小编

1. 当代逻辑1.1. 到了20世纪初，当代逻辑的基本框架已经大致建立起来，当时确立的逻辑运算系统，直至如今仍旧能够支撑数学家险些所有的逻辑推理事情1.1.1. 这个别系被称为一阶逻辑，一阶逻辑是数学和推理的通用措辞1.1.2. 这个框架涵盖了亚里士多德、弗雷格、德·摩根、布尔和其他人的所有类型的推理1.1.3. 在人工智能领域，一阶逻辑彷佛以同样的办法供应了统一框架，为当时天下各地各式各样、不成体系的知识表述方案供应了统一框架1.1.4. 基于逻辑的人工智能范式由此出身，其最早和最具影响力的倡导者之一，便是约翰·麦卡锡1.2. 人工智能开拓中一个常见的误区，就在于开拓者为系统所选择的术语对人类而言太随意马虎理解了，反而增加了许多不必要的误解，这让我们以为机器人也能轻而易举读懂措辞本身，而事实并非如此1.3. 机器人的感应系统卖力将感应器所供应的原始信息转化成机器人能利用的内部逻辑形式1.3.1. 通过机器人的逻辑推理系统(推理机)来决定机器人的实际行为1.4. 逻辑人工智能的核心思想就在于机器人的行为是基于逻辑推理的结果：它必须推断出自己接下来该当做什么2. 逻辑编程2.1. 逻辑编程利用的是一种非常有名的措辞：PROLOG2.2. PROLOG紧张是由美籍英国研究员鲍勃·科瓦尔斯基(Bob Kowalski)，以及两名来自法国马赛的研究员，阿兰·科尔默劳尔(Alain Colmerauer)和菲利普·罗塞尔(Philippe Roussel)发明的2.3. 可以用PROLOG编写出非常简洁优雅的程序2.3.1. 1974年大卫·沃伦(David Warren)编写的战机操持系统可以办理积木天下内的方案问题，只须要100行PROLOG代码2.3.2. 如果要用Python之类的措辞编写同样的系统，大概须要数千行代码以及数月的事情2.4. 用PROLOG编写的程序不仅仅是程序，还是逻辑公式2.4.1. PROLOG程序看上去实现了麦卡锡对基于逻辑的人工智能的设想2.5. 在20世纪70年代末到80年代初，PROLOG开始崭露锋芒，直到它寻衅麦卡锡倍加推崇的LISP措辞2.5.1. 人工智能黑客首选的编程措辞2.6. 虽然PROLOG没有征服程序员的天下，但不能将它视为失落败2.6.1. 在世界各地，程序员每天都在愉快地利用PROLOG编写高效的程序，并感激这种措辞的强大和优雅2.7. PROLOG最大的贡献却是无形的：逻辑编程为打算机供应了一个全新的思路，就如何办理打算问题而言，它有着跟传统打算机完备不同的不雅观点3. Cyc3.1. 知识型人工智能时期最著名的实验3.1.1. Cyc工程是天才的人工智能研究员道格·莱纳特(Doug Lenat)的聪慧结晶，莱纳特拥有卓越的科学能力、武断不移的信心以及精良的说服能力，让旁人能够接管他的愿景3.1.2. Cyc工程的年夜志壮志确实令人难以置信，要实现莱纳特的构想，Cyc的知识库须要对“共识现实”，即我们所理解的全体天下进行完全描述3.1.3. 大部分的韶光和人力都会花费在手动知识录入上，即见告Cyc我们的天下是若何的，以及我们是怎么理解它的3.2. 宏伟的目标会粉饰其荒谬的实质3.2.1. 紧张的问题在于，以前从来没人试图将人类所有的根本知识组织汇编3.2.1.1. 你得定义将利用到的所有词汇，还有各种术语，它们之间是怎么关联的3.2.1.2. 定义基本术语和观点，并环绕它们组织全体知识体系，被称为本体工程3.2.1.3. 随着项目的推进，时时时还得推翻重来3.3. 其实在大规模知识工程中，Cyc算是拥有繁芜技能的一次实践3.3.1. 它教会了我们在开拓和组织基于大型知识根本的知识系统中的各种方法3.4. 从严格精准的意义上来说，Cyc假说——通用人工智能的实质是知识体系问题，可以通过一个得当的基于知识的系统来办理——既没有被证明，也没有被证伪3.4.1. Cyc不能成为通用人工智能成功案例并不能证明这个理论是缺点的，只能证明这种办法没有用而已3.5. 从某种意义上说，Cyc项目是领先于时期的3.5.1. Cyc项目开始30年往后，谷歌发布了知识图谱，这是一个弘大的知识库，知识图谱里面搜集了大量关于实体天下的信息(地点、人物、电影、书本、重大事宜等)，这些信息被用来丰富谷歌搜索引擎的查找结果3.5.1.1. 知识图谱并没有以通用人工智能为目标，目前也不清楚它涉及了多少基于知识系统的至关主要的天下不雅观推理3.5.1.2. 知识图谱多多少少还是携带了Cyc的基因3.5.2. Cyc和谷歌知识图谱最关键的差异在于，知识图谱中的知识并非手工编码的，而是自动从维基百科等网页中提取出来的3.6. 不管我们回顾历史时如何尽力客不雅观评价Cyc项目，可悲的事实总是无法改变3.6.1. Cyc项目在人工智能发展史中之以是留下浓墨重彩的一笔，源于它是一个人工智能被过度炒作的极度案例，它完备辜负了人们寄予的不切实际的厚望4. 破灭4.1. 基于知识的人工智能被证明实际运用非常有限4.2. 在逻辑上，增加更多的信息永久不会肃清你之前得到的任何结论4.3. 但是增加的信息(即“翠迪是一只企鹅”)确确实实使我们须要撤销之前的结论(即“翠迪会飞”)4.4. 知识推理还有其余一个问题，在我们碰着抵牾的时候就会凸显4.4.1. 逻辑完备失落效：它不能应对这样的场景，也无法奉告我们任何故意义的结论4.4.2. 抵牾是我们每天都会遇见的现实4.4.2.1. 在数学中，如果遇见抵牾，就意味着你犯了错4.5. 事实证明，构建和支配专家系统比最初想象的困难得多4.5.1. 最紧张的难题是后来被称为知识获取的问题4.6. 到了20世纪80年代末，专家系统的繁荣已经结束4.6.1. 基于知识的系统技能倒不能说是失落败了，毕竟许多成功的专家系统也在这一期间内建立起来，此后也逐步有更多的专家系统涌现