作者 | 周熠

上海脑科学与类脑研究中心

张江实验室脑与智能科技研究院

金风玉露一相逢，便胜却人间无数。

——秦观《鹊桥仙》

• 将“复现”作用于“智能”之上，也就是说，将不同的流派应用于不同的子领域，产生了人工智能众多重要的技术和工作。

• 符号流派应用于知识表示与推理等领域，产生了诸如逻辑推理、搜索、产生式系统、基于规则的推理、专家系统、文法等重要的技术。

“复现”启发了人工智能的各种流派，而“智能”指出了人工智能的子领域。将“复现”作用于“智能”之上“复现智能”，即把这些流派的思想应用到各个子领域，就如同金风玉露相逢那样，碰撞出了很多火花，从而产生了人工智能众多重要的技术和工作。

这些重要的技术和工作灿若繁星，在本系列中无法全部涉及，因此，我们首先挑选其中比较有代表性的技术走马观花地简单介绍,尽量覆盖到不同的流派和不同的子领域所擦出来的火花。没被挑选的技术并不代表它们不重要。

不同流派（复现）作用于不同子领域（智能），产生了人工智能众多技术和工作

符号流派：

1、逻辑推理（Logic Based Reasoning）—符号流派应用在知识表示与推理领域。将逻辑学应用到人工智能是一件自然而然的事。一方面，逻辑学本来就是用符号和形式化的方法研究如何表示知识和推理知识。这无疑是智能（特别是高级智能）的一个重要方面。另一方面，计算机本质上是基于符号和逻辑学的。计算机的三个重要基础——可计算理论、布尔电路和编程语言都和逻辑学息息相关。在计算机领域的成功，让人们相信逻辑学在人工智能领域也会成功。因此，逻辑推理自人工智能诞生以来，一直是人工智能学术界主要的研究方向之一。

逻辑学将知识表示成符号语句，再通过否定、蕴涵以及量词等逻辑连接词把这些语句连接起来。这样，就可以通过连接词之间的关系对这些知识进行推理。例如我们知道“所有的橙子都是水果”，并且“所有的水果都长在树上”，那么给我们“一个橙子”，我们就可以推断出一个新的结论——“这个橙子一定也长在树上”。

从人工智能的角度，逻辑推理具有很多优势。首先，逻辑学自带语义。也就是说，除了用符号表示各种不同的知识之外，逻辑学还通过形式化的方法，对这些知识的确切含义给出了机器可以理解的解释。这点，在其它人工智能技术中几乎不存在。其次，逻辑学有很强的可解释性。当得到新的结论时，逻辑学可以解释为什么会得到这样的结论。第三，逻辑学在知识表示方面高度精炼，可以用很小的代价在机器间传承知识。第四，逻辑学在理论上自带推理功能，可以从已有的知识推导出新的知识。第五，逻辑学一般自带可靠性（所有得出的结论都是对的）和完备性（所有对的结论都可以得出）。这点无疑非常有吸引力。这也是为什么逻辑学是形式化验证（检验一个硬件系统或软件系统绝对正确）的唯一方法。

基于传统逻辑的推理

2、搜索（Search）：符号流派和计算机算法在人工智能诸多子领域（如行动选择、知识表示与推理、约束可满足问题求解、人工智能规划等等）的应用。搜索是一种通用方法。很多智能问题都可以看成是分支选择的问题，从而都可以建模成搜索问题。例如，下棋，每一步的可能选择是当前的所有可能落子。那么下棋就可以建模成一棵搜索树。其中每个节点是一个棋盘状态。根节点是空白棋盘；叶子节点是最终可以确定胜利状态的棋盘；而从每个节点到它的子节点就是在当前棋盘上落子。决策也是，在每个时间节点可以有很多选择，每个选择导致不同的后果，这也是典型的搜索问题。

搜索

搜索遇到的最大的问题是空间爆炸问题。搜索树的分支随着树的深度而指数膨胀。假设每一个节点的分支为n，那么第m层的节点个数就是n的m次方。这个数量是相当庞大的，以围棋为例，粗略估算n=m=361。也就是说这个搜索树分支达到361361=10923（要知道，宇宙中的粒子总数仅仅1080）。这个数字如此巨大，以至于简单的搜索策略完全不可能奏效。

因此，如何设计更好的搜索算法是搜索的核心问题。这也和其他的领域相互交叉关联起来。比较重要的搜索策略和算法包括深度优先搜索（Depth first search）、广度优先搜索（Breath first search）、启发式搜索（Heuristic Search）、剪枝（Pruning）、蒙特卡洛树搜索（Monte Carlo Tree Search）、强化学习搜索（Reinforcement Learning Search）等等。

3、产生式系统（Production System）：符号流派在人工智能诸多子领域（如知识表示与推理和自然语言处理等等）中的应用。产生式系统采用“如果-那么”（“if-then”）规则，每条规则形如：

