3.1 MYCIN的医疗奇迹与知识表示革命
1976年，斯坦福大学医学院发生了一件看似不可能的事情：一个从未见过病人的计算机程序，在血液感染诊断方面的准确率竟然超过了一些初级医生。这个名为MYCIN的系统，开启了AI历史上一个全新的篇章——专家系统时代。
电子版"专家大脑"的诞生
MYCIN的架构相对简单而优雅：它包含一个存储医学知识的"知识库"和一个进行逻辑推理的"推理引擎"。知识库中储存着数百条医学规则，比如"如果患者发烧且白细胞计数升高，那么可能存在细菌感染（确定性因子0.8）"。推理引擎则负责根据患者症状，运用这些规则进行诊断。
这就像创造了一个"电子版专家大脑"：知识库相当于专家的记忆，推理引擎相当于专家的思维过程。更重要的是，MYCIN能够解释自己的推理过程，当医生询问"为什么推荐这种抗生素"时，它能够清晰地列出推理链条。
医疗AI的早期伦理思考
MYCIN的成功引发了关于医疗AI的早期伦理讨论。当机器的诊断准确率超过人类医生时，谁应该承担医疗责任？患者是否愿意接受机器的诊断建议？这些问题在今天的AI医疗应用中仍然具有现实意义。
值得注意的是，MYCIN的诊断准确率约为65-85% [已确认]，这个数据来自1979年发表在《感染病学杂志》上的评估研究。虽然按今天的标准这个准确率并不算特别高，但在当时已经足以证明机器在特定领域内可以达到专家级水平。
3.2 全球知识竞赛：日本的雄心与欧洲的哲学
MYCIN的成功点燃了全球对专家系统的热情，各国纷纷启动雄心勃勃的AI计划。
日本的8.5亿美元豪赌
1982年，日本政府宣布了令世界震惊的"第五代计算机系统"计划，投资额高达8.5亿美元 [2]。这个计划的目标极其宏大：开发出能够进行自然语言处理、知识推理和机器学习的新一代计算机。
日本的策略体现了东方整体性思维的特色：他们不满足于在现有计算机架构上修修补补，而是试图从根本上重新设计计算机系统。计划设想使用并行处理架构和逻辑编程语言Prolog，创造出真正的"智能机器"。
欧洲的逻辑编程哲学
与此同时，欧洲研究者选择了一条更加"哲学化"的道路。他们专注于发展Prolog（逻辑编程）语言，相信通过严格的逻辑推理可以实现真正的机器智能。
Prolog的核心思想是"声明式编程"：程序员只需要描述问题是什么，而不需要详细说明如何解决问题。这种优雅的编程范式体现了欧洲人对数学逻辑传统的坚持。
地区
发展策略
核心理念
主要成果
美国 问题导向，商业化应用 实用主义 MYCIN、DENDRAL等成功应用
日本 国家计划，硬件创新 整体设计 第五代计算机项目
欧洲 逻辑编程，理论研究 数学严谨性 Prolog语言发展
这种全球化的竞争推动了知识表示和推理技术的快速发展，也为后来的AI技术奠定了重要基础。
3.3 商业现实的冲击：DEC XCON的维护噩梦
专家系统的商业化高潮出现在1980年代的美国。其中最著名的成功案例是数字设备公司（DEC）的XCON系统，但它的最终失败也揭示了知识工程面临的根本性挑战。
10,000条规则的商业奇迹
XCON系统用于配置DEC公司的VAX计算机系统。在没有XCON之前，配置一台复杂的计算机系统需要经验丰富的工程师花费数天时间。XCON通过运用超过10,000条配置规则，能够在几分钟内完成同样的工作。
这个系统为DEC公司节省了数千万美元的成本，被誉为专家系统商业化的典型成功案例。许多财富500强公司都开始投资开发自己的专家系统，期望获得类似的效益。
"知识积木塔"的倒塌
然而，成功的背后隐藏着巨大的危机。随着规则数量的增长，XCON系统变得越来越难以维护。专家系统的知识库就像一座复杂的积木塔，每增加一条新规则都可能与现有规则产生冲突，导致意外的错误。
最致命的是"破坏一切的那条规则"现象：有时候，一个看似无害的小规则更新会引发连锁反应，导致整个系统崩溃。工程师们发现，随着知识库规模的扩大，这种维护工作变得越来越困难，最终变得不可持续。
知识获取的根本瓶颈
更深层的问题是"知识获取瓶颈"：人类专家的知识往往是隐性的、直觉性的，很难完全用明确的规则表达出来。就像试图用文字完整描述骑自行车的技巧一样，很多专业技能包含了大量难以言喻的经验和直觉。
这个问题在今天的AI发展中仍然存在，提醒我们机器学习和人类专家知识之间需要找到更好的结合方式。
3.4 从规则到具身：Brooks的机器人哲学
正当专家系统遭遇瓶颈时，MIT的罗德尼·布鲁克斯提出了一个颠覆性的观点：也许问题不在于知识表示方法，而在于整个符号AI的基本假设。
"世界即模型"的哲学革命
布鲁克斯提出了著名的"包容架构"理论，主张智能应该从底层行为开始构建，而不是从抽象知识开始。他的机器人不需要构建复杂的世界模型，而是通过简单的感知-行动循环直接与环境交互。
这就像训练一个孩子走路：我们不会先教他复杂的物理学公式，而是让他通过不断尝试和调整来掌握平衡。布鲁克斯的机器人采用了类似的"自下而上"方法，通过层次化的简单行为组合出复杂的智能表现。
物理接地的重要性
布鲁克斯强调了"具身认知"的重要性：真正的智能必须与物理世界直接交互，而不能仅仅存在于抽象的符号世界中。这个观点对后来的机器人学和AI发展产生了深远影响，提醒我们智能不仅仅是信息处理，还需要与真实世界的持续互动。
这种哲学转向为AI研究开辟了新的道路，预示着从符号操作向更加贴近生物智能的方法转变。
3.5 中国实验：中医专家系统"关幼波"的探索
在全球专家系统热潮中，中国也进行了独特的尝试。最具代表性的是以著名中医专家关幼波命名的中医诊断专家系统。
这个项目试图将传统中医的诊断经验数字化，让计算机学会"望闻问切"。但这个尝试很快遭遇了中西医理念的深层冲突：中医强调整体观念和辩证施治，而专家系统要求明确的规则和逻辑推理。
这种文化碰撞揭示了一个重要问题：不同的知识体系有着不同的认知框架，简单的技术移植往往难以成功。这个教训对今天的AI全球化发展仍有启发意义——技术发展必须考虑文化背景和本土特色。
章节过渡桥梁：无论是在西方的规则系统还是东方的传统医学中，手工编码知识都遇到了根本性瓶颈。研究者们开始意识到，也许让机器自动从数据中学习知识，比人工编码知识更有前途。这个认识将开启AI发展的全新篇章——从数据中自动学习的统计时代即将到来。
第3章关键术语：
- 专家系统：模拟人类专家决策过程的AI程序，通过规则库和推理引擎实现特定领域的问题求解
- 知识库：存储特定领域事实、规则和经验的数据库，是专家系统的核心组成部分
- 推理引擎：根据知识库中的规则进行逻辑推理的软件模块，实现专家系统的智能决策功能
- 包容架构：基于行为层次的机器人控制方法，强调从简单行为构建复杂智能，反对纯符号推理
然後按「加至主畫面」