·12 智能系统学报 第1卷 个模拟知觉和记忆的统一理论)，科学发现的心理学 如果：目标是因式分解x2+ax+b (BACON及其他程序) 那末：找2个整数c和d,使满足c+d=a, 文中仅介绍Simon他在人生的最后几年，在人 cXd=b: 工智能和认知心理学方面的众多研究方向中的2个 写下x2+ax+b=(x+c(x+. 研究方向例中学及多种表达(CaMeRa),本文 这个学习过程，后来成功地用基于解释的泛化 的笔者参加了这2个研究方向的工作】 学习(Explanationbased generalization,EBG)方 法⑧.列在THEO系统1上进行了模拟.下面是这 1 例中学(learning from examples) 个模拟所用的知识表达（由Prolog语言翻译成中 Newell,Show和Simon的“逻辑理论家(LT)” 文)： 始于1955年，完成于1956年.这是在宣布了人工智 1)目标概念（因式分解定义，因式分解是多项 能诞生的1956年6月Dartmouth研讨会上唯一的 式的乘积的逆运算)： 编了程序的AI实例)，LT对AI的主要贡献，除了 如果：x+d和(x+d的乘积是x2+a+b. LT本身以外，是启发式搜索2]和表处理语言（命名 那末：x2+ax+b的因式是(x+g和(x+d 为LPL(信息加工语言)四 2)领域知识(domain knowledge) 在1957年开发的通用问题解决者(GPS),他们 如果：己知整数c和d,满足c+d=a,cXd=b 给AI增加了手段目的分析方法.这个方法是从 那末：(x+d和(x+d的乘积是x2+ax+b 分析测试者在实验室执行问题求解任务时的口述报 3)实例 告中发现的 x2+5x+6的因式是(x+2)和(x+3) 在Newell和Simon1972年出版的《人类问题 THEO可以由此形成因式分解的产生式规则， 求解》一书中，他们申明人类问题求解的过程是调 它类似于人类被试学得的因式分解产生式规则山 用产生式（条件动作对）在问题空间中搜索从起点 Simon一直有一个想法，认为产生式的左边（条 到目标的通道的过程.同样，这也是从分析测试者的 件部分)是学习形成新产生式的更重要的部分，而这 口述报告中得来的.从这以后，产生式系统就成了 一点恰恰为很多老师和教材所忽略（他们通常过分 Simon,Newell(如Soarts)的问题求解系统，以及 强调了学生掌握产生式的右边，即动作部分). 许多其他问题求解系统（如John A Anderson的 1996年，朱新民、刘亦菲、Herbert Simon和朱 ACT-R)的核心组成部分 丹指出，通过呈现给学生仔细选择的排好解题步骤 早在1955年，当还在开发LT时，Simon就考 的例体和习题，能使学生注重学习产生式的条件部 虑了能够学习和编程序的程序，在产生式系统的框 分，抓住相关线索，忽略无关信息四 架下，学习，至少是技能的学习，意味着新的产生式 例如，在下面这两个题中，除了第一个条件外， 的建立.1978年，自适应产生式系统(APS),一种能 其余都非常相似， 够修改自身的产生式的产生式系统，被应用于计算 问题1如果A和B均浮在水上，A比B重 机学习解代数题 但B比A体积大，假如A所受的浮力为F(A),B 朱和Simon在1987年的试验，“提供了坚实的 所受的浮力为F(B),以下断言中哪一个正确？ 证据，表明了通过呈现给学生仔细选择的排好解题 A.F(A)>F(B) 步骤的例题和习题从而教会学生不同的数学技能的 B.F(A)=F(B) 可能性.这中间不需要老师的讲课或其他的直接指 C.F(A)<(B) 导方法州列 D.所给条件不足以做出判断！ 他们所用的例子之一是因式分解，对刚刚学了 问题2如果A和B全部浸没于水中，A比B 多项式乘法的初中生，指出因式分解是2个一次多 重，但B比A体积大，假如A所受的浮力为F 项式的乘积的逆运算，同时给出一个例子，x2+ (A),B所受的浮力为F。(B),以下断言中哪一个 5x+6=(x+2)(x+3),学生就能够学到新的产生 正确？ 式 E.F(A)>F(B) 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.http://www.cnki.net个模拟知觉和记忆的统一理论) ,科学发现的心理学 (BACON 及其他程序) . 文中仅介绍 Simon 他在人生的最后几年 ,在人 工智能和认知心理学方面的众多研究方向中的 2 个 研究方向 ———例中学及多种表达 (CaMeRa) . 本文 的笔者参加了这 2 个研究方向的工作. 1 例中学(learning from examples) Newell , Show 和 Simon 的“逻辑理论家(L T) ” 始于 1955 年 ,完成于 1956 年. 