2.8 当逻辑规则遇到现实世界

经历了两次起伏后，符号主义暴露了它的根本问题。

符号主义建立在一个看似合理的假设之上： 人工智能=符号操作+逻辑推理。

这个假设在纯粹的数学和逻辑世界里确实成立。数学家用符号和公式推导定理，逻辑学家用规则进行推理，一切都井然有序、精确无误。

但现实世界却是另一番景象。

一个简单的“鸟会飞”就包含了无数例外——企鹅不会飞、受伤的鸟不会飞、死鸟不会飞、刚出生的小鸟不会飞...如果要为每个例外都写规则，规则库会变得无比庞大，而且永远写不完。

同一个词在不同语境下有完全不同的含义。“苹果”可能是水果，也可能是科技公司。人类能够轻松理解，但机器需要为每种可能性都编写规则。

人类拥有数百万条常识，从“水往低处流”到“人需要睡觉”，从物理定律到社会规范。要把这些全部编码成规则，需要几十年甚至上百年的时间。

符号主义的失败迫使AI研究者重新思考一个根本问题：智能的本质到底是什么？符号主义说智能就是逻辑推理、符号操作，大脑就像一台逻辑机器，按照规则处理符号。

而在现实世界中，人类的智能表现更像是一种模式识别和直觉判断的能力。医生诊断疾病时，不是在脑子里运行if-then规则，而是基于经验识别症状模式。艺术家创作时，不是执行逻辑程序，而是表达情感和追求美感。孩子学会说话，不是通过学习语法规则，而是通过模仿和试错。这些能力很难用符号和规则来表达，却是智能的核心。

符号主义的困境让AI研究者们开始思考新的可能性。

• 也许不应该手工编写规则，而应该让机器从大量数据中学习？
• 也许智能不是精确的逻辑推理，而是基于概率和统计的模糊判断？
• 也许大脑的工作原理不是符号操作，而是神经元之间的连接和激活？

这些思考为人工智能的下一个阶段埋下了种子，在符号主义陷入绝境的同时，一些边缘化的想法开始重新受到关注。