人工智能探索 软件工程专业毕业设计外文翻译-中英文对照.doc

本科毕业设计（论文）外文翻译译文学生姓名： 院 （系）： 计算机学院 专业班级： 软件 指导教师： 完成日期： 2011 年 3月 17 日 人工智能探索The Quest for Artificial Intelligence作者： Nils J. Nilsson (Author)起止页码：141-165出版日期（期刊号）： ISBN-10: 0521122937 ISBN-13: 978-0521122931出版单位：Cambridge University Press第7章 自然语言处理 无论是打印的或者手写的字体，如果想识别特定的字母字符，问题就在于理解单词、句子或更大的一段文字组合的“自然”语言，如英语。为了区分语言如英语和机器语言，前者通常被称为“自然语言”。在机器语言中， 理解输入的自然语言通常指转换到某种记忆模型(如拉斐尔使用的SIR系统或奎廉所使用的语义网络)或执行一些恰当的输入动作。自然语言能说出和写的一样的意思。那是因为演讲听起来是和分割印刷在纸上的是不一样的，理解话语有着额外的困难，我会在一个后来的篇章来描述。自然语言理解的逆输入生成自然语言输出的口语和书写。从一种语言翻译成另外一种，既要理解和又要生成。进行一场谈话也是如此。所有的这些问题-理解、产生、翻译与一般的谈话构成了“自然语言处理”(有时也简称NLP)。 7.1 语言水平语言学家和其他学习语言者对语言的认识和分析处在不同级别上的。从那些处理最基本组成的语言(音)和诉讼到部分进行上行水平处理序列的句子，这些可以安排在一种层次，如果演讲处理成有层次的语音(语音)和音系学(组织的声音字)。对于讲话，交易形态与全字是如何加在一起，从小型零件的制造和销售。例如，“走出去”包括“行走”加上“吸引”。接下来，语法关注句子的结构和语法。它规定所试图描述一串字在一个特定的语言被贴上要么语法或不是。例如，该字符串“约翰打了球”是语法，但是“球到约翰”则不是。连同这本字典定义的词、句法的重要性理解句子的意义。举例来说，这句话“约翰看见那人拿着望远镜”有两种不同的意义取决于它句法结构(也就是说，这取决于“用望远镜”是指“男人”有一个望远镜或“看见”。)但是语法是不够确定的意义。例如这句话，“无色的绿色思想在疯狂的睡眠”可能被认为语法，但它是荒谬的。语义层次帮助确定意义(或无意义的)一个句子的运用逻辑分析。例如，通过语义分析理论，提出一种“想法”不可能同时是“无色”和“绿色”。接下来是语用学的水平，以文章的上下文句子来牵制的意义。例如，约翰去银行”有不同的意义中，在一个关于在流河里钓鱼句子里和关于贸易的句子里。语用含义在语境中具体情况具体体现。这些层面，即在特定的主题，是语法早期的研究仍是自然语言处理的一个重要方面。在1957年美国语言学家乔姆斯基的一本书出版，他所提出的句法结构的语法规则，可以设置可用于生成“合法”的一种语言。1 相同的规则也可以用来分析一串字来决定是否他们组成一个合法的语句的语言。我要说明这种分析被乔姆斯基称为Phrase-Structure语法(PSG)。2这个过程是与我们所有的在高级学校的“Diagrammed”的句子非常相似的，。语法规则定义词的声明中所代替字符串符号相应的句法类别，如名词或动词或形容词。这些句法取代通过额外的象征符号形成语法的规律琴弦。这些思想的阐明，我会用非常简单的改编乔姆斯基的一个语法来说明。这本语法只有三大句法类别:名词、动词、介词。那三个充分分析字符串，如“这个人撞球。”其中一条规则在这说明，我们可以取代语法状态句子：“的” 或“一” 的象征“DET”(限定词)。语言学家写这个规则如下:THE| A DET（这个符号“|”被用来显示任何言语环绕着它能被正确的语法标志的箭头）这里有一些其他的规则，用同样的格式:MAN | BALL | JOHN N（这句话:“MAN”，“BALL”和“JONE”可以被取代的象征“N”的名词。）HIT | TOOK | THREW V（这句话:“HIT”、“TOOK”和“THREW”可以被替换“V”是动词。)DET N NP（字符串中的符号“DET”和“N”实现“硅碳棒可以被替换“NP”的名词短语。)VNP VP(字符串中的符号“V”和“NP”可以被替换“VP”是动词短语。)NPVP S(字符串中的符号“NP”和“VP”可以被取代的象征“S”的句子。)符号(例如“S”、“DET”、“NP”等等，被称为非终止语言符号的定义语法，而词汇如“BALL”、“JOHN”和“THREW”是语言“TERMINAL”的象征。我们可以把这些规则的字符串“男人击球”转变它变成“ S”。任何一个字符串，可以转换成“S”这样说语法的很简单定义一个法定的语言语法。用一种规则应用，说明了一个语法就是叫语法树如图7-1所示。3图7-1： 一个句子分析的语法树下面的例子是基于一项小样本量的句法类别和仅仅说明了更换规则的句法分析。，使语法稍微更现实，我们将需要包含符号更换、形容词、副词规则和介词等等。当然，我们必须包含更多的词汇。