正文
还有的研究是做认知的模型（Cognition Modeling），比如GPS。当然不是指GPS定位，而是一般求解器（General Problem Solver）。难道是什么问题都能解么？Allen Newell和Herbert Simon得图灵奖就是因为GPS。而且你真的去读论文的话，很厚。它甚至一语两思，把这个东西转一下，去研究行为经济学也可以，所以Herbert Simon又拿到诺贝尔经济学奖。
还有一种模式叫产生并测试（Generate and Test），大概的意思就是我们所谓的大胆假设、小心求证。这些认知的模型看起来很神，基本上它就是把难的东西用数据来表示。但是人的确是这样做的，尤其是到后来，特别是语义、认知，真的很多时候都是在做产生并测试，这个模型本身是没错的。
接下来的一项研究要讲讲我老板。他拿图灵奖，一方面是因为他是语音大师（这个可能也有我的一点贡献）；另外一个导致他得图灵奖的叫做黑板理论。当年搞这些认知的模型的是非常重要的，甚至可以得图灵奖。
另外有研究涉及Semantic（Frame）我们今天还在用。今天做Siri，微软做小冰、小娜，或者做Google助手、百度度秘，用的是这个技术。
还有一个东西在当年非常红，叫做专家系统。而且最早期的专家系统很多东西应用在医疗，很有名的叫MYCIN（medical diagnosis），就是传染疾病了，靠一些规则去诊断。
当然还有专门研究感知的，比如，我就是做语音和自然语言处理。那语言怎么做呢？就是有点像大家学英文的文法。但是文法都有例外，一有例外就搞不定，所以这些东西进展都不是那么好。
还有就是计算机视觉，今天也红得不得了，比如刷脸。可是在当年的计算机视觉和所谓的机器人，在当时是非常可怜的一个项目。当年都是只能研究玩具样的问题（toy domain），做的东西都是方块世界的理解（Block-world understanding）：就是有一堆砖块，砖块是这样的状态，怎么样变成那样的状态，来回搬砖块。最多了不起了研究一个桌子。一辈子做计算机视觉，就研究椅子、研究桌子——还不是两个都研究，只研究一个。当年能做的只有这些东西。
然后是机器学习。机器学习大概是在1980年代开始，但是当时的学习也是研究人怎么学习，而且有一大堆机器学习。今 天的机器学习变得很单一，就是深度神经网络一个，当年有很多种：比如有被告知和指令学习（Learning by being Told & from Instruction）；有通过改正学习（Learning by Correcting Mistakes）；有基于训练神经网络的学习（感知器）等等。1990年以前的AI，和今天有很大的不一样。
人工智能前传
本文转载自人机与认知实验室
四大文明的总结：各文明侧重不同，科学技术起源于欧洲并不是偶然；宗教统治的中世纪孕育出了文艺复兴，也孕育了出了科技中的智能哲学。
从某种意义上说，人类文明是一个人类对世界和自己不断认知的过程，所谓认知就是对有用的数据---信息进行采集过滤、加工处理、预测输出、调整反馈的全过程。纵观人类最早的美索不达米亚文明（距今6000多年）、古埃及文明（距今6000年）及其衍生出的古希腊文化（现代西方文明的起源，距今3000年左右），其本质反映的是人与物（客观对象）之间的关系，这也是科学技术之所以在此快速发展的文化基础；而古印度所表征的文明中常常蕴含着人与神之间的信念；时间稍晚的古代中国文明是四大古文明中唯一较为完整地绵延至今的文化脉搏，其核心之道理反映的是人与人、人与环境之间的沟通交流（这也许正是中华文明之所以持续的重要原因吧）。
从上文可见在岁月的发展的历史长河当中，人类四大文明分别聚焦于人物、人神、人人、人与环境，相互之间的关系，而科学和技术的发展，和人和物之间的关联密切相关，所以，现代科学技术起源于欧洲，是顺理成章的，也是可以理解的。但是，目前来看，随着社会和人类不断的进步，人和人之间、人和环境之间的关系，日益提到日程上来，所以，现在整个世界的焦点，逐渐从西方转移到了以人人、人与环境为主的东方视角来。
