脑科学的发展告诉我们，人脑是通过神经元的连接来存储知识的，但人脑是如何表示知识的，目前尚不知道。不过，将谓词逻辑、语义网络和其他各有特点的知识表示方法合在一起，总算是在应用层面初步解决了如何将知识描述清楚，并存储于计算机的问题，这是一项基础性的工作，后续发展起来的知识工程、知识系统都要建立在这个前提之上。
3.4.2 知识工程
20 世纪 70 年代中期，距提出人工智能的达特茅斯会议已经过去了 20 年时间，如果把人工智能作为一个人来看待，那么此时他已经不再处于嗷嗷待哺的婴幼期了。社会上逐渐出现一些声音，敦促人工智能不要再局限于纯学术的探索研究，开始对人工智能提出一些商业上和工程可行性上的要求。如果读者对人工智能的历史有所了解，或者听说过人工智能“三起两落”的故事，那便会知道这个时间点正是人工智能历史上的首次低谷，是人工智能“第一个冰河期”<sup>○一</sup>的开始。在不久的将来，政府和社会对人工智能发展的态度就会从乐观转为悲观，原来不计成本的投入也随之戛然而止。
与此同时，电子计算机经过 30 年的发展，在 20 世纪 70 年代开始出现同时具备大容量存储和超高运算速度的计算机，譬如 Burroughs 公司（今天的Unisys，宝来公司）在 1975 年发布的 Burroughs ILLIAC 4 计算机（见图 3-5）的运算能力达到 1946 年初代 ENIAC 的 50 万倍<sup>○二</sup>，并且可以使用硬盘来存储数据，容量达到了“惊人的”80MB 以上。在高性能的硬件支持下，一些以前“理论可行”的想法，逐渐在工程实践上具备可行性了。
第 3 章 符号主义学派
91
○一 关于人工智能第一次冰河期的内容，将在下一章介绍同一时间连接主义学派的理论时介绍。
○二 ILLIAC 4 的浮点运算能力是 150 MFLOPS，ENIAC 是 300 FLOPS（因为 ENIAC 的浮点运算是靠整数运算模拟的，整数运算能力是 100 KFLOPS，实际差距并没有 50 万倍那么大）。作为对比，2017 年手机上主流的骁龙 820 处理器（含 GPU）的运算能力大约是 450GFLOPS，是 ILLIAC 4 的 3000 多倍。