小编

1. 知识便是力量1.1. 人工智能领域此前存在的问题是过度关注搜索和解决问题这种通用法则1.2. “弱”方法短缺一个关键的要素，而这一要素才是在所有智能行为中起决定性浸染的组成部分：知识1.3. 一种基于知识的人工智能系统：专家系统开始涌现，它能利用人类专业的知识来办理特定的、狭义领域的问题1.3.1. 专家系统供应的证据证明，人工智能在完成某些特定领域的任务方面远胜人类，更主要的是，它们首次向人们证明，人工智能可以运用于商业领域1.3.2. 基于知识的人工智能系统可以向广大受众传授干系的技能，这一代的人工智能研究毕业生决心把他们的知识运用在此领域1.3.3. 专家系统与通用人工智能不同，它的目标是办理非常狭义、非常详细的问题，办理这类问题常日须要相称专业的知识1.3.3.1. 能够办理这类专业问题的人类专家都须要花费极长的韶光来学习干系知识，而这类专家相称稀少2. MYCIN2.1. 一个经典的专家系统2.1.1. 当年最著名的专家系统之一2.1.2. 在20世纪70年代涌现的第一代专家系统中，最具代表性的可能便是MYCIN系统了2.1.3. 知识库已经包含了数百条规则2.2. 它试取利用人类专家的知识来办理有史以来最大的难题：通用人工智能2.3. 将看到研究职员如何利用数学逻辑的强大和精准性，试图建立更丰富的获取知识的方法，以及为何这个目标终极也落空了2.4. MYCIN系统首次证明，人工智能在某些主要的领域表现可以优于人类专家，它为后来无数的专家系统供应了模板2.5. MYCIN本来是用于赞助医疗的系统，为人类血液疾病的诊断供应专业建议2.5.1. 在血液疾病诊断方面，MYCIN的表现与人类专家相称，并且高于普通年夜夫的均匀水平2.5.2. 这是人工智能系统首次在具有实际意义的任务中展示出人类专家级或以上的能力2.6. 项目成功的一大要素就在于，专家系统是由真正的人类专家参与培植的2.6.1. 有许多专家系统都发布失落败，由于它们缺少了干系领域人类专家的必要支持2.7. 它包含了后来的专家系统必不可少的所有关键特性2.7.1. MYCIN的系统操作和人类专家进行交相互似——向用户提出一系列问题，并且记录用户的相应2.7.1.1. 成为专家系统的标准模型，而MYCIN的紧张功能——诊断——则成为专家系统的标准任务2.7.2. MYCIN的推理是可以还原和解释的2.7.2.1. 推理透明度的问题在人工智能运用方面有时极其主要2.7.2.2. 阐明和证明人工智能建议的合理性是非常有必要的2.7.2.3. 履历表明，作为“黑盒”运行的系统，如果没有能力证明其建议的合理性，就会受到用户的严重质疑2.7.2.4. MYCIN至关主要的能力是它可以明确给出得出这一结论的缘故原由，它是通过一系列推理链来得出终极结论的，即那些被触发的规则和触发规则的信息，都是有迹可寻的2.7.3. MYCIN能够应对不愿定性2.7.3.1. 有些时候用户向系统供应的信息并不是完备真实和准确的2.7.3.2. 应对和处理不愿定性是对专家系统及人工智能系统的一个普遍哀求，在MYCIN这样的系统中，极少根据某个单一的特性就得出明确结论的规则2.7.3.3. 为了能够做出准确的判断，专家系统须要以某种更保险的办法来考虑症状信息3. 利用规则获取人类专家知识3.1. 启示式方法作为一种将办理问题的重点放在有希望的方向上的方法，在黄金年代被广泛运用3.2. 人工智能系统该当明确地获取和展示人类办理某类问题的专业知识3.3. 最常见的方案是基于规则的，被称为知识表述3.3.1. 人工智能环境下，一条规则以“如果……那么……”的形式获取离散的知识块3.3.2. 该规则中的条件是“该动物能飞，该动物能产卵”，结论便是“它是鸟类”3.3.3. 如果我们当前所节制的信息与条件项相匹配，那么规则就会被触发，我们就能根据这条规则得出结论3.4. 知识库包含系统所拥有的知识：那些规则3.4.1. 