天才一秒记住【久久文学】地址：https://www.jjwxx.com
智能体使用贝叶斯推断理性地管理它们对世界的信念库，通过贝叶斯网络或者其他方式捕捉对世界的理解。
如果存在多个智能体，我们会借助博弈论来提供决策框架。
这并非通用人工智能，也没有给出一条通往通用人工智能的光明大道，但到了20世纪90年代末，这些理念、工具和应用被接受的程度越来越高，致使人工智能界内部对人工智能本身的看法发生了重大变化。
这是第一次，我们真实地感受到，自己并非在黑暗中拼命抓住所发现的任何东西。
我们研究的领域已经有了明确而坚实的科学基础，从概率论到理性决策，这些都是经过时间检验、值得尊敬的技术。
这一时期的两项成就，标志着人工智能研究开始走向成熟。
第一项已经成为全世界的头条新闻，而第二项，意义比第一项更为重大，但除了人工智能界内部人士以外，并不为人所知。
占据全世界头条新闻的突破来自IBM，1997年，IBM证明了名叫“深蓝”
（DeepBlue）的人工智能系统能够在国际象棋比赛中击败俄罗斯大师加里·卡斯帕罗夫（GarryKasparov）。
1996年2月，深蓝第一次从卡斯帕罗夫手里赢下棋局，不过他们一共下了六局棋，卡斯帕罗夫最终以4∶2的总比分获得胜利。
一年多后，升级的深蓝系统再次对阵卡斯帕罗夫，而这一次，人类的世界冠军被击败了。
似乎当时的卡斯帕罗夫对此表示非常不满，并怀疑IBM公司存在作弊行为，但后来他也提到那是他国际象棋生涯中无法忘却的一次愉悦体验。
从那以后，国际象棋无论从任何意义上来说，都是一场已经没有悬念的游戏：人工智能可以战胜优秀的人类棋手。
可能你也听说过深蓝战胜卡斯帕罗夫的新闻，但我认为你不太可能听说当时的第二个重大成就，尽管它的影响可能更为深远。
不知道你是否还记得，在第二章里，我们提到过某些计算问题本质上是复杂的——用技术语言来说，就是NP完全问题——人工智能领域许多亟待解决的问题都属于这一类。
到了20世纪90年代初，人们开始清楚地认识到，解决NP完全问题的算法在进步，使得这个问题不像20年前一样成为人工智能不可逾越的障碍[61]。
第一个被证实为NP完全问题的问题，就是SAT问题〔即satisfiability（可满足性）的缩写〕，这是一个检查简单逻辑表达式是否一致的问题——是否有任何方式表达它们都为真。
SAT是所有NP完全问题中最基础的一个，你应该还记得，如果你能找到一个有效的方法解决某一个NP完全问题，那么你就自动找到了解决所有NP完全问题的方法。
到了90年代末，“SAT求解器”
，即解决SAT问题的程序已经足够强大，开始解决工业规模的问题了。
在我写本书的时候，SAT求解器已经高效到在编程过程中可以随时调用了——它们已经成为我们解决NP完全问题的一个工具。
不过这并不意味着NP完全问题已经被彻底解决，总会出现一些案例，让最好的SAT求解器都屈膝臣服。
但我们不再害怕NP完全问题了，这是人工智能在过去40年里所取得的一项悄无声息的重大突破。
尽管人工智能领域刚刚重新获得了科学界的认可，但并不是所有人都为90年代末的主流人工智能感到高兴。
2000年7月，我在波士顿参加会议，聆听了一名人工智能领域研究新星的演讲。
当时有一位同行前辈坐在我旁边，他在黄金年代就从事了人工智能领域的研究，和麦卡锡、明斯基是同一时期的人物。
他很轻蔑地质问：“这就是现在所谓的人工智能吗？魔法去哪儿了？”
我能理解这句话的来历：现代的人工智能从业人员，需要的背景不再是哲学、认知科学和逻辑学，而是概率论、统计学和经济学。
看上去就不那么具有……嗯……诗意了，对吧？但事实是，它成功了。
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！