Artificial intelligence 如何设计Eurisko

该项目由道格拉斯·勒纳特在70年代末和80年代开发。据称，它擅长学习一般模式和启发式，并能提高自身的性能。很自然，Lenat从未发布过源代码，也很少发布关于程序确切内部工作的信息。那么，如何设计像Eurisko这样的项目来代替官方解释呢？现在可用的哪些开源技术可能使实现更加实用？

事实上，Lenat在Eurisko上发表了相当多的文章（20年前我对此很感兴趣）。IIRC正确地说，他在人工智能文献中发表了许多论文，（这里有一篇关键文章：“为什么Eurisko看起来有效”

Eurisko基于他关于AM（“数学家”）的博士论文，你可以通过斯坦福大学

我先去看看这些：-}

---

我不知道“开源”，但我肯定会考虑使用Lisp（Lenat Dead）或Prolog（因为它具有良好的符号操作支持）。而Eurisko是关于符号计算的。

所有这些都来自过去的阅读，可能是由于某些人的错误。我记得，Eurisko是从赫伯特·西蒙（Herbert Simon）的博士后那里成长起来的，在博士后中，他决定将AM的推理能力与底层Lisp的推理能力隔离开来

因此，一篇论文描述了RLL，它可以说是编写发现程序的早期DSL，作为编写Eurisko的平台。我想我记得读过Lenat使Ken Haase可以看到Eurisko代码的一部分

我的观点是，如果仔细遵循所有关于Eurisko的文件，就有可能重建Eurisko，尽管可能有新的见解可以带来改进

总的来说，我认为关键的见解是与复杂适应系统相关的：反馈、衰退和过程。Eurisko和AM一样，使用议程机制来组织代理行为，并使用反馈来调整议程项目和衰退的优先级（Eurisko）

Eurisko有4个议程，每个议程在不同的空间中运行，但至关重要的是，共享相同的知识库。因此，从一个空间给出的反馈可能会使另一个空间中的议程项目超出“无聊”阈值，使该议程恢复生机

在那下面是在AM中首次看到的一个环： 找点事做 做吧 研究一下你刚才做了什么 环路

---

对我来说，这些关键点似乎意义深远，让我得以一瞥Eurisko之外的内容。

谢谢。当你发布这篇文章时，我实际上正在阅读这篇文章。这是一篇有趣的文章，但遗憾的是，它并没有对Eurisko的实现提供太多的说明。根据我的经验，学术论文很难替代源代码。我发现另一篇文章当然，你可以在cyc.com上给Doug Lenat发一封电子邮件（我不知道他的实际电子邮件地址）。我相信他会受宠若惊。不知道他是否有代码或是否会提供给你。更有趣的是，他会在回答中告诉你他为什么不继续工作：-}谷歌显示其他人要求代码。他们要么被忽略，要么被拒绝，要么被告知代码“丢失”.我想他从来没有明确说过他停止了这方面的工作。我听说Cyc是从他对Eurisko的研究中诞生的，所以他可能只是朝着另一个方向发展。无论如何，在阅读了更多他的论文后，Eurisko看起来本质上是一个泛型算法，带有额外的“元”修改第一个变异子和选择子以加快知识发现的遗传算法。对他是如何做到这一点仍然很好奇。CYC我认为这是对AM/Eurisko需要大量背景知识这一事实的回应。而CYC显然对其现有的事实基础进行了推断（通常在特定问题的特定事实背景下）我不认为CYC试图计算任何新的Huerics来解决问题。Ken Haase关于Cyrano的论文：