人工智能简史｜专家系统、知识图谱与人机对话人工智能软件系统

人工智能简史｜专家系统、知识图谱与人机对话人工智能软件系统

　　电商会员管理软件,会员档案软件,火耳软件会员人工智能研究的核心，通常是开发各种像人类一样具有某种思考能力的软件，配合上电子计算机超高速的计算能力和超大的存储容量，支持人类完成各种任务。在本章中，我们将回顾人工智能历史上几个比较有代表意义的软件系统，以及研发这些软件的科学大师。

　　在人工智能领域，专家系统是较早取得实际成果，并获得商业回报的分支领域。DENDRAL系统是第一个成功投入使用的专家系统，1965年由斯坦福大学开始研发，1968年研制成功，它的作用是分析质谱仪的光谱，帮助化学家判定物质的分子结构。DENDRAL系统研发团队的核心是人工智能科学家爱德华·费根鲍姆（Edward Feigenbaum）和遗传学家约书亚·莱德伯格（Joshua Lenderberg），如图5.1所示。莱德伯格是美国顶尖的科学家，因发现细菌遗传物质及基因重组现象而获得1958年诺贝尔生理学和医学奖。

　　费根鲍姆毕业于卡内基梅隆大学，是人工智能奠基者西蒙和纽厄尔的得意门生。费根鲍姆本科时的专业是电子工程学，他选修了西蒙教授的一门课程，名字叫作“社会科学中的数学模型”。根据费根鲍姆的回忆，1956年1月，在圣诞假期之后的第一堂课上，西蒙教授兴冲冲地走进教室，对学生们说：“在刚刚过去的这个圣诞节，我和纽厄尔发明了一台可以思考的机器！”（西蒙教授所说的是被称为“逻辑理论家”的程序，这是人工智能领域早期的重大成果。）学生们都完全蒙了，不能理解机器如何可以思考。为了解答学生们提出的问题，西蒙给大家派发了IBM 701大型机的使用手册，并鼓励大家亲自动手编写程序，这样他们就可以理解计算机可以怎样思考了。费根鲍姆后来回忆说：“我把操作手册带回家，并一口气把它读完了。第二天天亮的时候，我感觉自己好像焕然一新，找到了毕生的努力方向。在当时还没有‘计算机科学家’这样的职业，但是我却清楚地认识到自己真正想要做的事情。所以对我来说，下一步需要考虑的就是怎样去做这件事情。”费根鲍姆后来成为西蒙教授的博士生，毕生从事人工智能研究，并于1994年因在专家系统领域的贡献获得图灵奖。

　　（1）规划：利用质谱数据和化学家对质谱数据与分子构造关系的经验知识，对可能的分子结构形成若干约束条件。

　　（2）生成结构图：利用莱德伯格教授的算法，给出一些可能的分子结构，利用第一部分所生成的约束条件来控制这种可能性的展开，最后给出一个或几个可能的分子结构。

　　（3）利用化学家对质谱数据的知识，对第二部给出的结果进行检测、排队，最后给出分子结构图。

　　DENDRAL后来成为化学家们常用的分析工具，被开发成商品软件投放市场。DENDRAL的成功证明了计算机在特定的领域可以达到人类专家的水平，费根鲍姆总结了DENDRAL这个专家系统的成功经验，提出了“知识工程”的概念。知识工程的方法论，包含了对专家知识从获取、分析到用规则表达等一系列技术。

　　在DENDRAL之后，1976年，斯坦福大学又开发了用于帮助医生诊断传染性血液病的MYCIN专家系统，MYCIN系统的成功标志着人工智能进入医疗系统这一重要的应用领域。

　　另一个有名的专家系统是20世纪70年代由斯坦福研究院开发的用于矿产勘探的PROSPECTOR。PROSPECTOR的工作原理是，首先让作为用户方的勘探地质学家输入待检矿床的特征，如地质环境、结构、矿物质类型等。