这是在宣布了人工智 能诞生的 1956 年 6 月 Dartmout h 研讨会上唯一的 编了程序的 AI 实例[1 ] ,L T 对 A I 的主要贡献 ,除了 L T 本身以外 ,是启发式搜索[2 ] 和表处理语言 (命名 为 L PL (信息加工语言) [1 ] . 在 1957 年开发的通用问题解决者( GPS) ,他们 给 AI 增加了手段 —目的分析方法. 这个方法是从 分析测试者在实验室执行问题求解任务时的口述报 告中发现的[3 ] . 在 Newell 和 Simon1972 年出版的《人类问题 求解》一书中[4 ] ,他们申明人类问题求解的过程是调 用产生式(条件 —动作对) 在问题空间中搜索从起点 到目标的通道的过程. 同样 ,这也是从分析测试者的 口述报告中得来的. 从这以后 ,产生式系统就成了 Simon ,Newell (如 Soar [ 5 ] ) 的问题求解系统 ,以及 许多其他问题求解系统 (如 John A Anderson 的 ACT - R) 的核心组成部分. 早在 1955 年 ,当还在开发 L T 时 ,Simon 就考 虑了能够学习和编程序的程序. 在产生式系统的框 架下 ,学习 ,至少是技能的学习 ,意味着新的产生式 的建立. 1978 年 ,自适应产生式系统(A PS) ,一种能 够修改自身的产生式的产生式系统 ,被应用于计算 机学习解代数题[ 6 ] . 朱和 Simon 在 1987 年的试验“, 提供了坚实的 证据 ,表明了通过呈现给学生仔细选择的排好解题 步骤的例题和习题从而教会学生不同的数学技能的 可能性. 这中间不需要老师的讲课或其他的直接指 导方法”[7 ] . 他们所用的例子之一是因式分解 ,对刚刚学了 多项式乘法的初中生 ,指出因式分解是 2 个一次多 项式的乘积的逆运算 ,同时给出一个例子 , x 2 + 5 x + 6 = ( x + 2) ( x + 3) ,学生就能够学到新的产生 式 : 如果 :目标是因式分解 x 2 + ax + b 那末 :找 2 个整数 c 和 d , 使满足 c + d = a , c ×d = b: 写下 x 2 + ax + b = ( x + c) ( x + d) . 这个学习过程 ,后来成功地用基于解释的泛化 学习 ( Explanation2based generalization , EB G) 方 法[8 - 9 ]在 T HEO 系统[ 10 ] 上进行了模拟. 下面是这 个模拟所用的知识表达 (由 Prolog 语言翻译成中 文) : 1) 目标概念 (因式分解定义 , 因式分解是多项 式的乘积的逆运算) : 如果 :( x + c) 和( x + d) 的乘积是 x 2 + a + b, 那末 : x 2 + ax + b的因式是( x + c) 和( x + d) . 2) 领域知识(domain knowledge) 如果 :已知整数 c 和 d ,满足 c + d = a , c ×d = b. 那末 :( x + c) 和( x + d) 的乘积是 x 2 + ax + b. 3) 实例 x 2 + 5 x + 6 的因式是( x + 2) 和( x + 3) . T HEO 可以由此形成因式分解的产生式规则 , 它类似于人类被试学得的因式分解产生式规则[11 ] . Simon 一直有一个想法 ,认为产生式的左边(条 件部分) 是学习形成新产生式的更重要的部分 ,而这 一点恰恰为很多老师和教材所忽略 (他们通常过分 强调了学生掌握产生式的右边 ,即动作部分) . 1996 年 ,朱新民、刘亦菲、Herbert Simon 和朱 丹指出 ,通过呈现给学生仔细选择的排好解题步骤 的例体和习题 ,能使学生注重学习产生式的条件部 分 ,抓住相关线索 ,忽略无关信息[12 ] . 例如 ,在下面这两个题中 ,除了第一个条件外 , 其余都非常相似. 问题 1 如果 A 和 B 均浮在水上 , A 比 B 重 , 但 B 比 A 体积大 ,假如 A 所受的浮力为 Fb ( A) , B 所受的浮力为 Fb ( B) , 以下断言中哪一个正确 ? A. Fb ( A) > Fb ( B) ; B. Fb ( A) = Fb ( B) ; C. Fb ( A) < Fb ( B) ; D. 所给条件不足以做出判断. 问题 2 如果 A 和 B 全部浸没于水中 , A 比 B 重 ,但 B 比 A 体积大 , 假如 A 所受的浮力为 Fb ( A) , B 所受的浮力为 Fb ( B) , 以下断言中哪一个 正确 ? E. Fb ( A) > Fb ( B) ; · 21 · 智 能 系 统 学 报 第 1 卷