到了 20 世纪 80 年代初期，社会舆论中甚至还出现了对各个领域的专家系统都建设完善后，将会引起许多行业被计算机代替，导致人员大规模失业的担忧，情况与 20 世纪 50 年代控制论盛行，社会上担忧机器人代替人类工作，还有今天机器学习盛行，大量媒体、文章鼓吹人工智能最终代替人类思考的情景相似。现在看来，当年人们担忧的场景并没有成为现实，专家系统确实在特定领域取得了不小的成功，计算机代替领域专家完成了一部分工作，部分缓解了组织里专家稀缺的问题，但专家系统遇到的最大困难也恰恰体现在领域业务专家的稀缺和不可代替的价值上。建设任何软件系统都离不开相应的业务专家，但是在建设专家系统这个问题上尤其突出，所有存储于系统知识库的知识都要依赖专家去输入、配置、维护和更新，这极大地限制了专家系统建设的效率，甚至动摇了其建设的可行性。当专家系统中知识的积累速度落后于领域知识的更新速度时，这个系统的价值就会逐渐降低，系统也将渐渐趋于死亡、淘汰。20 世纪 80 年代中后期，日本在经济最为发达的时候，曾经尝试过倾全国之力去建设被其称为“第五代机”的专家系统，但最终因设定的目标过高而以失败告终，这是人工智能发展史上的一大挫折。
3.5 从演绎到归纳
在知识系统的研发和建设过程中，人们就已经认识到了获取知识将会是这种系统的最大瓶颈，依赖人类专家给机器灌输知识，在某个专业领域还有些许可行性，但对于多数领域而言，靠人类专家是无论如何都不可能跟上知识膨胀的速度的。因此，随着知识系统研究的深入，人工智能学界重点关注的问题，又回到了“如何让机器有自我学习改进的能力”上，这个时期便是符号主义的“学习期”。
为什么是“又回到”呢？学习能力、记忆能力、思考能力既是人类智能的内在基础，也是人类智能行为的外在表现，这三项能力对应到计算机上，以符号主义学派的观点来看就是计算机“通过学习获取知识改进系统自身”“通过形式化手段描述并存储知识”“通过逻辑推理基于已有知识产生出新的知识”。还记得最初图灵那篇论文《计算机器和智能》中提出的“学习机器”吗？人工智能的探索就是从“如何让机器拥有自我学习改进的能力”，即从关注学习能力开始的，后来才转变到关注思考能力的“推理期”和关注记忆能力的“知识期”，所以这里才说是“又回到”了关注学习能力的阶段。
96
第二部分 学派争鸣