文法被称为上下文无关文法(CFGs)如果他们所有的规则有一个单独的非终止符号右边的箭头。他们称那是因为当规则适用于逆向更换不依赖于任何出现的其他符号(产生，而不是句子的语法分析的方式)，是一个非终止象征。PSGs是上下文自由。这个图表显示如图7-2所示。我们简单的语法规则被用来生成句子。在这种情况下，它开始的标志句子，即“S”，而产生的句子“约翰掷球。”这个简单的语法当然不会产生所有的句子声称被规则可接受的。这也使我们产生的句子通常不愿接受，比如“约翰丢球。”而乔姆斯基的书说明的更复杂了，后来的作品也有产生相当精致的语法。由上世纪60年代早期，几个语法在计算机程序中可以进行编码分析样品中的大学英语课文。4我将会提到几种不同的语法，一些复杂多的成功的CFGs章节。然而即使是最复杂的语法不能让我们将清洁区分句子当做正确的语法，那些我们也不会。我将会回到这个困难将用一种方法来解决它在以后的章节。图7-2： 一个句子生成的分析树一个句子的被解析语法方式是可以确定它的意思，所以一个很重要的一部分，自然语言处理涉及到使用的语法规则所能接受的解析语法树的句子。找到一个语法树包括搜索-在几个不同的方面，非终止符号，从“S”开始，可以更换使用语法规则的企图来配合目标的句子或单词好几种不同的目标句子可被非终止符号来产生“S”第一种类型的搜索被称为“自上而下”(从“S”到一个句子);另一种叫“自下而上”(从一个句子到“S”)。它通常是(如果不是经常)的情况下，给出了语法、句子有一个以上的语法树，每个都有不同的含义。举例来说，“这个人撞球在公园里”，在“公园”是动词词组随着“撞”中会有一个语法树或者在“公园”是一个名词词组随着“球”中有一个语法分析树。而且，我已经提到，一些句子的分析可能是有意义的。举例来说，根据我的简单的语法，“球把那人”是一种合法的但是毫无意义的句子。哪一个解析树是适当过程的一部分，是决定语义(甚至语言学)的水平。在20世纪50年代和超过整个大部分的60年代，句法分析比以前的语义是较发达。语义分析通常涉及利用解析树来引导转变成一个表达式语句的输入，在一些明确的“或”的意思表达语言变成一个程式回应的适当的方式来输入句子。例如，“这名男子把球扔可能会变成一个逻辑表达式，如(x， y， z)Past(z) Man(x， z) Ball(y， z) Event(z) Throws(x， y， z)，可解释为“有x，y，z，这样z是一个事件在过去，x是一个人在那次事件，是一个球在那次事件，x在那次事件扔y。”语义分析也会变换句子“男人把球扔”变成程序，在过去某种程度上，就是模仿一个人把球扔了。7.2 机器翻译最早的一些尝试用电脑做超过平常的数值时是在自动计算的一种语言翻译句子。词典可以储存在电脑内存(在磁带或在穿孔卡片)，这样可以用来发现英语与另外语言的同义词。人们认为选择一个在你的心中合适的每个词，一个句子，连同适度的句法分析，可以用来翻译国外的语言(俄罗斯)译成英语句子。一个新的计算机5报告的标准是由一个在国家统计局(现在称为国家标准与技术研究院)工作的Harry D. Huskey领导完成的。纽约时报5月31日报道，1949年6。一种新型的“电脑”，落户在正在建设中在加利福尼亚的美国教育局州立大学的数值分析的标准实验室，它的计算能力不是机器只有执行复杂的数学问题，还有翻译外文能力。而这台机器将在翻译领域准确的范围还没有定下来，科学家们进行这项工作，但那将是很可能的。它包含了6万字的韦伯学院字典中每个词的等价物多达3种外语。关于这台机器如何做解释翻译，纽约时报的记者写道:当一个外国词翻译成机器中的数字符号存储在磁带或卡中，这种机器将使用其“记忆”，如果发现的输入的符号存储在其数据库中，它将会自动翻译成一个预定的等效英语单词。这显然就相当于一个简陋的逐字的英文翻译， 虽仍是缺乏语法，但确实是极有价值的，但设计师说，这个机器若作为科学家用来翻译外国的技术文件，词汇是个比语法更严重的问题。这台机器没有实际执行任何翻译的理念，这样做还只是Huskey的一种可能性的想象。但这个困难是非科学都能能够想象的困难。第二天纽约时间的一篇社论将问题说了出来：我们对机器翻译的准确度有疑虑。这台机器是如何将法语单词“pont”翻译成“桥”或“牌”或去知道在德国“operation”就是意味着外科手术？所有的机器都只可以做简单的任务如查阅字典中的单词和在纸上写上具有英语的同义词，以便于翻译者使用合适的框架句型，和适合上下文的语境意义。在1947年，沃伦维纳，一个大杂院的织布者，一个数学家和科学的管理者，想利用数字计算机将文件翻译成人类的自然语言。维纳感到怀疑是否有这种可能性。在他回答，“我坦白我害怕的是边界的词在不同的语言意义太过含糊，情感和国际化内涵粗放使得机器翻译计划很有希望。”然而，在1949年7月，他精心阐述他的观点在便签上，命名为翻译寄往几个大学。他的声明工备忘录如下:相比论及世界各国多语言之间的文化交流阻碍这样一个显而易见的事实我们没有必要做什么，理解是其中一种严重的障碍。在本谅解备忘录，假定你的有效性和事实中这一点的重要性，一些评论和可能来自民众的压力造成至少一些需要解决问题的国际翻译会通过使用电子计算机容量大，灵活性和速度来完成。