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厚的历史渊源。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”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：一种观点将其视为推理引擎，另一种观点则将其看作计算机器，而在莱布尼茨看来，推理和计算是等同的。后来，他还制作了步进计算器的原型，这台机器能够解决微分方程，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，被视为人工智能的重要起点。这次为期 8 周的研讨会汇聚了计算机科学、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，主要目的是探讨“会思考的计算机”相关理念。在这次会议上，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方法解决所有能用形式化方式（如形式逻辑）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。该求解器由 A. 纽厄尔、J. C. 肖和赫伯特·A. 西蒙于 1959 年在达特茅斯研讨会之后开发，对于许多能够直接形式化的“玩具”问题，它表现出色。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，即使是像下棋这样看似“简单”的问题，通用问题求解器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。纽厄尔和西蒙意识到组合爆炸是一个严重问题，因为所有相关且有趣的问题所涉及的搜索空间都极其庞大，甚至可能是无限的。盲目地进行全面搜索，