02 · AI 在解什么问题

⏱ 34 分钟 ｜ ⭐⭐ 一条主线：知识写进规则里去搜，还是从数据里学出来

🎯 一句话

AI 从第一天起就有两条路 —— 把知识写成符号和规则、在规则的空间里搜；或者给一堆数据、让机器把规律拟合出来。全站另外 13 个板块走的是第二条，这个板块补的是第一条。

这一章不是历史课。每一段都会落到同一个问题上：这决定了后面几章怎么写代码。

🧭 一、先把「AI 是什么」问清楚：四个象限

「人工智能」有四种完全不同的定义方式，取决于你在两个轴上怎么选：拿人当标准还是拿理性当标准，管思考过程还是只管行为结果。

四格不是文字游戏，每一格通向一套不同的做法，也各有各的死结：

⭐ 本板块和大部分现代 AI 教材都选右下角：理性地行动。 理由很实际：只有这一格能被写成一个可求解的问题 —— 给我一个得分标准、一个环境、 一组能做的动作，我就能开始写算法；而「像人思考」连成功的判据都定不下来。

⚠️ 理性 ≠ 全知，也 ≠ 完美。 理性只要求「拿手上有的信息，做期望得分最高的那个动作」， 所以一个理性的 agent 完全可能倒霉踩坑。⭐ 理性评价的是决策过程，不是结果。 第 4 章会反复用到这一条。

🎭 二、图灵测试，和它为什么被批评

1950 年图灵提出：别争「机器能不能思考」了，换个能操作的问题 —— 隔着打字机聊天，人分不出对面是人还是机器就算过关。 他预测 20 世纪末能做到。

1966 年的 ELIZA 只有几十条模式匹配规则，就是把你的话改写成反问句。 「我妈妈病了」→「她病了多久了」，看着很像个心理咨询师。但换个词就露馅：

来访者：麻烦的是，我妈妈是爱尔兰人。 医生：她是爱尔兰人多久了？

💀 真实发生过的事：有人对着 ELIZA 聊了很久，坚信自己在跟一位同事对话，还留下「请打 491-1850 找我」。 ELIZA 一点都不聪明，它只是发现了这个指标的漏洞。

⭐ 这就是图灵测试最大的问题：目标定成「让人分不出来」，而这件事有大量廉价捷径 —— 装作打字慢、故意算错算术、把问题反弹回去。一旦指标变成目标，它就不再是好指标。 《模型上线之后》15 · 长期效应与代理指标 里的「代理指标被刷爆」和 ELIZA 是同一件事，隔了 60 年。

三类经久不衰的批评

中文房间一句话：屋里的人不懂中文，靠一本规则手册把递进来的中文符号换成另一串递出去 —— 屋外看他「会中文」，他自己什么都不懂，所以 Searle 说操作符号 ≠ 理解。 ⚠️ 争论四十多年没结论，但它对工程几乎没有影响：不管理不理解， 「能不能在规定的性能度量下解出问题」是可以直接测的。 ⭐ 这是选「理性地行动」的第二个理由 —— 它把不可判定的哲学问题绕开了。

⚔️ 三、符号主义 vs 联结主义（本板块的定位所在）

这是全章最重要的一节，也是这个板块和全站另外 13 个板块的分界线。先给直觉，教计算机认猫的两条路：

• 符号主义：把知识写进去。「尖耳朵 ∧ 有胡须 ∧ 四条腿 → 猫」。机器负责在符号和规则的组合空间里搜索。
• 联结主义：给它十万张猫的照片，自己调几百万个参数。知识长在数据里，人只给结构和损失函数，机器负责把损失降下去。

⭐⭐ 两边不是竞争关系，是分工关系。规则明确的地方用搜索，规则说不清的地方用学习。 你手机里的导航是 A* 的变种不是神经网络；排课排考是 CSP；顶级国际象棋引擎的底座至今仍是 α-β 剪枝。 这些问题的规则百分之百已知，没有任何理由去「学」。

两条路线的节奏

⭐⭐ 但「联结主义赢了」只在「规则说不清」的那类问题上成立。 专家系统失败的原因不是「符号方法不行」，而是有人硬拿符号方法去解规则说不清的问题（怎么看 X 光片、怎么判断一句话什么意思）； 今天有人拿神经网络去解已经有精确解法的问题，是同一个错误的镜像。

⭐ 一句话判据：这个任务的规则，你能不能写下来？ 能写下来 → 搜索（本板块）。写不下来但有数据 → 学习（其他板块）。 两样都没有 → 先想办法把它变成前两者之一，这通常才是真正的工作。

🔨 四、纸上推一遍：井字棋的两条路

下面这个局面轮到 ✕ 走（✕ 和 ◯ 各两子）：

符号主义怎么做：一步都不用猜，全部枚举。

1. ◯ 已经在列 2 占了行 1 和行 2，只要下到「行3 列2」就连成三个 —— ◯ 下一步就赢。
2. ✕ 有没有一步就赢的？两个 ✕ 在「行1列1」和「行3列3」，那条对角线中间被 ◯ 占了 —— 没有。
3. 于是逐个试 ✕ 的 5 个空格，每次让对手走最好的应手，一直推到分出胜负：

⭐ 答案是「行3 列2」，而且它是被证明出来的，不是估出来的 —— 没有数据、没有训练、没有概率，只有穷举加比较。

联结主义怎么做：拿几十万局人类对局训个网络，输入 9 格输出 9 个概率。它大概率也给「行3 列2」最高分，但 ⚠️ 只能给概率、给不了「必输/必和」这种保证；⚠️ 你问不出理由；⚠️ 换成 4×4 棋盘它完全作废，而搜索改一个常数就能用。