根据大量7编辑发表备忘录的翻印。“他将它寄给了他大概200个在各个领域的熟人，就是所谓的第一个意见说曾经见过计算机翻译语言的技术的可能。”他的这个文件通常被记录在机器翻译领域中 (通常简称)8。1952年6月份在麻省理工学院，Yehoshua Bar-Hillel(1915-1975)，一名以色列宽严兼济工作在麻省理工学院的实验室的科学家被认为是组织了致力于机器翻译的第一次会议9。相比与最初的乐观，Bar-Hillel在后来得出全自动翻译是不可能的这样一个结论。1954年一月，作为自动翻译的样品，俄罗斯课文自动翻译成英语成功在IBM世界总部纽约市的麦迪逊大街57号得到论证。这个由国际商用机器公司(IBM)和乔治敦大学合作的演示用很少的词汇和有限的语法。这个项目是由Cuthbert Hurd领导的，BM应用科学部门和来自乔治城的Leon Dostert协作完成的。由国际商用机器公司(IBM)在1954年1月8日发布如下:10就在今天电子计算机第一次将俄文翻译成英文。这个由来自乔治敦大学人文学院和语言学协会的语言学家提交的简单的关于政治、法律、数学、化学，冶金、通讯和军事事务的俄文报告被著名的国际商业机器公司的701电脑在几秒钟内翻译成英文。一个女孩不明白写在国际商用机器公司(IBM)卡片上关于苏联人打下班钟的文化信息。“脑袋”被英文翻译成一个以两半线路每秒的玩命速度摔在了一个自动的打印机上。虽然这个证明造成极大的刺激和导致翻译研究的资助的增加 ，但后续工作确是令人失望的11。在1959年传阅评估MT工作报告的研究人员中，Bar-Hillel仍然确信优质的全自动的翻译（他称为FAHQT）并不可行“不仅在不久的将来不会，而且永远不会”他在1960年扩展发表的报告传播的非常广泛12。支持Bar-Hillel说明高精度的使用计算机翻译“世界知识”非常困难的负面结论的因素之一就是他下面的小故事：小约翰正在寻找他的玩具盒。他终于找到了。这个盒子里有只钢笔。约翰非常高兴。计算机应该如何翻译“盒子里的钢笔?”Bar-Hillel争论即使只有两个定义的“笔”(一种写作器具、一个是小孩子玩的附件)，计算机知道只有那些定义却没有办法知道那些特定的含义。“除了它的知识的词汇和句法之外一个翻译的计算机能知道笔的相对大小，作为写字工具的感觉、玩具盒、笔、感觉上的婴儿围栏。”这样的知识，Bar-Hillel声称，在电子计算机上不能处理。这给人们提供了任何进一步的讨论一种计算机是百科知识结论几乎是“完全荒谬绝伦。”研究人员在以后终于承认，Bar-Hillel关于他的声称非常能干的自然语言处理系统(总体上主管艾系统的确广泛)需要渊博知识是正确的。然而，大多数专家都不同意他的AI有关尝试给计算机所需百科知识是徒劳的。Bar-Hillel是众所周知的是对人工智能持反对意见的。 (一九五八年的的特丁顿学术研讨会常见程序的约翰麦卡锡这样评论。Bar-Hillel说: 麦卡锡博士的报纸杂志中Dr. I. J. Good的最近创造是不成熟的想法”。)13 1964年4月份，美国国家科学院形成自动语言处理谘询委员会(ALPAC)，与约翰r皮尔斯(1910-2002)的贝尔实验室合作，国土防御局，中央情报局、国家科学基金会对计算机自动翻译外语进行研究实验。在1965年8月的委员会发布的结论报告中说“没有直接和可预见性来证明机器翻译的没用。”14他们推荐的支持基本的语言学科学和“艾滋病”的翻译，但不适合全自动翻译。该报道引发了一场戏剧，虽然大规模的机器翻译研究经费的减少但是机器翻译幸存下来，并最终繁荣，如同我们在后面的章节讲的。于1962年美国机器翻译学会和计算语言学(AMTCL)举行了第一次会议。在1968年，它改变了它的名字计算语言协会(前)，已成为一种国际性科学与专业学会协助人们处理自然语言和计算上的问题。它出版季刊计算语言学和赞助者的会议和专题讨论会15。7.2 程序问答除了工作上，研究人员开始探索机器翻译在一个句子的自然语言，如英语，可以在计算机上使用了。你将召回一个人能够进行对话情境的伊莉莎程序，尽管这个程序“理解”正在说什么呢。我已将拉斐尔的先生系统所能代表讯息给它然后回答问题。我要提到一些其他项目给予了自然语言的味道在这段时间里处理工作。一个项目叫做棒球(用IPL-V编程语言，一种特殊的list-processing开发，纽尼尔萧伯纳、西蒙将要描述之后)是在亚伯拉罕林肯实验室的指引下， 卡内基研究所伯特格林心理学教授的技术16。它能回答简单的英语的问题如在一年之内关于棒球使用数据库中关于棒球比赛在美国联盟。例如，它可以回答一个问题等“7月7日红袜队在哪里玩”这个问题已经成为一个特别简单的形式和限制的话，在该程序的词汇。在作者的话说， 17问题是局限于单一的条款;禁止结构与从属子句的语法分析是相当的简化。合乎逻辑的语义上，例如，或者，不，是禁止建筑暗示，像大多数关系最高的地方。最后，内容涉及序列的事实，如红袜队赢得六连胜?”是被禁止的。这个程序转换成一个问题变成一种特殊形式称为“规格清单”，用专用句法和语义分析。