　　程序将这些特征与矿床模型比较，必要时让用户提供更多信息。最后，系统对待检矿床做出结论。在勘探地质学领域，重要决策常常是在由于信息不完整或模糊而导致不确定性的情况下做出的。为了处理这类情况，PROSPECTOR使用基于概率统计理论的“主观贝叶斯方法”在系统中处理不确定性，它的性能达到了专业地质学家的水平，并且在实践中得到了验证。1980年，人们用PROSPECTOR系统识别出了华盛顿州托尔曼（Tolman）山脉附近的一个钼矿床，随后一个采矿公司对这个矿床开采时，证实这个矿床价值1亿美元。专家系统的商业价值从此更加受到各个行业的重视。

　　在人类社会，要实现一些较宏伟的目标，既需要专家，也需要一些跨学科的“通才”。在人工智能领域，随着各种专家系统软件的成功，人们开始试图构建类似人类通才那样具备多学科“常识”的系统。这方面最著名的项目，就是由道格拉斯·莱纳特（Douglas Lenat，见图5.2）的领导开发的大百科全书（Cyc）项目。

　　莱纳特博士毕业于斯坦福大学，得到过费根鲍姆、明斯基等大师的指导。作博士论文时，他利用启发式推理算法，开发了一款叫AM的程序，AM的含义是“全自动数学家”，这款程序可以基于300多种数学概念，通过200多种启发式规则，提出各种数学方面的命题，然后进行各种计算和推理，来判定命题的真伪，思考问题的方式非常类似于人类的数学家。

　　1984年，莱纳特在MCC公司总裁英曼的大力支持下，开始启动Cyc项目。1994年，Cyc项目从MCC公司独立出来，并以此为基础成立了Cycorp公司。Cyc项目试图将人类的所有常识都输入一个计算机系统中，建立一个巨型数据库，并在此基础上实现知识推理。例如，Cyc知识库中，包括了“每棵树都是植物”“植物最终都会死亡”这样的常识，当有人提出“树是否会死亡”的问题时，推理引擎就可以正确回答该问题。Cyc规模宏大，到2016年，Cyc的知识库中，已经有超过63万个概念，关于这些概念的“常识”达到700万条以上。为了实现这个“大百科全书”系统，莱纳特带领了几十个研究助手，对从文学到音乐、从餐饮到体育的各种日常生活细节进行知识编码，还开发了称为Cyc L的专用编程语言。对各种领域的差异，莱纳特定义了一种“微型理论”（micro-theories）的概念来管理。每个“微型理论”，是一些概念和“常识”的集合，对应于人类社会中的各种细分行业或领域，这样一些行业的“行话”或特殊的比喻，就可以在一定的“情境”中被定义规则，便于理解。

　　2002年开始，Cycorp公司发布了Open Cyc产品，将Cyc知识库的一部分提供给公众免费使用。2006年，Cycorp公司发布了Research Cyc产品，这是面向科研社群发布的免费产品，除了Open Cyc中的知识库，Research Cyc还增加了许多语义知识，并且配备了英文解析与生成工具，以及用于编辑和查询知识的Java接口。

　　Cyc项目被称为是“人工智能历史上最有争议的项目”之一。一方面，Cyc项目方便了人们更好地获得和处理各种知识，也对如何应用“大百科全书”知识库进行了很好的探索；另一方面，Cyc项目主要采取人工编码知识和规则的方式，项目实施时间长达几十年，耗费了巨大的人力物力，但最终产生的经济和社会效益相对有限。

　　2012年5月，谷歌首次在它的搜索页面中引入知识图谱（Google Knowlege Graph）。用户使用谷歌搜索时，可以看到与查询词有关的更加完整的答案。比如，当用户输入“Da Vinci”（达·芬奇）这个查询词时，谷歌会在查询结果的最上方提供达·芬奇的详细信息，如个人简介、出生地点、父母姓名，列出达·芬奇的一些名画的图片，比如《蒙娜丽莎》《最后的晚餐》《岩间圣母》等，甚至还列出了一些与达·芬奇有关的历史人物，例如文艺复兴时期的重要画家米开朗琪罗、拉斐尔、波提切利等，如图5.3所示。如果点开《蒙娜丽莎》或者拉斐尔的链接，又可以看到关于这幅名画或者拉斐尔的详细信息。用户顺着知识图谱，就可以探索关于达·芬奇各种有趣的信息，也可以顺藤摸瓜，欣赏文艺复兴时期的其他艺术家的杰作。图5.4是达·芬奇名画《岩间圣母》。

