逻辑推理背后的符号主义革命

符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，主要代表人物有美国科学家西蒙、纽厄尔、费根鲍姆（Edward Feigenbaum）等。他们认为：思维的基元是符号，思维过程就是符号的运算；智能的核心是知识，利用知识推理进行问题求解；智能活动的基础就是物理符号系统，人脑、电脑都是物理符号系统；知识可用符号表示，可以建立基于符号逻辑的智能理论体系。该学派经历了从启发程序（Heuristic Program）到专家系统（Expert System）再到知识工程的发展路径。

启发程序是一种模拟人的思维方法与规律的计算机程序。第一个著名的启发程序是1956年由纽厄尔、西蒙和肖（Cliff Shaw）合作研制成功的“逻辑理论机”（Logic Theory Machine，简称LT）。LT模拟了数学家证明数学定理过程中的某些思维方法，应用心理学方法设计了称为“大声想”的心理实验，以记录分析思维的过程和智能活动。他们将问题分解、变量代入、符号替换等方法编写成计算机程序，成功证明了怀特海和罗素所著的《数学原理》一书第二章中的数学定理，开创了用计算机模拟人的高级智能活动之先河，被认为是人工智能的真正开端。同年，塞缪尔通过模拟自己的下棋策略和方法研制成功了具有自主学习能力的“跳棋程序”。西蒙、塞缪尔的研究成果大大推动了人工智能领域中“机器博弈”“机器学习”等研究工作。起初，这个跳棋程序下不过塞缪尔本人，但是经过学习其他高手的棋艺，于1959年终于击败了它的设计者。西蒙激动地预言：“10年之内，计算机将成为国际象棋世界冠军”，而塞缪尔则说：“10年之内，计算机将发现并证明一个重要数学定理。”虽然二人不乏互捧之意，但是他们都对符号主义充满着期待。1962年，塞缪尔的跳棋程序又成功战胜了美国一个州的跳棋冠军。1960年，纽厄尔、西蒙和肖再度合作研制成功了“通用问题求解程序”（General Problem Solver，GPS）。GPS可以求解11种不同类型的问题，提高了启发程序的通用性，扩大了计算机进行脑力劳动的应用范围。1960年，华裔美国数理逻辑家王浩提出命题逻辑的机器定理证明的新算法，用计算机证明了集合论中的300多条定理。1965年，美国科学家鲁宾逊（John A.Robinson）提出词逻辑的“消解原理”，简化了判定步骤。利用计算程序模拟人的智能的成功给符号主义学派带来了莫大的希望。1967年，明斯基大胆宣称：“在我们这一代人的努力下，创造人工智能难题将会从根本上被解决。”然而，20世纪70年代前后，启发程序主导的人工智能就遇到了瓶颈。1964年，美国科学院成立的语言自动处理咨询委员会（ALPAC）开始评估机器翻译的发展状况。1966年，ALPAC给出的评估结论是：“在近期和可以预见的未来，开发出实用的机器翻译系统是没有指望的。”计算机有限的处理速度和内存不足严重限制了通过编辑程序解决AI问题的能力，而只能解决一些简单的问题。针对这种状况和另外两种路径遇到的瓶颈，1973年，英国政府聘请数学家莱特希尔（James Lighthill）对AI研究现状进行了全面评估，形成了AI发展史著名的《莱特希尔报告》。报告曾严厉地指出：“AI领域的任何一部分都没有能产出像人们当初承诺的那样有主要影响力的进步。”报告还建议，支持对神经生理学和心理学过程的计算机模拟，而放弃对机器人和语言处理的资助。《莱特希尔报告》导致了AI经费支持的停止，许多机器人项目的终止，人工智能研究进入了第一次“寒冬”。但是，在这个特殊的时期，1977年我国数学家吴文俊提出了初等几何判定问题的机器定理证明“吴方法”，并推广到初等微分几何、非欧几何领域，首次实现了几何定理的高效证明，开辟了数学机械化证明新领域。吴文俊特别在论文中注明了他的机械化思想源于宋元时期中国数学家的创造。1986年，《人工智能》杂志推出了篇幅超过300页的“吴方法”在人工智能领域应用的专刊。1997年，吴文俊因此获得国际自动推理最高奖“Herbrand自动推理杰出成就奖”。授奖词曾这样评价“吴方法”：“在不多的自动推理领域，这种被动的局面是由一个人扭转的”，“几何定理证明的研究已全面复兴，变为自动推理界最活跃与成功的领域之一”。2001年，吴文俊因在数学机械化和拓扑学领域的突出贡献荣获首届中国国家最高科学技术奖。中国数学家的工作为人工智能的第一次“寒冬”带来了一抹春色。

