2.6 第二次人工智能寒冬

1987 年开始，专家系统的泡沫破裂，因为人工智能再次遇到了一些根本性的、无法解决的困难。

2.6.1 专家系统的致命缺陷

虽然专家系统在特定领域取得了成功，但随着应用规模的扩大，一些致命的实践问题开始暴露。

知识获取瓶颈

这是最大的问题，要建立一个专家系统，需要花几个月甚至几年时间，跟领域专家坐在一起，把他们大脑中的知识一条条“挖”出来，转化成 if-then 规则。但是，专家的很多知识是隐性的，他们自己都说不清楚。就像骑自行车一样，你会骑，但你说不清楚具体是怎么保持平衡的，医生看病时的“直觉”、律师的“经验判断”，这些都很难用规则表达。

维护成本高昂

一个专家系统通常包含成千上万条规则，当需要添加新知识或修改旧规则时，可能会产生意想不到的连锁反应。修改一条规则，可能导致十几个其他规则失效，维护这样的系统，比重新开发一个还要困难。

脆弱性问题

专家系统就像一座精美的纸牌屋，看起来很厉害，但经不起一点意外。如果你问一个医疗诊断专家系统：“患者的头被卡车撞了，应该怎么治疗？”它可能会因为没有相关规则而完全不知所措，或者给出荒谬的建议。

扩展性限制

专家系统在小规模应用中表现良好，但当试图扩展到更大的问题领域时，就会重新遇到第一次AI寒冬时暴露的那些根本性技术瓶颈——计算复杂性、知识表示困难、常识的无穷性，这些问题其实并没有解决，核心还是符号主义，而专家系统只是符号主义的具体应用方式之一。

2.6.2 市场的无情现实

面对这些根本性问题，专家系统的商业价值开始受到质疑，一些客户发现，这些昂贵的系统虽然在演示时很炫酷，但在实际使用中问题重重：

• 开发周期长；
• 维护成本极高；
• 面对新情况时束手无策；
• 需要大量专业人员维护。

更糟的是，个人计算机的普及让很多专门的AI硬件变得毫无意义，那些价值几十万美元的专用AI工作机，性能还不如一台普通的大头电脑。

2.6.3 泡沫破裂与全面崩塌

1987 年到 1993 年的第二次寒冬，要比第一次严重的多。专家系统公司大量倒闭，AI 硬件市场几乎消失（个人计算机普及），风投（风险投资）完全撤出 AI 领域，连“人工智能”这个词都成了投资者避之不及的标签。很多专家系统公司的工程师和研究人员不得不寻找新的出路。与第一次寒冬不同，这一次连那些曾经取得过阶段成功的专家系统项目也纷纷被叫停，整个行业几乎一夜之间从繁荣走向萧条。

1992 年，日本的第五代计算机项目黯然收场。虽然投入了 8.5 亿美元和 10 年的时间，但最终的成果远远没有达到预期，那些雄心勃勃的想法，如自然语言对话、图像理解和知识推理，一个都没有实现。

这个项目的失败给当时国际上整个人工智能领域带来了最后一榔头。如果连当时日本这样的技术强国大力投入都做不到（20 世纪 70 年代至 90 年代日本多产业技术发展占据全球领先地位），那符号主义还有希望吗？