成功开发与应用，对人工智能实现理论联系实际，乃至走向工程应用具有重要的意义。

在第一次人工智能浪潮中，人工智能主要用于解决代数和几何问题，在人机交互过程中通过数学证明、知识推理和专家系统等形式进行实例化应用，这期间的研发主要围绕机器的逻辑推理能力展开。而逻辑推理是进行思维模拟的基本形式之一，是在一个或几个已知的前提下推出结论的过程。在符号主义人工智能里，逻辑推理是通过定义符号与符号之间的关系来表示的，其主旨在于以逻辑推理对人的行为进行智能模拟。逻辑推理在人工智能领域上的发展推动了专家系统的诞生。

专家系统由知识库、推理机及解释器3个部分构成，其核心是知识库和推理机。知识库中存储了当前已知问题的求解经验和规则；推理机则运用知识库中的知识对新获得的知识进行逻辑推理，从而得出决策。专家系统实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向专门知识运用的重大突破，是早期人工智能的一个重要分支，它可以看作一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。举个简单的例子，在知识库中有规则信息“｛1，+，×｝”和规则事实“｛1+1=2，1×1=1｝”，那么，当我们输入“1，1，+”时，系统模型将根据规则信息和规则事实进行信息匹配和推理，得出“1+1=2”的结果。这就是早期专家系统的功能，专家系统的出现让人们看见了强人工智能的未来。

然而，受基础科技发展水平及可获取的数据量等因素的限制，符号主义人工智能的发展停滞不前，在机器翻译、问题求解、机器学习等领域都出现了一些问题，并且在语音识别、图像识别等简单的机器智能技术方面取得的进展非常有限。因此，很多人认为，符号主义人工智能不可能模仿人类所有的认知过程。英国学者莱特希尔（Lighthill）甚至在1973年发布的研究报告《人工智能：一般性的考察》中指出，人工智能项目就是浪费钱，迄今该领域没有哪个部分做出了之前承诺的成果。基于此，英国政府大幅削减了人工智能项目的投入。直至20世纪70年代中期，受限于算力局限及美国国会压力，美国政府也于1973年停止或者大幅减少向没有明确目标的人工智能研究项目拨款。此后，人工智能研发周期拉长、行业遇冷，第一次人工智能浪潮宣告结束。 VXIBjzL0Q7H/XdUpgSW2oAHl8YQk/1BifyIIuXZo7BYptK2EgY/kchUT6GaQJNyP