事情存储器则包含了系统拥有的，有关当前正在办理的问题信息3.4.2. 推理机则是专家系统的一个主要组成部分，它卖力在办理问题的时候运用系统内存储的知识3.4.3. 只要给定知识库，推理机就能够以两种办法运行3.4.3.1. 正向推理3.4.3.1.1. 从数据推理到结论3.4.3.1.2. 用户向系统供应他们所知道的有关问题的信息，推理机会根据用户供应的信息，运用规则去获取尽可能多的新信息，这个过程叫作规则触发3.4.3.1.3. 推理机将触发规则往后得到的新信息添加到事情存储器中，连续查看是否有新的规则被触发，然后不断重复这个过程，直到彻底无法通过已知信息运用更多规则得出更多新信息为止3.4.3.2. 反向推理3.4.3.2.1. 从想建立的结论开始，反向推理出数据3.5. 20世纪80年代，工业界开始意识到，知识体系，尤其是专业知识，是可以造就和发展的主要资产，可以带来高额利润3.6. 人工智能的再次繁荣不仅仅是MYCIN、DENDRAL等案例成功的故事，更主要的是，专家系统授予了人工智能另一种可能性3.7. 知识工程师3.7.1. 一个全新的职业3.7.2. 构建一个专家系统彷佛比传统编程还随意马虎一些3.7.3. 1983年，英国政府发起了一场年夜志勃勃的打算机技能研究帮助操持，名叫“阿尔维操持”，操持的核心便是发展人工智能3.7.3.1. “基于知识的智能系统”4. DENDRAL4.1. 天下上第一例成功的专家系统4.2. 它也使费根鲍姆成为知识型系统最著名的倡导者之一，并被人们尊称为“专家系统之父”4.3. DENDRAL的开拓目的是帮助化学家根据质谱仪供应的信息来确定化合物的身分及构造4.4. 在20世纪80年代中期，每天有成百上千的人在利用DENDRAL4.5. DENDRAL项目证明专家系统是可用的，MYCIN证明它可以在专业领域赛过人类专家，R1/XCON证明了它有商用代价5. 基于逻辑的人工智能5.1. 虽然规则成为专家系统获取人类知识的紧张方法，但也有大量其他方案存在5.2. 脚本的知识展示方案5.2.1. 该方案基于一种关于人类理解能力的生理学理论建立，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天下5.3. 语义网5.3.1. 它非常直不雅观、自然，在当今社会，也常常被重新定义5.3.2. 事实上，如果让你去发明一个知识表述方案，你很有可能做出类似的产品5.4. 在以知识为根本的人工智能兴起时，彷佛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5.5. 虽然专家系统事实上的知识表述办法是基于规则的，但在知识表述方面，研究职员仍旧有不少困扰5.5.1. 规则太大略，无法获取繁芜环境下的干系知识5.5.1.1. MYCIN系统的规则就不适用于会随韶光变革的环境，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愿定性的环境5.5.2. 用于专家系统获取知识的各种方案彷佛都有些武断，研究职员希望能理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5.5.2.1. 为基于知识的专家系统供应得当的数学根本5.6. 用逻辑作为知识表述的统一方案5.6.1. (完备的)推理5.6.2. (不完备的)推理5.7. 逻辑见告我们若何精确地从前提中得出结论，这个过程被称为演绎5.8. 三段论是古希腊哲学家亚里士多德(Aristotle)提出的，1000多年以来，三段论为逻辑剖析供应了紧张框架5.8.1. 它能展示的逻辑推理形式十分有限，不适宜许多繁芜形式的论证5.9. 德国的戈特洛布·弗雷格(Gottlob Frege)发展了普通的逻辑演算，为众人第一次展现了类似当代数理逻辑框架的东西