在前幾章的閱讀中，可能碰到了一些讓你撓頭的難題。設(shè)想一下，如果你遇見了一個(gè)問題，并且不知道應(yīng)該怎樣解決，這時(shí)候你會(huì)怎么辦？

很長時(shí)間以來人們就在設(shè)法回答這個(gè)問題。從某種意義上來說，這也是人工智能研究的一個(gè)核心問題。

比爾·蓋茨以及微軟公司的幾乎每一位員工一直以來都抱有開發(fā)人工智能的夢想，他們希望通過編程讓機(jī)器能夠思考、判斷，并像人類一樣去解決問題。研究人工智能的一個(gè)傳統(tǒng)方法就是研究人類解決問題的方法。如果你能夠了解人是怎樣解決問題的，并能夠得到足夠多的、有步驟的細(xì)節(jié)，就可以通過編程讓計(jì)算機(jī)來做同樣的事情。

那些擅長解決問題的人是怎樣做的呢？逸事傳說的描述并不是總能夠給我們帶來啟發(fā)，天才們解決問題的方法有時(shí)候?qū)λ麄冏约簛碚f都是一個(gè)謎。物理學(xué)家默里·蓋爾－曼在加州理工學(xué)院上課時(shí)常常向?qū)W生演示他的同事理查德·費(fèi)恩曼解決問題的方法。蓋爾－曼會(huì)在黑板上寫下一個(gè)復(fù)雜的問題，默默地看上幾分鐘，然后上去寫下正確的答案。蓋爾－曼認(rèn)為費(fèi)恩曼這樣的天才和他解決問題的創(chuàng)造性過程是很難用語言描述出來的。就像路易斯·阿姆斯特朗所說：“如果你必須要知道‘它是什么’，你永遠(yuǎn)也不能得知?！?/p>

尤其讓人不解的是，解決問題的某些階段幾乎沒有什么邏輯性的東西。有難度的問題通常是通過偶得的靈感和洞察力解決的。一會(huì)兒還是稀里糊涂，一會(huì)兒靈感卻又會(huì)蹦進(jìn)你的腦海，兩者之間往往并沒有什么可以用語言進(jìn)行描述的邏輯步驟。

人們在人工智能研究中經(jīng)常使用一些智力題和游戲。與現(xiàn)實(shí)世界的復(fù)雜問題相比，這些問題和游戲更為簡單，定義更為明確，但它們也包含了解決現(xiàn)實(shí)問題所需的邏輯、洞察力和靈感。微軟公司有很多人特別熱衷于人工智能的研究。這一點(diǎn)就有助于解釋一個(gè)或許讓讀者感到詫異的問題——為什么微軟會(huì)非常自信地認(rèn)為小小的“愚蠢”智力題會(huì)對現(xiàn)實(shí)世界產(chǎn)生影響。

解空間和 “零線索”高原

博學(xué)多才的經(jīng)濟(jì)學(xué)家赫伯特·西蒙是現(xiàn)代研究問題解決的“教父”。作為1978年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)的獲得者，西蒙職業(yè)生涯的大多數(shù)時(shí)間都是在卡內(nèi)基梅隆大學(xué)度過的，這是一個(gè)在計(jì)算機(jī)和機(jī)器人編程領(lǐng)域處于領(lǐng)先地位的大學(xué)。西蒙是他同時(shí)代應(yīng)用計(jì)算機(jī)進(jìn)行經(jīng)濟(jì)研究的經(jīng)濟(jì)學(xué)家之一。

西蒙對計(jì)算機(jī)如此著迷，于是他開始研究人類解決問題的方式，期望借鑒人類解決問題的方式來為計(jì)算機(jī)編程，使計(jì)算機(jī)能夠完成類似的任務(wù)。在1972年編寫的《人類的解題方式》一書中，西蒙和同事艾倫·紐厄爾發(fā)表了一項(xiàng)研究的結(jié)果，這項(xiàng)研究對許多志愿者進(jìn)行了很多數(shù)字和文字智力題測試。后來他又試圖在1987年發(fā)表的《科學(xué)發(fā)現(xiàn)》中通過歷史回顧對許多著名科學(xué)突破背后的個(gè)人推理進(jìn)行重新研究。