1704609827
1704609828
计算推理领域有一个特别引人注目的例子，那就是Sir（语义信息检索）项目。Sir不仅能够理解英语句子，甚至能够分析宾语之间的关系，这和人工智能有些类似。实际上，这一“知识”依赖于预先设定的模板，例如，A是B的一部分，然后用名词来代替变量。然而，正如马文·明斯基所说的那样，人们可以采用类似的方法解决一系列其他问题。有一个有关Sir的典型案例，案例中未加粗的句子为用户输入的文本，加粗的句子为机器给出的答案：
1704609829
1704609830
每个男孩都是人。
1704609831
1704609832
我知道。
1704609833
1704609834
手指是手的一部分。
1704609835
1704609836
我知道。
1704609837
1704609838
每个人都有两只手。
1704609839
1704609840
上述句子表达不清楚。请改述。
1704609841
1704609842
每个人都长两只手。
1704609843
1704609844
我知道。
1704609845
1704609846
约翰有几根手指？
1704609847
1704609848
上述句子表达不清楚，但是我猜（有）指的是（长有）。我不知道手指是否是约翰身体的一部分。
1704609849
1704609850
约翰是个男孩。
1704609851
1704609852
我知道。
1704609853
1704609854
约翰有几根手指？
1704609855
1704609856
上述句子表达不清楚，但是我猜（有）指的是（长有）。每只手长有几根手指？
1704609857
1704609858
每只手都长有5根手指。
1704609859
1704609860
我知道。
1704609861
1704609862
约翰长有几根手指？
1704609863
1704609864
答案是10根。
1704609865
1704609866
他们构思人工智能和智能行为的方法就是将这些看似毫不相干的表达联系起来。他们自上而下审视了人工智能，我们如今称之为符号人工智能或传统人工智能。对传统人工智能研究者来说，人类通过构建内部的符号化表现形式来认识世界，而所有人工智能都以人类认识世界的能力为基础。我们可以创建规则来落实这些概念，而捕捉日常知识能够使这些概念变得规范。如果将人脑看作一台电脑，这意味着我们操控的每一种情况都依赖于内部计算程序，这一程序一步步告诉我们如何完全依据逻辑来进行某项操作。如果的确如此，那么这些世界各地机构纷纷采用的规则同样适用于计算机。
1704609867
1704609868
这在当时听起来十分容易，不久以后，情况也确实如此。
1704609869
1704609870
1704609871
1704609872
1704609874
人工智能：改变世界，重建未来 太空机器人沙基
1704609875
1704609876
虽然几乎没有人真正遇见，但人工智能在发展的过程中确实存在一些问题。和当前能与公众产生共鸣的某些领域一样，上述问题或多或少要归咎于新闻媒体。过度热情的表现是，人们经常写文章赞扬他们所取得的令人印象深刻的进步，好像他们已经造出了智能机器。例如，20世纪60年代的机器人沙基（SHAKEY）项目受到了大力宣传，人们将其视作世界上第一台通用机器人，它能够对自己的行为进行推理。这样一来，它就能够为模式识别、信息表示、问题解决和自然语言处理等不同领域设定基准。
[
上一页 ]
[ :1.704609827e+09 ]
[
下一页 ]