{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title":"人工智能哲学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"7532740544","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","uuid":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title":"人工智能哲学","normalized_title":"人工智能哲学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"7532740544","isbns":["7532740544"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":501,"navigation_url":"https://workshop.closeclaw.top/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%93%B2%E5%AD%A6","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","page_url":"https://workshop.closeclaw.top/api/ai/books/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page","search_url":"https://workshop.closeclaw.top/api/ai/books/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/search"},"page":{"printed_page":337,"pdf_page":345,"physical_index":345,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"410116bd78a2c745646a96a93068f8061bbfb10509e240874010fc6fee985330"},"chapter":"人工智能哲学","content":"罗森布拉特的方案很快生根，不久就有几乎多达上百个大大小小的小组用该模型做实验……这数百个项目和实验得出的结果，一般来说是令人失望的，其解释不能令人信服。这些机器在非常简单的问题上通常工作得不错，但是当分配给它们的任务变难时，情况就迅速恶化。(Minsky and Papert 1969)。\n\n三年后，詹姆士·莱特希尔爵士在回顾了使用如西蒙和明斯基程序那样的启发式程序所做的工作之后，也得出十分类似的否定性结论：\n\n大多数从事AI及其相关领域研究的人都承认，过去的25年中所取得的成就显然是令人失望的。研究者们在1950年前后甚至在1960年前后进入这一领域时，是抱着很大希望的，这些希望与1972年时的实际状况相去甚远。该领域迄今在任何一方面作出的发现都没有产生出当初指望的那种重大影响……\n\n造成这些业已经受的失望的一个颇为一般性的原因是：没有认识到“组合激增”的牵连关系。对于构造一个以大量知识为基础的……系统来说，这是一个一般性障碍，它源于随着该基础规模的增长，任何组合表达式都具有的激烈增长，它们代表着众多的各种可能的根据特定规则对该知识基础的元素进行分组的方式。\n\n正如D·鲁梅哈特和D·齐普泽对此所做的简明总结：“组合激增或迟或早总会让你碰上，尽管在并行和串行中的方式有时会有所不同”（Rumelhart and McClelland 1986：i.158)。正如 J·福多尔曾指出的那样，双方已走进一局三维象棋游戏，认为它是一场“连城”1]游戏。既然如此，为什么在游戏的如此早的阶段上，在知道得如此之少，要学的如此之多的情况下，一组研究者全胜了另一组研究者呢？为什么在这一关键的分歧点上，符号表述方案成了“城中”仅有的棋局呢?\n\n13 造就心灵还是建立大脑模型：人工智能的分歧点\n\n337","previous_page":336,"next_page":338}