基于规则的程序

在基于规则的编程中，大量知识/信念被表示为一套将条件与动作联系起来的“如果—则”（IF—THEN）规则集：如果满足这个条件，则进行那个动作。这种形式的知识表示利用了形式逻辑[埃米尔·珀斯特（Emil Post）的“产生式”系统]。但是人工智能先驱艾伦·纽厄尔（Allen Newell）和赫伯特·西蒙（Herbert Simon，又名司马贺）通常认为它是人类心理学的基础。

条件和动作都可能很复杂，规定的内容可能是几个或多个命题的合取（或析取）。如果同时满足几个条件，则包含最多命题的合取被赋予优先级。所以，“如果目标是制作烤牛肉和约克郡布丁”将优先于“如果目标是制作烤牛肉”，而在条件中增加“和三种蔬菜”又优先于“如果目标是制作烤牛肉和约克郡布丁”。

基于规则的程序不提前规定每一步的顺序。相反，每条规则都在等待被其条件触发。尽管如此，这类系统可以用来做规划。如果不能做规划，那么它们在人工智能方面就只能发挥有限的作用。但是它们的规划方式不同于最古老、最为人们熟悉且最常用的编程形式（有时称为“执行控制”）。

在能进行执行控制的程序（如GPS和逻辑理论机，详见第1章）中，规划被明确表示。程序员按照严格的时间顺序，规定一个寻找目标的指令序列，指出哪一步该执行哪一条指令：“做这个，然后去做那个；然后看看X是否为真；如果是真，就做这个事；如果不是，就做那个事。”

“这个事”或“那个事”有时是一条设置某个目标或子目标的明确指令。例如，机器人如果有离开房间的目标，那么可能指示该机器人设置开门的子目标（原文如此）；接下来，如果检查门当前状态的结果显示门将被关闭，则设置抓握门把手的子次目标（人类蹒跚学步者可能需要更低级的子次目标——即让成年人抓住自己够不着的门把手，并且如果婴儿要做到这一点，可能需要在更低级别设定几个目标）。

基于规则的程序也可以用来解决如何逃离房间的问题。然而，规划层级不会被表示为按时间顺序排列的明确步骤，而是表示为构成系统的“IF—THEN”规则集合中所隐含的逻辑结构。某一条件可能要求已经建立了这样一个目标（IF你想打开门，而且你不够高）。同样，动作可以包括设置一个新目标或子目标（THEN找一个成人）。更低级的目标将自动激活（IF你想要求一些人做一些事，THEN设置接近他们的目标）。

当然，程序员必须列入相关的IF—THEN规则（上述案例中指的是涉及门和门把手的规则）。但是，他们不需要预期这些规则的所有潜在逻辑含义（这是一把“双刃剑”，因为潜在的不一致可能在很长一段时间都无法被发现）。

被激活的目标/子目标被贴在中央“黑板”上，可供整个系统访问。显示在黑板上的信息不仅包括被激活的目标，还包括感知输入和当前处理的其他方面（该想法不仅影响了一个意识神经心理学的前沿理论，还影响了以它为基础的意识人工智能模型，详见第6章）。

基于规则的程序广泛应用于20世纪70年代早期出现的先驱“专家系统”。这些系统包括：MYCIN系统——在人类医生鉴定感染性疾病和开抗生素药物时提建议；还有树枝状演算法（DENDRAL）——对有机化学中某一特定范围内的分子进行光谱分析。例如，做医疗分析的计算机咨询专家系统MYCIN，它的诊断方法是将症状/病人本身的身体状况（条件）与诊断结论/建议相匹配，以便继续检测或开处方（动作）。这些程序是人工智能远离“从一般化走向专门化之梦”的第一步，同时为实现埃达·洛夫莱斯的梦想迈出了第一步——机器制造科学之梦（见第1章）。

由于基于规则的知识表示，程序能够被逐步建立，因为程序员或者强人工智能系统本身可增加对域的了解。新规则可以随时添加。没有必要从头重新编写程序。但是有一个棘手的问题，即如果新规则与旧规则逻辑冲突，系统将不会总是做它应该做的事，甚至可能和它应该做的事相去甚远。在处理一小组规则时，这些逻辑冲突很容易被避免，但是如果系统较大，它们就很难被识破。

20世纪70年代，新IF—THEN规则在与人类专家不断对话的过程中得到，它们被要求解释自己的决定。今天，尽管许多规则不是来自有意识的内省，但这些规则更高效。现代专家系统（今天很少使用的术语）应用范围广，从大型科学研究和商业程序到手机上小的应用程序。由于受益于其他形式的知识表示，许多系统超过旧系统，如统计和专用视觉识别或大数据的使用（见第4章）。

在某些狭窄领域中，这些程序可以帮助甚至取代人类专家。有些超越了上述领域的世界翘楚。近四十年前，在诊断大豆疾病的时候，一个基于规则的系统比最权威的专家还准确。如今，用它来帮助科学、医学、法律甚至服装设计领域专业人士的例子不胜枚举（这不完全是好事，详见第7章）。