　　要理解知识图谱，谷歌副总裁阿密特·辛格（Amit Singhal）博士的文章Introducing the Knowledge Graph∶things，not strings最为经典，“things，not strings”的含义是：用户输入的关键词，其本质的含义是真实世界的实体，而非抽象的字符串。知识图谱，实际就是由“实体”相互连接而成的语义网络。例如，在知识图谱中，达·芬奇和《蒙娜丽莎》都是实体，《蒙娜丽莎》是达·芬奇的作品，因此这两个实体之间，有一个画家和作品之间的连接。

　　2012年时，谷歌知识图谱就包含了5亿多个实体，实体的事实和实体关系的信息有35亿多条。2014年，利用人工智能技术，Google又开发了Knowledge Vault的知识库，它可以通过算法自动搜集网上信息，利用机器学习技术把网上信息自动变成可用知识。

　　利用知识图谱技术，谷歌大大优化了客户的搜索体验，同时，知识图谱的庞大知识库也可以和其他人工智能技术整合，比如实现准确的语音识别和机器翻译等。

　　从图灵提出“图灵测试”开始，人机对话就是人工智能中一个备受瞩目的课题。早期最著名的人机对线年首次对外展示的“Eliza”，这是一款模拟心理治疗专家的人工智能软件，由麻省理工学院的计算机科学家约瑟夫·魏泽堡（Joseph Weizenbaum，见图5.5）和精神病学家肯尼斯·科尔比共同开发。魏泽堡和科尔比相识于1963年，当时魏泽堡正在挑选自己的下一个重点研究项目，费根鲍姆介绍他认识了科尔比，科尔比希望用计算机来发明一种精神治疗的新方法，这次会面开启了两人的合作研发，Eliza的成功使两人的学术生涯都上升到了新的高度。

　　Eliza软件的命名是源于萧伯纳的讽刺戏剧《卖花女》，说的是希金斯教授如何改变一名贫苦卖花女Eliza的语音和外表，并使她最终成功被上流社会所认可的故事。1964年，好莱坞出品了改编自《卖花女》的经典名片《窈窕淑女》（My Fair Lady），奥黛丽·赫本出演的女主角Eliza让影片闪耀着一种特别的光彩，如图5.6所示。

　　从心理学上说，Eliza程序的设计非常巧妙，它可以利用对话中的“关键词”很好地回应对方。以下这个真实对话的片段就可以说明Eliza的一些特点。

　　这段对话中Eliza的交流方式，非常符合人本主义心理学家卡尔·罗杰斯首创的“非指导性治疗”的心理疗法。很多人在与Eliza交流的过程中，都误认为自己是在和人类而不是一个电脑在交流。

　　Eliza的成功，激发了更多的后来者努力开发更“聪明”的人机对话软件，今天苹果手机上的Siri、亚马逊公司的Alexa，都是新一代人机对话软件的杰作。而魏泽堡作为出生在德国、目睹过第二次世界大战的犹太人，却开始对人工智能的研究感到疑虑，他在1976年出版的《计算机能力和人类推理》一书中指出：“计算机程序员在某种程度上是一种造物主，他需要为自己所缔造出的程序世界担负起应有的责任……这种程序往往有着不可估量的复杂程度……”

　　在人工智能技术日新月异的今天，魏泽堡这种负责任的想法更值得我们重视，希望在人工智能超越人类智慧的“奇点”来临之前，科学家能够明白如何“爱”“仁”“慈悲”注入计算机的“意识”。否则，就像2017年的科幻巨片《异形-契约》中描述的那样，“神”一样聪明而又失控的机器人，就有可能引发人类巨大的悲剧。