2、人工智能：从通用问题求解到知识驱动的智能系统

人工智能：从通用问题求解到知识驱动的智能系统

1. 通用问题求解器与有限理性

在人工智能的发展历程中，通用问题求解器的概念有着深远的起源。十七世纪的数学家和哲学家戈特弗里德·莱布尼茨认为，人类的所有理性推理都可以简化为计算。他提出了“微积分推理器”（calculus ratiocinator）的理论，设想有一台机器能够用“通用语言”解决任何问题。对于这个概念，存在不同的理解：
- 一种观点认为它是一个推理引擎。
- 另一种观点则将其视为一台计算机器。
- 对莱布尼茨而言，推理和计算是等同的。后来，他还制作了步进计算器（Stepped Reckoner）的原型，这台机器可以解决微分方程，常被认为与“微积分推理器”的理念相关。

1956 年在美国新罕布什尔州达特茅斯学院举办的达特茅斯研讨会，被视为人工智能的起点。这次为期 8 周的研讨会由来自计算机科学、认知科学、数学和自然科学等多个领域的科学家和工业从业者参与，主要目的是探讨“会思考的计算机”相关理念。在这次研讨会上，通用问题求解器的概念得以重生。

通用问题求解器旨在通过演绎的方式解决所有能够形式化表示的问题。给定初始状态和目标状态，它会搜索从初始状态到目标状态的路径。该系统由 A. Newell、J. C. Shaw 和 Herbert A. Simon 在 1959 年开发，对于许多能够直接形式化的“玩具”问题，它表现良好。其通用算法是给定一个状态，应用一个操作符使状态更接近目标状态。

然而，即使是像下国际象棋这样看似“简单”的问题，也会陷入组合爆炸的困境。香农保守估计国际象棋可能的棋局数量下限为(10^{120})，要进行完整且正确的搜索，就需要评估所有这些棋局。Newell