我和可拓学的缘分

——可拓智能甄别系统研究背景1

2002年，源于对“甄别”一词的好奇，我自愿加入了成都信息工程大学原信息统计教研室主任曾鸿教授主持的一个来自国家统计局的科研选题——信息甄别课题组。

那时我正在电子科技大学进修计算机科学与工程专业硕士研究生课程，对当时处于计算机学科前沿的人工智能领域的研究，特别是专家系统很感兴趣。

其实，早在上个世纪70年代末，也就是1979年9月，美国斯坦福研究所原人工智能实验室主任拉菲尔（Bertram Raphael）博士应中国科学院沈阳自动化研究所邀请讲学时就宣称，当时国际人工智能领域已形成了计算机、心理学和仿生学三大学派：

人工智能伴随着计算机的发展而出现，其一般目的就是为了使计算机变得更“聪明”一些，使它所控制的机器更加有用；

心理学学派主要关注对人的思考过程的模拟，又称认知模拟（Cognitive Simulation）；

而仿生学派（Bionics）则主要聚焦在人的神经元结构、机理的研究和模拟。

人工智能在很长一段时间关注的主要理论问题包括但不限于：知识的表达(谓词演算,语义网络,程序,规则系统,框架)；启发式程序(列举给定条件和结果,由演绎和搜索找解答)；规划(求解的规则)；感知(图像与语言识别)；推理,归纳和学习(用旧的知识得出新的知识)；程序语言和工具(表格语言)。其中,最受重视的关键问题就是知识的表达。

而对上述问题研究，最初想要实现的实际目标大概分为五种：一是进行定理证明、二是专家系统；三是视觉；四是自然语言理解；五是工业自动化和自动程序。其中，专家系统是当时课题组构建智能甄别系统的重要基础之一。

而后，我们在信息甄别课题研究过程中慢慢发现：专家系统虽然一开始会让人心潮澎湃，但只要尝试将其应用到某个实际领域（比如统计数据质量甄别）时会发现其有一些局限，比如知识库建设受制于人类专家的自然智能水平，以及知识表达、机器学习和推理能力不足等。

当时专家系统核心组成部分——知识库中知识的源头之一是自然存储在人类专家头脑中的隐形知识，如果没有及时激活、提取和形式化为显性知识，就会伴随着这些人类专家生命的终结而消逝。

因此，当时遇到的第一个技术难点就是如何及时激活、提取并形式化（表达）人类专家头脑中的隐形知识。