尽管机器学习取得了进步 但今天的人工智能挑战仍然与60年前一样

在人工智能的早期，计算机科学家试图在计算机中重建人类思维的各个方面。这就是科幻小说中的智力类型，即或多或少像我们一样思考的机器。毫无疑问，这种智能被称为可理解性。具有清晰度的计算机可用于探索我们如何推理，学习，判断，感知和执行脑力活动。

可懂度的早期研究集中于在计算机中对现实世界和思维的部分(来自认知科学家的领域)建模。当您考虑到这些实验是在60年前进行的时，这是非常了不起的。

早期的智力模型侧重于演绎推理以得出结论。这种类型的最早和最著名的AI程序之一是逻辑理论家，写于1956年，旨在模仿人类的解决问题的技能。逻辑理论家很快在《数学原理》第二章中证明了前52个定理中的38个定理，实际上改进了一个定理。首次清楚地表明，一台机器可以执行直到现在为止仍需要智能和创造力的任务。

不久，研究转向了另一种类型的思维，即归纳推理。归纳推理是科学家在检查数据并尝试提出假设进行解释时所使用的方法。为了研究归纳推理，研究人员基于在NASA实验室工作的科学家创建了一个认知模型，以帮助他们使用有机化学知识来识别有机分子。Dendral程序是人工智能第二功能(仪器)的第一个真实示例，该功能是完成归纳推理任务(在本例中为分子识别)的一组技术或算法。

Dendral之所以与众不同，是因为它还包含第一个知识库，即一组捕获科学家知识的if / then规则，可与认知模型一起使用。这种知识形式以后将称为专家系统。在一个程序中同时具有两种“智能”，计算机科学家就可以问：“是什么使某些科学家比其他科学家好得多?他们具有卓越的认知能力还是知识渊博?”