1978年，贝尔曼（Bellman RE）提出人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化。主要采用的是认知模型的方法—关于人类思维工作原理的可检测的理论。为确定人类思维的内部怎样工作，可以有两种方法：通过内省或者通过心理学实验。一旦有了关于人类思维足够精确的理论，就可能把这种理论用计算机程序实现。如果该程序的输入/输出和实时行为与人的行为相一致，这就证明该程序可能按照人类模式运行。例如，纽厄尔和西蒙开发了“通用问题求解器”GPS。他们并不满足于仅让程序能够正确地求解问题，而是更关心对程序的推理步骤轨迹与人对同一个问题的求解步骤的比较。作为交叉学科的认知科学，把来自人工智能的计算机模型与来自心理学的实验技术相结合，试图创立一种精确而且可检验的人类思维工作方式理论。
20世纪50年代末，在对神经元的模拟中提出了用一种符号来标记另一些符号的存储结构模型，这是早期的记忆块（Chunks）概念。80年代初，纽厄尔（Newell A）认为，通过获取任务环境中关于模型问题的知识，可以改进系统的性能，记忆块可以作为对人类行为进行模拟的模型基础。通过观察问题求解过程，获取经验记忆块，用其代替各个子目标中的复杂过程，可以明显提高系统求解的速度。由此奠定了经验学习的基础。1987年，纽厄尔、莱尔德（Laird J）和罗森布鲁姆（Rosenbloom PS）提出了一个通用解题结构SOAR，并希望该解题结构能实现各种弱方法。SOAR是State，Operator and Result的缩写，即状态、算子和结果之意，意味着实现弱方法的基本原理是不断地用算子作用于状态，以得到新的结果。SOAR是一种理论认知模型，它既从心理学角度，对人类认知建模，又从知识工程角度，提出一个通用解题结构。SOAR的学习机制是由外部专家的指导来学习一般的搜索控制知识。外部指导可以是直接劝告，也可以是给出一个直观的简单问题。系统把外部指导给定的高水平信息转化为内部表示，并学习搜索记忆块。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
