DENDRAL项目证明专家系统是可用的，MYCIN证明它可以在专业领域胜过人类专家，R1/XCON证明了它有商用价值。这些成功的故事引起了许多人的兴趣：人工智能似乎已经为商业化做好了准备。这是一个激动人心的故事，毫无疑问，海量的研发资金纷纷流入这个领域。一批初创公司忙不迭地从再度繁荣中获利，典型案例就是用于构建专家系统的软件平台，以及开发和部署专家系统的支持服务。不过你也可以购买专门设计用来快速执行LISP——构建专家系统的首选编程语言——的计算机，这些LISP专用机器一直到90年代早期还在使用。后来，普通个人计算机价格日益便宜，功能也日益强大，那时候再花费7万美元买一台只能运行LISP的计算机就是毫无意义的了。
不仅仅是软件行业，其他行业也争先恐后地乘着这场人工智能再度繁荣的东风飞速发展。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，是可以培育和发展的重要资产，可以带来高额利润。专家系统似乎使这种无形的资产变为有形，知识体系的概念与当时西方经济进入后工业时代的观点相呼应——在这一时期，经济发展的新机遇主要来自所谓的知识型产业和服务业，而不是制造业或其他传统产业。
回顾一下专家系统发展的经历，我们可以看到，人工智能的再次繁荣不仅仅是MYCIN、DENDRAL等案例成功的故事，更重要的是，专家系统赋予了人工智能另一种可能性。你不需要相关知识领域的博士学位，就能构建一个专家系统(我敢打赌，你可以轻而易举理解前文所述的动物分类规则)。任何熟悉编程的人都可以明白专家系统的原理，事实上，构建一个专家系统似乎比传统编程还容易一些。一个全新的职业出现了：知识工程师。
具有讽刺意味的是，1983年，英国政府发起了一场雄心勃勃的计算机技术研究资助计划，名叫“阿尔维计划”，计划的核心就是发展人工智能。但鉴于莱特希尔10年前的报告几乎让英国的人工智能产业陷入死局，考虑到该领域的负面名声，似乎所有参与阿尔维计划的人都不愿意将之称为人工智能。相反，他们称之为“基于知识的智能系统”。人工智能的未来似乎一片光明——只要你不把它叫作人工智能。
基于逻辑的人工智能
虽然规则成为专家系统获取人类知识的主要方法，但也有大量其他方案存在。例如，图6就展示了一种名为脚本的知识展示方案(简化)版本，由心理学家罗杰·尚克(RogerSchank)和罗伯特·亚伯森()开发。该方案基于一种关于人类理解能力的心理学理论建立，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世界。他们认为同样的模式可以应用在人工智能中。以图6所示脚本为例：这是一个典型的餐厅场景，脚本(用自然语言)描述了参与者的各种角色(顾客、服务员、厨师、收银员)、启动脚本所需要的条件(客户饿了)、脚本需要操作的各种物理项(食物、桌子、钱、菜单、小费)，并且，最重要的是与脚本相关的常规事件序列，在图6中，这些事项的编号为1—10。尚克和亚伯森推测这样的脚本可以用在人工智能程序中，用于理解故事。他们认为，当故事中的事件与常规剧本不同的时候，故事就会变得有意思(有趣、可怕、令人惊讶)。例如，一个有意思的故事可能包含这样的情况：在第4步以后脚本就停止运行了，即顾客点了餐，但是没有上菜。一个违法故事可能省略第9步：顾客点餐并吃东西，但没有付钱就离开了餐馆。他们尝试了几次以脚本为基础构建能够理解故事的系统，但成功率有限[33]。
图6 描述典型的餐馆就餐经历的脚本
哦豁，小伙伴们如果觉得倾城文选不错，记得收藏网址 或推荐给朋友哦~拜托啦 (>.<)
传送门： 人工智能全传 人工智能全传 电子书 人工智能全传下载