这个列表将被用于访问程序的数据库来找到一个对这个问题的回答。举例来说，这个问题:“7月7日红袜在哪里?”首先会被转换成名单: 地点 = ?球队 = 红袜队月份 = 7月日子 = 7日作者们声称，“他们那些临时的方法，这将会在以后限制程序的版本。”但据我所知，那里没有以后版本的程序。正如我们所看到的(我知道的历史有以下几种情况，它证明那些“临时”限制很难被清除。)另一个是由卡内基技术研究的罗伯特林德赛在1962-1963在IPL-V所发表的自然语言程序SAD SAM18。它能够分析英语句子的家庭关系和编码这些家庭关系的树。然后使用这棵树回答关于人际关系英语问题。举例来说，如果程序SAD SAM接收到句子“乔和简是汤姆的后代”，构建一个为树状结构的列表作为“家庭单位”汤姆是父亲和乔及简是儿童。然后，如果它接收到这句话是说:“玛丽是简的妈妈”，这将增加结构玛丽为汤姆的妻子。它将能够回答这个问题:“谁是乔的母亲?”SAD SAM的全称是句子的鉴定、图形和语义分析的机器。SAD是分析句子然后发给SAM，而SAM将他们的语义信息提取所需家庭树和寻找建设问题的答案。这个程序可以接受了在基础英语中各式各样的句子一个系统的语法和来自查尔斯奥格登字典的850个词汇19。罗伯特西蒙斯(1925-1994)、一个来自加利福尼亚州圣莫尼卡SDC的心理学家、语言学家为自己工作的自然语言处理系统说明了系统的宏伟目标。根据随拉脱维亚国家歌剧院”页面撰写之一戈登诺瓦克博士在奥斯丁州的得克萨斯大学就职的计算机科学与心理学教授学生西蒙斯说20：我的梦想是“可以与书对话”；当电脑能读这本书时，用户可以通过电脑来提问电脑，而计算机理解书本后可以做出的回答。完成这个“梦想”就像完成AI一样困难。1961年他在它的“Synthex” 工程笔记中，西蒙斯讲述了他将开始21：这个项目的目标是建立一个与车辆的设计和施工的一般用途的由电脑系统来合成复杂的人类认知功能的研究方法论。最初的车辆，proto-synthex， 是一个能理解简单的打印资料和能回答基础英语的简单问题的语言处理系统。 1965年，俄克拉何马州的劳伦西蒙斯用他们的Protosynthex系统进行了实验。据Trudi Bellardo Hahn报道22，“儿童版的百科全书的章节作为小样机的全文数据库装载在该系统。Protosynthex可以用英语对简单的问题，进行一个“响应”。它一种在自然语言检索的创新的使用。”在此期间， Daniel G. Bobrow (1935 -)，一个麻省理工学院博士学位的学生马文明斯基，写了一段叫学生系统的程序， 若是给它在一个受限制的子集，它能用英语解决代数“故事的问题”。这里有个例子可以用学生系统来解决问题：从纽约到洛杉矶是3000英里。如果一架喷气式飞机的平均速度是每小时六百英里，计算喷气机从纽约到洛杉矶的时间。学生系统用一些已知速度与距离的关系来建立适当的求解方程式解决了这个问题。Bobrow的论文给的其他几个例子中，学生系统也能用这样的方法有效地解决题23。注释：1. Noam Chomsky， Syntactic Structures， s-Gravenhage: Mouton & Co.， 1957. 1422. The basic structure of PSGs was independently invented by computer scientist JohnBackus to describe the syntax of the ALGOL programming language. See John Backus，“The Syntax and Semantics of the Proposed International Algebraic Language of the ZurichACM-GAMM Conference，” Proceedings on the International Conference on Information Processing， pp. 125132， UNESCO， 1959. 1423. According to C. George Boeree (see /cgboeree/wundtjames.ht ml)，Wilhelm Wundt “invented the tree diagram of syntax we are all familiar with in linguistics texts.” 1434. For a survey of work during this period， see Daniel Bobrow， “Syntactic Analysis of English by Computer: A Survey，” Proceedings of the 1963 Fall Joint Computer Conference， Vol. 24， pp. 365387， Baltimore: Spartan Books， 1963. 