Wiki Notes

Appearance

1957-1973：符号主义与早期神经网络 ​

这一段是早期 AI 的第一次高涨期。研究者相信，只要把问题表示成符号、规则和搜索，机器就能逐步解决推理、语言、机器人和视觉问题。与此同时，感知机也让神经网络第一次进入公众视野。

核心变化 ​

变化说明
符号 AI 成为主线逻辑、搜索、规划、规则系统成为当时最主流的智能实现方式
编程语言开始服务 AILISP 出现后，递归、列表、符号表达式成为 AI 编程的重要工具
人机对话出现早期样例ELIZA 展示了模板匹配也能产生“像在对话”的体验
机器人开始把感知和规划接起来Shakey 把视觉、规划、行动控制放进一个移动机器人系统里
感知机兴起又受限Perceptron 证明简单学习器可行，但单层模型表达能力有限

代表作品与节点 ​

年份代表作品 / 系统价值
1958Perceptron早期可学习分类器，让神经网络第一次获得广泛关注
1960LISP成为符号 AI 时代最重要的编程语言之一
1966ELIZA早期自然语言交互系统，展示文本模式匹配的产品想象力
1966-1972Shakey the Robot把感知、世界建模、规划和动作控制集成到机器人中
1970 左右SHRDLU在积木世界里进行语言理解和任务执行，体现封闭世界推理能力

这一段为什么会降温 ​

早期系统常常在封闭、干净、规则明确的小世界里表现很好，但面对真实世界时会遇到三类问题：

  1. 真实语言、视觉和常识太复杂，规则很难穷尽。
  2. 计算资源有限，大规模搜索和推理成本很高。
  3. 早期演示容易让外界预期过高，实际落地速度跟不上承诺。

对今天的启发 ​

今天的 Agent 系统仍然会遇到类似问题：在 demo 中能完成任务，不代表在真实业务里能稳定处理边界条件。符号 AI 的历史提醒我们，封闭环境能力和开放环境可靠性之间有很长的工程距离。

参考资料 ​