易图秒懂の符号主义诞生

作者: 史春奇 | 来源:发表于2017-11-01 10:56 被阅读256次

在之前的文章“易图秒懂の神经网络诞生"里面，我们谈到神经网络在感知机诞生后不久就遇冷了。但是文章”易图秒懂の人工智能诞生“里面谈到，人工智能的发展并没有停滞。其中，最著名的就是符号主义symbolic approach，symbolism的盛行。这个方向的发展，奠基了现在很火的知识图谱Knowledge Graph的方向。

前言

人工智能的诞生，主力有McCarthy和Shannon，他们对符号主义的奠基人Simon产生了巨大的影响。

Simon带着他的学生Newell一起参加了Dartmouth会议，随后他们一起发明了IPL语言，和McCarthy类似。McCarthy找到IBM工作时的同事Rochester一起开发了LISP语言。而Newell也找RAND公司的计算机同事Shaw一起，创立了IPL语言。

就是基于LISP语言， Simon他们开启了牛牛的模式，其中之一就是基于Shannon的Minimax跳棋程序的实现，吸收了McCarthy剪枝的改进，开发了Alpha-beta剪枝的空间搜索，并且开发了最早期的国际象棋的程序。后来IBM的deep blue和Google的AlphaGo都是Alpha-beta的后续发展结果。其中Alpha-Go某种意义上就是Alpha-beta的Alpha。

接下来我们解释下， Simon是如何奠定了符号主义！

一图抵千言

有了IPL语言后，Simon，Newell和Shaw一起开发了一个叫Logic Theorist的程序。这个程序相当厉害，集成简单的逻辑推理能力，并且证明了罗素的数学原理前52个定理里面的38个。于是乎，大获成功。其中，部分证明，甚至超越人类的证明，简单新奇。并且他们开发的NSS象棋程序也可以进行人机弈。在这一系列强大的惊叹号下，他们开始大胆预测， 10年之后，机器将在很多方面取代人类。

这个过程和现在AlphaGo的惊奇何等相似！当然这离不开Shaw这个牛牛的程序员的功劳， Shaw是JOSS语言的发明人，这个语言是Basic语言的前生。有这么牛的程序员，只要有好的想法，都是会计算机实现的。

正是由于在逻辑推理方面的成功，他们三人又定义了GPS的逻辑推理架构，并且提出启发式搜索的思路。基本上， AlaphaGo依然符合这个GPS General Problem Solver 推理架构。这方面的成就，让他们获得了图灵奖。

故事并没有随着Simon和他学生Newell获得图灵奖就结束。之后Simon的学生Feigenbaum，另外一个图灵奖获得者，他受到GPS的强大“刺激“”，一心想找个地方实现GPS的具体应用。他开创了斯坦福的知识系统实验室KSL。

Feigenbaum和Simon一起开发了EPAM模型，开创了记忆学习。这样，推理不再需要从头到尾的全学习，只需要记住已有的知识，在这个知识上进行推理。

有了EPAM记忆学习的思路， Feigenbaum和斯坦福的同事Buchanan一起，找到一个应用。这个应用就是诺贝尔奖获得者Lederberg在基因工作方面的需求：标识从未见过的有机分子。在这个需求下，他们三人一起合作开发了第一个专家系统叫Dendral。这时候LISP语言发展很快，他们已经切换到用LISP语言来实现Dendral。Dendral某种意义上是GPS和EPAM模型结合的一个具体实现。

有了Dendral专家系统的经验，Feigenbaum的同事Buchanan，指导学生Shortliffe实现了另外一个专家系统，叫MYCIN，对后世影响巨大。

MYCIN也是通过LISP语言实现，应用于传染病诊断。除了存储规则，还有了backward chaining推理机制。结合存储和推理，MYCIN开创了基于规则的专家系统领域。当然这一切也是在Feigenbaum的指导下。

随着专家系统的成功， Feigenbaum也没有闲着，开了两家公司IntelliCorp和Teknowledge。其中IntelliCorp卖给SAP，大赚一笔。 Simon的学生真是研发、商业两手抓，两手都硬气！

故事依然没有结束，有了专家系统之后，大家发现问题都集中到了两个方面，一是知识的获取和管理，另一个则是推理引擎。便有了研究知识库和推理引擎发明的大量投入。其中MYCIN的backward chaining推理被Colerauer的芬兰计算机学家实现为Prolog语言。这是人工智能领域专用语言之一。是声明式语言的典范。另外一位计算机学家Forgy发明了Rete算法，现在你用到的大部分推理引擎，基本都离不开Rete算法。