1455. The Standards Western Automatic Computer (later abbreviated to SWAC) 1476. The quotation appears in John Hutchins， “From First Conception to First Demonstration: The Nascent Years of Machine Translation， 19471954. A chronology，” Machine Translation， Vol. 12 No. 3， pp. 195252， 1997. (A corrected 2005 version， with minor additions， appears at http:/www.hutchinsweb.me.uk/MTJ-1997-corr.pdf .) 1477. W. N. Locke and A. D. Booth (eds.)， Machine Translation of Languages: Fourteen Essays， pp. 1523， Cambridge， MA: MIT Press， 1955. 1488. For a history of MT， see W. John Hutchins， “Machine Translation: A Brief History，” in E. F. K. Koerner and R. E. Asher (eds.)， Concise History of the Language Sciences: From the Sumerians to the Cognitivists， pp. 431445， Oxford: Pergamon Press， 1995. (Also available online at http:/www.hutchinsweb.me.uk/ConcHistoryLangSci-1995.pdf .)Hutchins also has a Web page devoted to his publications at /homepages/WJHutchins/#History1. 1489. For reports about this conference see E. Reier， “The First Conference on Mechanical ranslation，” Mechanical Translation， Vol. 1 No. 2， pp. 2332， 1954， and A. C. Reynolds，“The Conference on Mechanical Translation Held at MIT， June 1720， 1952，” Mechanical Translation， Vol. 1， No. 3， pp. 4755， 1954. 14810. /ibm/history/exhibits/701/701 translator.html. 14811. For a summary of the IBMGeorgetown work， see W. John Hutchins， “TheGeorgetownIBM Experiment Demonstrated in January 1954，” in Robert E. Frederking and Kathryn B.Taylor (eds.)， Proceedings of Machine Translation: From Real Users to Research， 6th Conference of the Association for Machine Translation in the Americas， AMTA-2004， pp. 102114， Washington DC， USA， September 28October 2， 2004， Berlin: Springer， 2004.An online version is available at http:/www.hutchinsweb.me.uk/ATMA-2004.pdf . 14912. Yehoshua Bar-Hillel， “The Present Status of Automatic Translation of Languages，”Advances in Computers， Vol. 1， No. 1， pp. 91163， 1960. 14913. In D. V. Blake and A. M. Uttley (eds.)， Proceedings of the Symposium on Mechanisation of Thought Processes， p. 85， London: Her Majestys Stationary Oce， 1959. 15014. John R. Pierce et al.