⭐ 决定性的一个数字：井字棋从空盘出发能到达的合法局面一共只有 5478 个（其中 958 个是终局）。下面这段代码在普通笔记本上瞬间数完：

# 数一数井字棋从空盘出发到底有多少个可达局面
LINES = [(0,1,2),(3,4,5),(6,7,8),(0,3,6),(1,4,7),(2,5,8),(0,4,8),(2,4,6)]
win = lambda b: any(b[a] and b[a] == b[c] == b[d] for a, c, d in LINES)

seen = set()
def walk(b, turn):
    if tuple(b) in seen:            # ⭐ 同一局面可由不同顺序走出，只算一次
        return
    seen.add(tuple(b))
    if win(b) or all(b):            # 分出胜负或下满 = 终局，不再展开
        return
    for i in range(9):
        if not b[i]:
            b[i] = turn
            walk(b, 'O' if turn == 'X' else 'X')
            b[i] = ''               # ⭐ 回溯：试完这一步要把棋盘还原

walk([''] * 9, 'X')
print(len(seen), sum(1 for b in seen if win(b) or all(b)))   # 5478 958

⭐ 在 5478 这个规模上用机器学习是纯粹的浪费 —— 全枚举更快更准，而且给的是保证不是概率。 本板块接下来所有章节做的事本质上是同一件：当局面数从 5478 涨到 10⁴⁰ 时，怎么还能把答案找出来。

🧱 五、于是这个板块要立三条规矩

🔗 这一章连到哪里

✅ 检查点

1. 定义 AI 的四个象限是按哪两个轴分的？本板块选哪一格，为什么选它？
2. 「理性」和「全知」的区别是什么？一个理性的 agent 会不会做出事后看很糟的选择？
3. ELIZA 用的是什么技术？它在哪里露馅？该从它身上学到的一句话是什么？
4. Brooks 1991 那条批评说的是什么、逼出了哪一类 agent？为什么说中文房间「对工程几乎没有影响」？
5. 符号主义和联结主义的核心动作分别是什么？在「要不要数据」「能不能解释」「出错怎么改」这三项上各是什么区别？
6. 1969 年发生了什么、后果是什么？专家系统撞上的瓶颈叫什么？
7. 「联结主义赢了」在什么范围内成立、什么范围内不成立？举两个今天仍在用符号方法的实际系统。
8. 井字棋那个局面里 ✕ 该下哪、其余四格结局是什么？可达合法局面共多少个，这个数字支撑了什么结论？

🛑 可以停在这里

⚡ 走神救援

⭐⭐ 这一章只做一件事：把这个板块在全站的位置钉死。 定义 AI 有四个象限，两轴是以人 vs 以理性为标准、管思考过程 vs 只管行为结果：像人思考（难证伪）、像人行动（图灵测试，⚠️ 目标变成「骗过人」而骗人有捷径）、理性思考（⚠️「知道该做什么」和「来得及算出来」是两回事）、⭐ 理性行动（性能度量 + 环境 + 动作集，然后求解）。本板块选右下角，因为只有这一格能写成可求解的问题。⚠️ 理性 ≠ 全知 —— 理性 agent 完全可能踩坑死掉，理性评价的是决策过程不是结果。图灵测试（1950）被 ELIZA（1966，几十条模式匹配规则）打脸：「我妈妈是爱尔兰人」→「她是爱尔兰人多久了」立刻露馅。⭐ 教训是指标一旦成为目标就不再是好指标，和《模型上线之后》15 章的代理指标隔了 60 年是同一件事。三类批评里最重要的是 Brooks 1991「重心放错了」 —— 抽象推理容易、低层感知行动才难，它逼出了第 4 章的反应式 agent；中文房间（操作符号 ≠ 理解）⚠️ 四十年没结论但对工程没影响。⭐⭐ 全章主线是符号主义 vs 联结主义：一个把知识写进规则里去搜，一个从数据里把规律拟合出来。核心动作是搜索 vs 降损失；符号主义不要数据不要 GPU、整条路径能打印出来、出错改一条规则（局部），联结主义两样都要、只能事后归因、改动全局；前者怕组合爆炸，后者怕没见过的输入。历史上两个转折点：1969 年 Minsky 与 Papert 指出单层感知机连异或都解不了，💀 联结主义资金断流近二十年；1980s 专家系统撞上知识获取瓶颈（⚠️ 专家说不清自己怎么判断的），此后 1986 反向传播、2012 AlexNet、2017 Transformer 一路压过来。⭐⭐ 但「联结主义赢了」只在「规则说不清」的问题上成立：导航是 A* 变种、排课排考是 CSP、顶级棋类引擎底座仍是 α-β。专家系统的失败是硬拿符号方法去解规则说不清的问题；今天拿神经网络去解已有精确解法的问题是同一个错误的镜像。 ⭐ 判据：这个任务的规则你能不能写下来？ 能 → 搜索；写不下来但有数据 → 学习。井字棋手推：✕ 只有下行3 列2能守和（0），另外四格全是 −1 必输，五个数字都是把整棵树跑到底证出来的；⭐ 可达合法局面总共只有 5478 个（958 终局），二十行代码瞬间数完 —— 这个规模上用学习是纯粹的浪费。本板块接下来都在解：局面数涨到 10⁴⁰ 时怎么还能找出答案。

下一节 👉 03-任务环境.md