人工智能的主要研究流派和成果（一）

到了20世纪70年代，人工智能研究领域形成三驾马车：卡内基梅隆大学的纽厄尔和西蒙，斯坦福大学的麦肯锡，麻省理工学院的马文.明斯基。

他们分属两个人工智能研究流派，信息计算学派和神经网络学派。

前者着眼于程序的逻辑结构、符号操作系统以及编程语言，他们尤其强调“计算”这一概念对于人工智能研究的重要性；后者着眼于神经网络的研究，强调对大脑神经系统工作方式的探索和模拟。

他们都是理性主义哲学流派的忠实信徒，坚定的认为大脑就是一个复杂的肉质机器，更进一步，受到香农信息论和图灵可计算性理论的启发，对人类大脑的思维活动有了更加清晰的推测，那就是接受信息，对信息进行加工计算，得出结论，并进行适当的决策反应。

编过程序的人都知道，早期的程序，实质上是一个数据加工处理过程，据此看来，一定和这一大脑机器模型有直接的关系。

他们在人工智能寒冬来临之前的研究的重要成果包括：

1.各种国际象棋下棋系统：很多人工智能大咖都参与研究过，如1955年纽厄尔编写的NSS程序，1951年麦卡锡编写的下棋程序和α-β搜素法。

2.通用问题求解机，纽厄尔和西蒙从五十年代一直研究到70年代，先后开发了逻辑理论机器（LTM）、通用问题求解器（GPS）、SOAR等。由此构造出他们的认知模型，并最终得出结论，即智能作为一种高级的信息处理过程，可以通过操作物理符号来加以解释。

3.随机化强化神经模拟计算机（SNARC），由马文.明斯基和迪安.埃德蒙在1951年设计,模拟大脑神经元的工作方式，使用电子元件对外界信号进行反应，在完成任务时，它的人造神经元首先会建立一些随机联结，如果其中一种特定的联结能够协助完成任务，那么这种联结就得到增强，由此，各种得到增强的联结构成一个仿真神经网络。

4、计算机语言，这里只列出和人工智能有关的，包括IPL（信息处理语言，纽厄尔和西蒙）、LISP（表处理语言，麦卡锡）、Prolog（逻辑处理语言，阿兰.科尔迈伦和罗伯特.科沃尔斯基）。

“知识就是力量”，培根的名言至今仍在中国的各种学习场所悬挂，具有强大的生命力。

如果立论的前提是错误的，无论用多么完善的推理机制和规则来推到，结论肯定是错误的，甚至是荒谬的，如中世纪的经院哲学，只有知识的普及带来了光明，照亮欧洲尽千年的黑暗。

具备人工智能的机器也一样，没有知识的支撑，将幼稚得连一个婴儿都不如。

人工智能的大师们逐渐意识到了这点，开始探求具有常识的机器的研究，要想机器具备常识，就得让机器理解并记忆人类的知识，知识的机器表达成了研究的关键。

但早期的大师们仍没有将知识和信息的概念进行有意识的区分，他们所谓知识就是信息，纽厄尔研发一款并不怎么成功的梅林（Merlin）程序，试图让程序理解的方式对信息进行表征，麦卡锡和明斯基提出框架（frame）概念，来对知识进行组织化和条目化。

人工智能呼唤新的研究大师，爱德华.费根堡姆，道格拉斯.里南应时而生。

费根堡姆基于归纳推理的专家系统和道格拉斯.里兰的大百科全书计划成功推出，让知识的光芒闪烁在人工智能的天空，并迅速成为人工智能研究领域的主流，还在商业领域得到了广泛的应用。

费根堡姆提出了知识库的概念，包括某种特定领域的高级技能，他和特定领域的专家合作，将他们的知识和工作经验灌入知识库，形成一个专家系统，又通过一种被称做“推理机构”的程序对顾客的问题进行推理和解答。

费根堡姆1965年成功研制出DENDRAL，利用知识库和一种叫做“推论引擎”的结构产生一条逻辑链条，从而有效的解决问题。

如果说DENDRAL是一个实验室得力助手，1970年的改进版METADENDRAL又称为一位全自动的化学家。

斯坦福大学研制出MYCIN是专家系统在医学领域的应用，它拥有强大的传染病知识库，可以作为医生的咨询助手。

除了医学和化学，专家系统还广泛应用于工业制造、生物和地质学的科研、军事信号、航天科技等诸多领域。

如果说专家系统是某一领域的专才，那么，道格拉斯.里南负责研发的机器大百科全书Cyc则是无所不知的通才。

Cyc是通过一种类似Lisp的CycL编程语言进行编写的，管理着上百万的知识命题，这些命题以微型理论作为单元来组织，每个微型理论由一些命题条目和概念组成，并对特定领域的比喻和习语提供解释规则，Cyc还拥有30多个独立的推理引擎。

Cyc以强大的知识库著称，伴随着不断的质疑声和不断推迟的研究计划，Cyc的知识条目也在不断增长，1984年100万条，1994年400万条，人们预计最终会需要2000万到4000万条才够，这么庞大的知识无疑使Cyc成为一个通用专家系统。

但在开放的互联网时代，各种知识层出不穷，实时上传到网上，加上各种智能化的搜索引擎让我们快速获得，Cyc知识库的存在价值究竟还有多少呢？