大概在2500年前，人类文明在东西方几乎同时出现了阶跃式的发展：“水是最好的”（Water is best），这句话是西方“科学和哲学之祖”泰勒斯（Thales，约公元前624年－公元前546年）的名言，无独有偶，与他同时代的东方圣人老子（约公元前571年-公元前471年之间）也曾说过 “上善若水”。正如东西方的这两位先贤对水的青睐一样，人类科技发展的初始动因也源自对水的利用，因对尼罗河、两河、恒河、黄河的开发治理诞生出了四大古国的灿烂文明，使得数学、物理、化学、天文、地理等科学技术知识纷纭而至。面对繁重的劳动量，人们发明制造出了可以减轻生理负荷的各种机械装置（蒸汽机、电动机是它们中的典型代表），随着科技的飞速发展，人们劳动中的生理负荷不断下降，而认知负荷却日益上升，如何减轻不断增加的这些脑力负荷呢？人们终于发明出了计算机这一机器，并且在1997年5月11日，名为“深蓝”的电脑毫无悬念地在标准比赛时限内击败了国际象棋男子世界冠军卡斯帕罗夫的人脑，从而证明了在有限的时空里“计算”可以战胜“算计”，进而论证了现代人工智能的基石条件（假设）：物理符号系统具有产生智能行为的充分必要条件（Newell and Simon,1976）是成立的。更有意思的是，2011年2月17日，一台以IBM创始人托马斯·沃森名字命名的电脑在智力问答比赛中狂虐两位最聪明的美国人而夺得冠军，自此，人机之间却也衍生出了一种微妙的不服气：物理符号系统具有产生情感行为的可能吗？也就是说能产生心理符号系统吗？
纵观这些人、机（物）、环境之间系统交互的过程中，认知数据的产生、流通、处理、变异、卷曲、放大、衰减、消逝是无时无刻不在进行着的……如何在这充满变数的过程中保持各种可能的稳定与连续呢？为此人们发明了众多理论和模型，使用了许多工具和方法，试图在自然与社会的秩序中找到有效的答案和万有的规律。从公元五世纪到十五世纪的中世纪，西方一直关注无限/理想/想象出的宗教问题，然而发生在十四世纪的大瘟疫、十三世纪萌芽的文艺复兴，终于在16世纪，一位天主教教士哥白尼的“日心说”让宗教的权威逐渐转让给了科学，从此数百年来，实验和逻辑重新建构了一个完全不同的时空世界，一次又一次地减轻了人们的生理负荷、脑力负荷，甚至包括精神负荷……
随着科学思想的不断演化，技术上也取得了长足的进步，“老三论”（系统论、控制论和信息论）尚未褪色，耗散结构论、协同论、突变论等“新三论”便粉墨登场，电子管、晶体管、集成电路还未消逝，纳米、超算机、量子通信技术更是跃跃欲试，20世纪4、50年代诞生的人工智能思想和技术就是建立在这些基础领域上而涌现出的一个重要前沿方向。但是由于认知机理的模糊、数学建模的不足、计算硬件的局限等原因，使得人工智能一直不能快速地由小到大，由弱变强。从目前了解到的数学、硬件等研究进展上看，短期内取得突破性进展将会很难，所以如何从认知机理上打开突破口就成了很多科学家的选择之处。本报告旨在对人工智能的诸多问题进行初步地的介绍与述评，以期促进人工智能在国内的研究与应用，不足之处还望大家不吝指正！
（2）智能与交互的本质
人和物之间的关系，是西方一个重要的研究方向，机器是人造物，所以人机交互，也是起源于这个西方。人机交互的本质，是共在，即“being together”。人把自己的优点，和机器的长处结合在一起，形成了一个交互的，实质性的问题，而未来人工智能的发展方向，很可能是人机融合智能或人机混合智能，即把人的智慧和机器的智能结合在一起，形成一个更有力的，支撑性的发展趋势，这样不但研究人机交互的脖子以下的，即生理的问题，而且还会研究脖子以上的，即心理的或者大脑的问题。其实，人机交互或人机混合智能，都是不准确的词，最准确的词是人机环境交互系统，因为人和机器及物质，其交互是不完整的，是通过环境这个大系统，来进行沟通的，所以人机环境系统工程，可能是未来的，一个主要的研究方向。
