天才一秒记住【久久文学】地址：https://www.jjwxx.com
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。
基于逻辑的人工智能
虽然规则成为专家系统获取人类知识的主要方法，但也有大量其他方案存在。
例如，图6就展示了一种名为脚本的知识展示方案（简化）版本，由心理学家罗杰·尚克（RogerSk）和罗伯特·亚伯森（RobertP.Abelson）开发。
该方案基于一种关于人类理解能力的心理学理论建立，理论指出，我们的行为部分受刻板印象模式（即“脚本”
）支配，我们也用这些模式来理解世界。
他们认为同样的模式可以应用在人工智能中。
以图6所示脚本为例：这是一个典型的餐厅场景，脚本（用自然语言）描述了参与者的各种角色（顾客、服务员、厨师、收银员）、启动脚本所需要的条件（客户饿了）、脚本需要操作的各种物理项（食物、桌子、钱、菜单、小费），并且，最重要的是与脚本相关的常规事件序列，在图6中，这些事项的编号为1—10。
尚克和亚伯森推测这样的脚本可以用在人工智能程序中，用于理解故事。
他们认为，当故事中的事件与常规剧本不同的时候，故事就会变得有意思（有趣、可怕、令人惊讶）。
例如，一个有意思的故事可能包含这样的情况：在第4步以后脚本就停止运行了，即顾客点了餐，但是没有上菜。
一个违法故事可能省略第9步：顾客点餐并吃东西，但没有付钱就离开了餐馆。
他们尝试了几次以脚本为基础构建能够理解故事的系统，但成功率有限[33]。
图6 描述典型的餐馆就餐经历的脚本
另一个引起广泛关注的方案是语义网[34]，它非常直观、自然，在当今社会，也经常被重新定义——事实上，如果让你去发明一个知识表述方案，我认为你很有可能做出类似的产品。
图7展示了一个简单的语义网，它代表了有关我的一些知识（我的出生日期、居住地、性别和下一代）以及一些世界性常识（比如：女人首先是人，大教堂既是一座建筑又是一个礼拜场所等）。
图7 一个简单的语义网，包含我的个人信息、子女信息和居住信息
在以知识为基础的人工智能兴起时，似乎每一个人都有自己的知识表述方案，而且跟其他人的不兼容。
虽然专家系统事实上的知识表述方式是基于规则的，但在知识表述方面，研究人员仍然有不少困扰。
其中之一就是规则太简单，无法获取复杂环境下的相关知识。
比如MY系统的规则就不适用于会随时间变化的环境，也不适用于多个用户（不管是人类还是人工智能）的环境，或者实际状态存在各种不确定性的环境。
另一个问题是，用于专家系统获取知识的各种方案似乎都有些武断，研究人员希望能了解专家系统中的知识实际上意味着什么，并确保系统进行的推理是可靠的。
简而言之，他们想为基于知识的专家系统提供合适的数学基础。
人工智能研究人员德鲁·麦克德莫特（DrewMcDermott）在1978年撰写的一篇文章中总结了这些问题，并称之为“无意指不表达”
[35]，“对一个系统而言，正确性固然是重中之重，”
他写道，“让人能理解它，也是十分关键的。”
20世纪70年代末就开始出现相关的解决方案，即使用逻辑作为知识表述的统一方案。
为了理解逻辑在基于知识的系统中所扮演的角色，我们有必要了解一些逻辑的知识，以及它如何作用于系统。
逻辑学的发展是为了理解推理，特别是区分好的（完备的）推理和坏的（不完备的）推理。
让我们看一些推理方面的例子，包括完备和不完备的。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！