， Language and Machines: Computers in Translation andLinguistics， ALPAC Report， National Academy of Sciences Publication 416， NationalResearch Council， Washington， DC， 1966. 15015. See /. 15016. Bert F. Green Jr.， Alice K. Wolf， Carol Chomsky， and Kenneth Laughery， “BASEBALL: An Automatic Question Answerer，” pp. 219224， Proceedings of the Western Joint Computer Conference， May 1961. Reprinted in Edward A. Feigenbaum and Julian Feldman (eds.)， Computers and Thought， pp. 207216， New York: McGraw Hill， 1963， and in B.Grosz， K. Spark Jones， and B. Lynn Webber (eds.)， Readings in Natural LanguageProcessing， Morgan Kaufman， Los Altos， CA， 1986. 15117. Ibid. 15118. See Robert K. Lindsay， “Inferential Memory as the Basis of Machines WhichUnderstand Natural Language，” in Edward A. Feigenbaum， and Julian Feldman， op. cit.，pp. 217233. 15119. Charles K. Ogden， Basic English: A General Introduction with Rules and Grammar，4th edition， London: Kegan， Paul， Trench， Trubner & Co.， Ltd.， 1933. (Lindsay says 1，700 words; other sources say 850.) 15220. From /users/ai-lab/simmons.html. 15221. Robert F. Simmons， “Synthex，” Communications of the ACM， Vol. 4 ， No. 3， p. 140，March 1961. 15222. From “Text Retrieval Online: Historical Perspective on Web Search Engines，” by Trudi Bellardo Hahn， ASIS Bulletin， April/May 1998. Available online at/Bulletin/Apr-98/hahn.html. 15223. Daniel G. Bobrow， “Natural Language Input for a Computer Problem Solving System，” MIT Articial Intelligence Project Memo 66， Memorandum MAC-M-148， March 30， 1964.第8章 20世纪60年代基础建设在20世纪60年代，由几个系统支持和社会因素帮助（一个真正存在的可能）了技术的发展。新的计算机语言，使它更容易建立人工智能。研究者从数学，认知科学、语言学、和新型科学“计算机科学”各个领域聚集在会议和新形成的实验室中解决机械化智能的行为的这个问题。此外，政府机构和公司，也认为他们应该在这个新领域中提供研究上的支持。8.1 编程语言纽尼尔，西蒙是首批意识到若有一个专门的易于操做的象征词语作为计算机语言，将能更好的解决人工智能。最基本类型的符号表达式是列表的符号，例如(7，B，5)。更复杂的结构可由创建表列出的符号表列出清单，等等。在我描述的符号的结构，我提到的eight-puzzle这个类型的操作是非常必要的。eight-puzzle的起始位置描述成表达式(2， 8， 3)， (1， 6， 4)， (7， B， 5).所需要的是一种新语言来编写程序，可以产生位置移动的表达式代表相应的难题。比如说， 可以由起始位置的移动描述成表达式，(2， 8， 3)， (1， 6， 4)， (B， 7， 5).产生这种表达式时，这个程序必须复制的首发位置的表达式，然后换乘在那个表达式的第一和第二元素的第三个清单。纽尼尔，肖博士，西蒙着手开发这些可编程的各种手法一种语言。1954年前后，兰德公司，他们创造了一系列的语言都称为IPL(处理信息的语言)。各种版本的语言被发。IPL-I实际上并不实行，但只是作为一个设计规格。