{"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":351,"pdf_page":359,"physical_index":359,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"6ec1b0a791771786ff8037ec780c03dd430f3d95241f0f301494b21e15d031c1"},"chapter":"人工智能哲学","content":"第三个阶段约从1975年到现在，在这期间，AI一直在同后来人们所说的常识知识问题进行较量。知识表述一直是AI工作的中心问题，但前两个阶段—认知模拟和微世界—的特点是弄清用尽可能少的知识能做多少事情，试图避免常识知识问题。然而到70)年代中期，已无法再回避这个问题。各种数据结构，如明斯基的框架和香克的脚本，都已尝试过而没有成功。常识知识问题甚至使AI无法开始实现西蒙在二十年前的预言：“二十年之内，机器将能做到人所能做的一切”（Si-mon 1965:96).\n\n的确，在过去的十年间，常识知识问题成为理论AI所有进步的障碍。威诺格拉德是最早认清SHRDLU程序的局限性和所有脚本及框架试图扩展微世界方法的局限性的人之一。对AI“失去信心”之后，现在他在斯坦福的计算机科学课程中讲授海德格尔，并指出“困难在于把那种确定哪些脚本、目标和策略是相关的以及它们怎样相互作用的常识背景形式化。”（Winograd1984:142)。\n\n使AI困于这一僵局之中的原因，是坚信常识知识问题必定是可以解决的，因为人类显然已经解决了这一问题。但是人类很可能根本不是按通常方式使用常识性知识的。正如海德格尔和维特根斯坦所指出的，与常识性理解相当的，很可能是日常技能。所谓“技能”，并不是指过程的规则，而是指在众多的特定场合知道该做什么。例如，人们曾经发现常识物理学原来是极难用一组事实和规则详加说明的。如果试图这样做，那么，或者需要更多的常识去理解所发现的事实和规则，或者构造出一些复杂得看起来决不可能存在于儿童的心灵中的公式。\n\n13 造就心灵还是建立大脑模型：人工智能的分歧点\n\n[1] 关于技能的这一说明，作者在另一文章(Dreyfus and Dreyfus 1986)中有详细而雄辩的阐述。\n\n351","previous_page":350,"next_page":352}