专家系统是一种基于专家专业知识和工作经验，用于求解专门问题的计算机系统。随着计算机能力的提高以及人们对知识问题的关注，机器思维的研究者认识到知识是提高通用问题求解能力的关键，于是开始寻求在计算机程序中大规模应用知识。第一个专家系统（DENDRAL）是化学分析专家系统，它是由费根鲍姆于1965年提出，1968年研制成功的。DENDRAL利用启发式程序自动发现有机化合物的分子结构，利用产生式程序将化学家的经验知识用“IF-THEN”的规则进行表示。DENDRAL大大提高了化学家分析有机化合物分子结构的效率，它的问世标志着人工智能学科中“专家系统”分支学科的诞生。专家系统的出现是用计算机模拟人的思维的一次科学研究方法和系统开发策略的重大转变。费根鲍姆认为，智能主体的问题求解能力主要来自其运用的专家知识，其次才是推理方法的能力和通用性。受DENDRAL的影响，美国斯坦福大学的肖特利夫（Edward H.Shortliffe）等人于1971年开始，并于1976年完成了第一个用于血液感染病的诊断、治疗和咨询服务的医疗专家系统（MYCIN）。该系统首次采用“知识库”“推理机”“可信度”等概念，利用非确定性知识推理对用户咨询提出的问题进行回答，并给出答案的可信度估计。MYCIN的成功为其他许多专家系统的研究开发提供了良好的范本。1977年，费根鲍姆提出“知识工程”概念，大大推动了基于知识的专家系统及其开发工具的发展。斯坦福研究所的杜达（Richard O.Duda）等人于1976年开始，并于1981年完成地质勘探专家系统（PROSPECTOR），成功用于钼矿勘探，取得了重大社会经济效益。我国学者涂序彦、郭荣江等人于1977年开始，并于1979年完成了世界上第一个中医专家系统“中医关幼波肝炎诊断治疗程序”。(www.xing528.com)

20世纪80年代是专家系统发展的黄金时代。1981年，英国赫特福德大学教授克洛克森（William Clocksin）出版了《PROLOG语言编程》一书，奠定了新一代专家系统编程语言的基础。1983年，美国斯坦福大学教授海斯罗斯（Barbara Hayes-Roth）出版了《建立专家系统》一书，为研究与开发各种类型的专家系统提供了理论依据。1985年，美国加利福尼亚大学教授哈蒙（Paul Harmon）出版了《专家系统：人工智能业务》，推动了专家系统的商业化发展。专家系统的大量研究、开发及成功应用，一方面推动了知识表达、知识推理、知识获取、知识利用等知识工程方法和技术的发展，另一方面也大大促进了人工智能的普及。至1985年，有关企业投资超过10亿美元，人工智能业已成为炙手可热的一个新兴的高技术产业，研究者纷纷加入了这个新产业的创业潮流。商业上的巨大需求导致了人工智能研究的繁荣。美国人工智能联合会由1980年第一届年会不到1 000人参加发展到1985年年会大约6 000人参加。专家系统作为典型的知识工程系统，已成为人工领域最活跃和最富有成效的学科分支，日本、英国、中国等世界各国纷纷跟进，人工智能的繁荣也达到了前所未有高度。

20世纪80年代后期，由于存在着类比推理、知识库通用、常识处理、知识获取以及内存消耗大执行慢等问题，专家系统开始降温。更为重要的是，1987年价格仅有专家系统LISP专用机价格1/10的苹果、IBM计算机问世后，专家系统产业遭受重创，大批公司倒闭，研究项目下马，人工智能进入第二个“寒冬”。符号主义的主要研究是决策树、基于记忆的学习（Memory-based Learning）、基于案例的学习（Case-based learning）、基于解释的学习（Explain-based learning）、归纳逻辑程序、强化学习等。20世纪90年代，世界各国基本停止了对AI的经费支持，相关学科和专业的毕业生也很难找到工作，甚至从事AI研究被不少人视为空谈。人们对专家系统的研究开始以新的面目转向了与知识工程、模糊技术、实时操作技术、神经网络技术和数据库技术等相结合的发展方向。进入21世纪，专家系统开始进入缓慢发展时期。