人工智能简史（2）

ELIZA：模板式对话机器人

1966 年，约瑟夫·维森鲍姆在麻省理工学院开发了名为ELIZA 的聊天机器人。它的工作原理是按既定规则的词句转换：当用户输入一句话时，ELIZA 会识别语句中的关键词，然后按照预设的规则对词句进行重组，再生成新的回答。比如，当用户说“我感觉很沮丧”，ELIZA 会提取出关键词“沮丧”，并将这一关键词填充到模板 “为什么你感觉[ ] 呢？”，就得到回应“为什么你感觉沮丧呢？”维森鲍姆指出，ELIZA 的过程更像是一种“巧妙的文本处理”，并不能真正理解人的语言。尽管如此，在当时很多测试者认为 ELIZA“非常智能”。

​​​​​​​感知器模型

定理证明和ELIZA 都属于“符号方法”，主要依靠符号演算来完成特定功能。这在当时是主流。然而，一些 “非主流”研究也在悄然进行，其中最值得注意的便是神经网络研究。

（左）弗兰克·罗森布拉特（Frank Rosenblatt，1928-1971），美国心理学家。（右）罗森布拉特的 Mark I感知机，正在识别字母“C”。

受人脑工作机理的启发，早在 1943 年，美国计算神经学家沃伦·麦卡洛克和沃尔特·皮茨就提出了“人工神经元”理论。1951 年，马文·闵斯基完成了首台神经网络计算机 SNARC。SNARC 只是借用了神经元互相连接且连接强度可学习的思路，目的是模拟小鼠走迷宫的学习过程，并不是一个通用的学习模型。1958 年，弗兰克·罗森布拉特在康奈尔大学设计了名为“感知器”的单层神经网络模型，并在专用硬件 Mark I 上成功实现（也被称为“感知机”）。感知器基于“麦卡洛克-皮茨”神经元结构，但允许神经元之间的连接权重可调整，藉此从训练数据中学习并完成如字母识别等任务。