1955年兰德公司在JOHNNIAC计算机实施的IPL-II。以后的版本(直到IPL-VI)实施在卡内基的技术。IPL语言程序是早期用来解决人工智能的程序，包括LT， GPS， NSS (纽尼尔，肖博士，西蒙象棋程序)，这个项目由纽维尔和西门的学生，如奎廉和乔治恩斯特。达特茅斯后，约翰麦卡锡在达特茅斯夏季计划后开始考虑运用链表语言。他很清楚在Gelernter的几何据机器如何使用FLPL（FLPL坚固一些list-processing FORTRAN语言操作)。但是最后，麦卡锡认识到一门比IPL更容易使用比FLPL更强大的新语言是必需的。在1958年秋天的麻省理工学院， 麦卡锡开始实施一种叫LISP (表处理)的程序设计语言。他以它(一般)对数学的一个分支的特殊感情来学习这门在计算称为递归函数理论。LISP有几个复制列表的基本操作元素，去掉一个列表，添加一个元素，并检查清单去看看列表有什么成分可以组成。LISP的一个重要的特性之一，项目的清单被自己操纵描绘成名单。这样的程序可能因此元素列表和其他的可能子程序埋在他们。一个程序甚至能有一个版本的本身就嵌入在里面。我已经说过， 作为可以激活自己版本的程序操作被称为“递归”(如果使用非常有用的护理需要避免无尽的如果)。因为它的更容易使用， LISP很快就被作为重要的IPL语言研究和应用的人工智能。写LISP程序的有明斯基的学生埃文斯、拉斐尔、博布罗， 斯莱格尔和一些其他人。(有趣的是，亚瑟塞缪尔没有使用list-processing语言写他的西洋棋比赛程序。而他们的创新使用编程语言提高了机器的操作效率，也使他们节俭了内存。)除了创造LISP，麦卡锡还提出了一种叫分时作业的方法模型， 就是一台计算机可以为几个用户同时作业，相当于每个用户都有他或她自己的私人机器2。最初Ed-Fredkin 工作在BBN ，麦卡锡开发早期的分时作业系统是在12月的麻省理工学院计算机PDP-13。8.2早期的AI实验室1955年，纽尼尔是从兰德公司到卡内基科技(它在1967年成为了卡内基梅隆大学)在草本西门下攻读工业管理博士学位。完成后他的学位，纽尼尔他在卡内基大学担任教授，他和西门开始建议许多再读博士学生使用的“复杂的信息处理(CIP)”来处理自己的工作。（好几年后他们得到了AI的绰号。)1956年的秋天，西门获得了第一次使用CIP工作的电脑IBM 65。后来他们使用了紧随其后的DEC系列的计算机IBM 704。在1958年的秋天，约翰麦卡锡从达特茅斯来到了麻省理工学院。一年后明斯基加入麻省理工学院。明斯基如是说4麦卡锡和我)在走上大厅时遇到杰瑞维斯纳，齐默曼和某些人，他说怎么样让我们说得很好，我们正在改变想法，但对于人工智能，我们需要更多一点的机会和一些毕业生的支持。这样一个机会出现几天之后。这个“机会”很快就成了MIT的人工智能项目。起初，这个小组使用的是麻省理工学院的IBM 704计算机，但是IBM 704没足够的内存来写程序。所以就开始使用了属于BBN的DEC PDP-1。随着另一个项目在麻省理工学院被资助，它买了PDP-1，紧随其后又买了PDP-6和PDP-10。小组的几个具有博士学位的学生在BBN做他们的工作， 奥利弗塞尔弗里奇在林肯实验室附近继续他主要对机器学习和模式识别的人工智能研究-。1962年， 麦卡锡搬到斯坦福大学开始它的一个AI的项目。1963年，西蒙派珀特(1928 -)，一个曾经和皮亚杰工作过的数学家，以助理的身份加入了明斯基AI实验室。1965年斯坦福大学的麦卡锡和它的同事们在PDP-1计算机创造了一种叫做索尔的分时作业系统。它包括十二个飞歌显示终端，使它成为了世界上第一个被展示出来的分时作业系统。1965年，在莱斯特的帮助下(1930 -)，麦卡锡从林肯实验室搬到了斯坦福大学，并且建立斯坦福AI实验室。1966年的夏天，一些实验设施、斯坦福AI实验室搬到斯坦福大学的一个大楼中。（参见图8-1）因为ARPA的支持，该实验室取得了一台电脑DEC PDP-6，后来又得到一个PDP-10计算机。此外，它又进入人工智能领域(我会在随后的几章描述)， SAIL参与了许多项目包括开发一种前兆“窗口”，早期安装在个人的办公室的电脑终端5。在早期，主要是卡内基梅隆大学、麻省理工学院，和斯坦福大学的群体领导研究人工智能。后来一个又一个的学校的毕业生和老师成为了人工智能的研究者。1965年，另一个世界级的AI研究中心出现在苏格兰的爱丁堡大学周围。它的创立者是在第二次世界大战时曾经和艾伦图灵(杰克)一起工作过的唐纳德 米奇(1923-2007;图8-2)。与图灵对智能机器的良好讨论深深迷住了米奇。他在2002年10月份的采访说，“我决定让机器智能出现在我生命像企业变得可行一样。”6因为年代的中期至晚期电脑设备的原始和少见，米奇成为了遗传学家和分子生物学家。因为追求自己对机器智能的兴趣，1960年他在业余时间做出了能学会玩tic-tac-toe 的“玻璃珠和火柴盒组成的奇妙装置”。他把它叫做“机器” MENACE是可教育的打字游戏和十字架的火柴盒引擎的缩写。