• 自第二次世界大战起,以及计算机时代的来临,人们迎接挑战,试图让计算机可以博弈,掌握复杂的棋类游戏,在此过程中,计算机科学取得了巨大的进步,编程技术的熟练程度也日臻完美。一些计算机博弈的例子,包括国际象棋、跳棋、围棋和奥赛罗,均受益于对人工智能的深度理解及其方法的应用。

    博弈激起了人们对人工智能的兴趣,促进了人工智能的发展。1959年,亚瑟·塞缪尔(Arthur Samuel)在跳棋博弈方面的著作是早期工作的一个亮点。他的程序基于50张策略表格,用于与不同版本的自身进行博弈。在一系列比赛中失败的程序将采用获得胜利的程序的策略。这一程序使用强跳棋进行博弈,却从未掌握如何博弈。

    20世纪70年代,计算机国际象棋程序稳步前进,直到70年代末,程序达到了专家级别(相当于国际象棋锦标赛棋手的前1%)。1983年,肯·汤普森(Ken Thompson)的Belle是第一个正式获得大师级水平的程序。随后,来自卡内基梅隆大学的Hitech也获得了成功,同时,作为第一个特级大师级(超过2400分)的程序,这也成了一个重要的里程碑。

    人们对某些领域的研究几乎与人工智能本身的历史一样长,专家系统就是其中之一。这是在人工智能领域可以宣称获得巨大成功的一门学科。专家系统具有许多特性,这使得它适合于人工智能研究和开发。这些特性包括了知识库与推理机的分离,系统知识超过了任何专家或所有专家的总和,知识与搜索技术的关系,推理以及不确定性。

    最早也是最常提及的系统之一是使用启发法的DENDRAL。建立这个系统的目的是基于质谱图鉴定未知的化合物。DENDRAL是斯坦福大学开发的,目的是对火星土壤进行化学分析。这是最早的系统之一,表明了编码特定学科领域专家知识的可行性。

    此外,许多专家系统外壳,例如Emycin、OPS、EXSYS和CLIPS 5已经成为工业标准。人们也开发出了众多知识表示语言。68e331b8-40ed-4b57-9e4a-2ca1457ccb63-image.png