如果 A1,A2,…,An，那么B,

其中，A1,A2,…,An为前提条件，B为结论。它的直观含义很明显，如果当前的状态满足所有前提条件，那么我们就得到结论B。

虽然这个基本思想如此的简单，但是产生式系统的应用非常广泛。事实上，在很多商业决策系统里，工程师们就是用了大量的“如果-那么”规则，只是有可能很多工程师在使用的时候并没有在理论和方法论上把这种做法归结到产生式系统上。而人工智能其他领域很多基于规则的方法，包括在自然语言处理领域应用广泛的基于规则的文法，如上下文无关文法，也隶属于产生式系统。

基于规则的推理

4、逻辑程序（Logic Programming）和基于规则的推理（Rule Based Reasoning）：符号流派和知识表示与推理的另一种碰撞。

很有意思的是，逻辑程序的根基与产生式系统一样，都是基于形

如果 A1,A2,…,An，那么B

的规则。而且它们的直观含义也雷同，即当前提条件A1,A2,…,An成立时，后承条件B成立。那它们的区别在哪呢？其根本在于语义。

产生式系统是没有语义的，或者说它们仅仅是在语法的层面上对这些符号进行操作。注意这两者是有区别的。没有语义并不代表就没办法操作。例如一个网页，它包含很多信息，机器可以对其进行包括搜索在内的操作。但是，对机器而言，这个网页是没有语义的，因为机器无法理解其中的内容。同样，产生式系统能操作但没有语义。与之相对，逻辑程序设计有严格的语义，而且由于语法和假设不同，有多种不一样的语义。比起产生式系统的简单“if-then”，这些语义对规则多了整体上的解释。

基于规则的推理是一个模糊的概念。广义上，它包括产生式系统和逻辑程序等各种规则系统。狭义上，主要还是指后者以及由后者引申的一些技术。

5、专家系统（Expert System）：符号流派在知识工程领域的重要应用。专家系统期望首先用机器表示领域专家的知识，然后通过机器自动推理来模拟专家在领域中的作用。专家系统的愿景相当有诱惑力。由于领域专家在行业（如医疗）内特别稀缺，其服务往往也特别昂贵，如果能够部分替代领域专家，很明显会对社会和经济产生重大影响。

专家系统

虽然在细节上有些差异，但大部分专家系统在表示方面都是采用符号逻辑，而在推理方面采用基于规则的推理，或者是产生式系统，或者是Prolog。在20世纪80年代，专家系统的研究与应用风生水起，直接导致了日本推出“五代机”计划。同时，专家系统在应用上也取得了一定的成功。例如Mycin和Dendral等系统，在各自领域也能部分替代专家。

然而，专家系统遇到了很大的困难。在表示方面，很多重要的概念在传统的符号逻辑中表示起来很困难，至少是很不优雅，例如行动、概率、优先级等等。符号逻辑也不能很好支持多种不同输入，如图像、音频等等。在推理方面，推理效率和表达能力是一对矛盾，需进行权衡。表达能力越强，往往推理效率就越低；反之亦然。然而，专家系统更大的问题存在于知识的获取方面——领域专家的知识是很难获取的。专家系统一般假设知识获取通过人手动来完成。然而，领域专家并不懂专家系统，而专家系统的知识工程师也不懂领域知识，因此，二者需要有极高的契合度才能共同完成知识的获取。这点非常困难，更何况这两类人的成本都很高。

期望越大，失望越大。专家系统并未实现它的全部愿景。因此，有一种观点认为专家系统彻底失败了。另外一种观点认为专家系统虽然没有实现它的全部愿景，但也有其成功之处。个人倾向于支持后一种观点。虽然在学术界，专家系统的研究日趋稀少，但在工业界，专家系统的精华思想，包括利用领域专家知识和基于规则的推理等等，依然有很大用武之地。

作者介绍

周熠，现任张江实验室脑与智能科技研究院/上海脑科学与类脑研究中心认知智能研究组课题组长，研究员，中国科学技术大学兼职教授。研究方向为认知人工智能，主要的研究兴趣为如何受脑启发，深度融合基于逻辑的符号流派和基于神经网络的连接流派，及其在认知人工智能领域中的应用，包括AI+教育、自动智商测试、智能语言处理等。

授权或合作请联系微信号MICIUS-SALON或mozi@ustc.edu.cn，转载微信原创文章可直接后台回复“转载”查看转载说明

墨子沙龙是以中国先贤“墨子”命名的大型公益性科普论坛，由中国科学技术大学上海研究院主办，中国科大新创校友基金会、中国科学技术大学教育基金会、浦东新区科学技术协会、中国科学技术协会及浦东新区科技和经济委员会等协办。

墨子是我国古代著名的思想家、科学家，其思想和成就是我国早期科学萌芽的体现，“墨子沙龙”的建立，旨在传承、发扬科学传统，建设崇尚科学的社会氛围，提升公民科学素养，倡导、弘扬科学精神。科普对象为热爱科学、有探索精神和好奇心的普通公众，我们希望能让具有中学及以上学力的公众了解、欣赏到当下全球最尖端的科学进展、科学思想。

关于“墨子沙龙”