(见图8-3)（在我的解释中MENACE预示着工作现在被称为“强化学习一年。”)在20世纪60年代初参观斯坦福大学(由美国海军研究举办)，米奇相遇了约翰麦卡锡，伯纳德威德罗和其他研究AI的人(包括我)。在那里的时候，他曾在写出了一个如何寻找机动车上的平衡支点的学习程序7。1965年一月份，米奇成为英国第一人工智能实验室的主任，这个实验室规划单位在爱丁堡大学。1966年10月，该小组成为机器智慧和知觉的部门。米奇招募了一些顶级的计算机人才，包括Burstall，罗宾，约翰科林斯。这三个人研制了一种链表语言命名为POP-2。这个语言被部门的会员用来做人工智能的研究。(以后我将描述其中的一些程序)多年来，米奇小组一直与伯纳德(1916-2008)领导的数学小组合作工作在爱丁堡大学的周围。这个超数学小组以罗伯特博耶和斯特罗瑟摩尔工作于机械化定理与罗伯特柯在一些原则逻辑编程而闻名于世。在波基普西州的森罗切斯特和Herb Gelernter的IBM达特茅斯车间，继续研究人工智能很短的一段时间后。然而不久后，根据一本关于政府支持计算研究的报告，“尽管早期罗彻斯特和其他国际商用机器公司(IBM)人员研究过，但是公司在人工智能的研究在逐渐冷却。”8也许IBM希望人们重视电脑如何帮助，而不是可能会取代人们执行任务。麦卡锡说，国际商用机器公司(IBM)觉得人工智能9（机器和人一样聪明）对公司形象不太好这可能与公司形象口号“数据处理，而不是计算”10有关系。8.3 研究的历程 随着人工智能研究需要的计算机系统变得越来越大越多越贵，随着AI实验室的建立，必要的安全比财政的支持更重要。20世纪50年代晚期和60年代早期，两个主要的资金来源是美国国防部拨给美国海军研究(ONR)和高级研究计划局(ARPA)的一个部分。ONR 成立在第二次世界大战结束不久之后。其任务是“计划、培育和鼓励科学家拿出最重要的相关的认可技术来维修未来的海军力量和维护国家安全”。它的信息系统部门在20世纪50年代中期马歇尔的领导下建立的。这个分部机构支持有关AI的工作，还独自组织举办了人工智能控制论，光学字符，识别系统的研讨会。所有这些都在期待这些技术可以广泛应用在美国海军。(之后不久，马文支持我对人工智能的一些研究和写教科书)ARPA的成立，一部分是为了响应1957年苏联人造卫星的成功发射。ARPA的任务是大量的研究调查来寻找重要大的对美国国防部的攻击。20世纪50年代它的一个最重要的项目是弹道导弹的过程中锥型材料的吸收和散热。1962年，它的信息处理技术办公室(IPTO)在J. C. R Licklider (1915-1990)的领导下成立。“Lick”(他是由所有认识他的人取得)先在林肯实验室和麻省理工学院工作，之后又工作在BBN。1960年Lick的论文“人与电脑共生”提出利用人和电脑应该“在制定决策和控制预定的计划中没有固定依据的复杂情况进行合作”。11Lick被说服， 防御将是电脑中一个非常重要的角色特别是那些人和电脑工作在一起应用软件。在ARPA， 他提供的资金给麻省理工学院去建立项目MAC(Machine-Aided Cognition的缩写也肯可能是对人与计算机的运算或多址的认知)项目MAC，1963年7月成立的，后来成为了计算机实验室科学的发展趋向，并仍然的演变到计算机科学和人工智能实验室(CSAIL)。项目MAC也是明斯基和麦卡锡在人工智能的项目，也是在费尔南多领导的支持麻省理工学院兼容分时作业 (CTSS)。(CTSS工作是分离的分时作业项目。)ARPA基金是帮助计算机科学建立“卓越的中心”。除了麻省理工学院， 这些中心还包括卡内基美伦大学，斯坦福大学。ARPA的工作还支持计算机科学工作在兰德公司，系统开发公司， BBN等等。AI只是ARPA的利益之一。IPTO支持的图形用户界面和鼠标、高速计算，计算机硬件和超大规模集成电路的研究，或许最著名的研究就是互联网。根据Licklider介绍“ARPA预算不包括AI，直到1968年它才作为一个单独的项目进行预算。”12但对于AI而言，Lick相信纽尼尔和西门，明斯基，麦卡锡应当提供资金充足支持大AI的项目。关于斯坦福大学的这个情况（或许麻省理工学院和卡内基梅隆大学也有)，保罗爱德华兹解释说：13从ARPA实际上是出发，Licklider简单地问麦卡锡他想要的东西，然后递给他，一个大多数政府机构觉得不可思议的程序。Licklider回忆说“似乎是显而易见的，他应该有个ARPA支持的实验室，所以那个时候我和他写了合同。”麦卡锡记住了所有不同点。1962年到达斯坦福大学后不久，他给了Licklider一个去做AI的提议。在刚开始Licklider因为他们亲密关系第一时间反对麦卡锡的提议，当时麦卡锡在麻省理工学院，Licklider在BBN，但是随后Licklider给了他一个“小合同。”14也许相比那个时候的调查研究报告书它并非很“小”(美国国家科学基金会这样说)。莱斯热切主张麦卡锡“在1963年6月15日通过小型活动（六人以内）获得了高级研究计划局的资金支持”。后来，为了强调它在国防科研的作用，ARPA更名为DARPA(国防部高