符号主义

符号主义(Symbolism)也被称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其主要观点是利用物理符号系统及有限合理性原理来实现人工智能。具体来讲，符号主义认为人类思维的基本单元是符号，而基于符号的一系列运算就构成了认知的过程，所以人和计算机都可以被看成具备逻辑推理能力的符号系统，换句话说，计算机可以通过各种符号运算来模拟人的“智能”。

因为这种学派对于AI的解释和人们的认知是比较相近的，可以较容易地为大家所接受，所以可以说它在AI历史中的很长一段时间都处于主导地位。

符号主义的代表人物是Allen Newell、Herbert A. Simon和Nilsson等人。从前面的学习中，读者已经了解到他们都为整个人工智能的发展做出了各自卓越的贡献。比如Allen发明了信息处理语言，完成了当时最早的两个AI程序—Logic Theorist和General Problem Solver，同时为计算机科学和认知信息学领域提供了很多前沿性的理论成果(其本人和Simon一起在1975年获得了图灵奖)。

符号主义在不同历史时期都有些代表性的成果，例如：

(1) 逻辑理论家。Allen等人发明的“逻辑理论家”，可以证明出《自然哲学的数字原理》(Principia Mathematica)中的38条数学定理(后来可以证明全部52条定理)，而且某些解法甚至比人类数学家提供的方案更为巧妙，如图1-20所示。

(2) 启发式搜索思路。Allen和Simon等人提出了通用问题解决器(General Problem Solver)推理架构以及启发式搜索思路，影响相当深远(比如AlphaGO就借鉴了这一思想)。

(3) 专家系统。专家系统对20世纪AI的繁荣起到了非常重要的推动作用，理论上来讲它也属于符号主义的研究成果。

(4) 知识库和知识图谱。专家系统的主要难点在于：知识的获取构建以及推理引擎的实现。所以学者们围绕这些困难点发展了不少理论，比如反向链(Backward Chaining)推理、Rate算法等。

我们近几年接触到的知识图谱以及大数据挖掘，也或多或少地与知识库的发展有关联性，如
图1-21所示。

虽然当前机器学习处于主导地位，但并不代表其他学派没有一些好的理论。建议读者有空的时候可以阅读Allen Newell等人的著作，从中窥探符号主义在几十年间的变迁史。

除了Newell“老前辈”，符号主义的代表人物还包括Tom Mitchell、Steve Muggleton、Ross Quinlan等人，如图1-22所示。