【Hacker News搬运】Cyc：历史被遗忘的人工智能项目

[hackernews]

Title: Cyc: History's Forgotten AI Project

Cyc：历史被遗忘的人工智能项目

Text:

hn link

Url: https://outsiderart.substack.com/p/cyc-historys-forgotten-ai-project

Cyc是一个人工智能项目，旨在构建一个包含数百万条目的知识库，以实现专家系统、自然语言理解和机器学习的新一代工作。该项目位于德克萨斯州奥斯汀市北六英里的一个不起眼的办公园区，由MCC的Cyc团队领导。Cyc的目的是编码人类推理的基础——常识知识，该项目已经产生了包含150万个概念和2500万个规则的语料库，这些规则为具有超过一千个专门子模块的推理引擎提供支持。该系统能够使用常识知识和深入的领域专业知识，从数千步的推理链中做出推论。Cyc的用户范围从俄亥俄州的一个研究医院到国家安全局。

尽管Cyc取得了令人印象深刻的成就，但它却被新一代的机器学习算法所遗忘，这些算法为今天的聊天机器人和自动驾驶汽车提供了动力。1983年，一群AI研究人员在斯坦福大学举行会议，讨论AI研究中的一个难题：如何为机器编程以获得常识。会议的组织者，斯坦福大学教授Doug Lenat，长期以来一直在思考这个问题。在20世纪70年代，他通过一系列展示出惊人智慧的程序而声名鹊起。第一个程序AM（"自动数学家"的缩写）被预先编程了一些基础数学知识，并被告知搜索“有趣”的定理。它找到了数百个定理，其中许多平凡，但其中一些却非常具有创造性；其中一个发现与数学奇才[斯里尼瓦萨·拉马努金](https://en.wikipedia.org/wiki/Srinivasa_Ramanujan)的工作相呼应。

然而，尽管取得了这些成就，Cyc在AI领域的影响却未能革命性地改变。尽管Cyc仍在继续发展其知识库，但人工智能领域正在发生根本性的变化。大多数专家系统在2000年代已经消失。使用深度学习的神经网络，一种基于在大量数据上训练的通用、不透明算法的统计机器学习，正在取得巨大的突破。这与Cyc的逻辑推理和精心构建的显式规则知识库形成了鲜明对比。然而，四十年来，Cyc仍然存在，拥有2500万个规则、150万个概念和超过一千个专门的推理引擎。Cycorp拥有50名技术人员，完全由其商业合同资助。尽管在AI社区中，Cyc的规则基础、符号方法越来越像是一个古董，但如果Cyc取得了开创性的突破，那么整个世界都应该听说过它。

Post by: iafisher

Comments:

gumby: This is a pretty good article.<p>I was one of the first hires on the Cyc project when it started at MCC and was at first responsible for the decision to abandon the Interlisp-D implementation and replace it with one I wrote on Symbolics machines.<p>Yes, back then one person could write the code base, which has long since grown and been ported off those machines. The KB is what matters anyway. I built it so different people could work on the kb simultaneously, which was unusual in those days, even though cloud computing was ubiquitous at PARC (where Doug had been working, and I had too).<p>Neurosymbolic approaches are pretty important and there’s good work going on in that area. I was back in that field myself until I got dragged away to work on the climate. But I’m not sure that manually curated KBs will make much of a difference beyond bootstrapping.

gumby: 这是一篇很好的文章<p> 当Cyc项目在MCC启动时，我是该项目的首批员工之一，最初我决定放弃Interlisp-D的实施，用我在Symbolics机器上写的一个来代替它<p> 是的，那时一个人就可以编写代码库，它早就发展起来并从这些机器上移植下来了。无论如何，知识库才是最重要的。我构建它是为了让不同的人可以同时在kb上工作，这在当时是不寻常的，尽管云计算在PARC无处不在（Doug一直在那里工作，我也在那里工作）<p> 神经象征方法是非常重要的，在这方面有很好的工作正在进行。我自己也回到了那个领域，直到我被拖去从事气候研究。但我不确定手动策划的KBs是否会在引导之外产生多大影响。

TrevorFSmith: Has Cyc been forgotten? Maybe it's unknown to tech startup hucksters who haven't studied AI in any real way but it's a well known project among both academic and informed industry folks.

TrevorFSmith: 赛克被遗忘了吗？也许它；科技初创公司的小贩们不知道；t以任何真实的方式研究人工智能；这是一个在学术界和业内人士中都很有名的项目。

toisanji: I would love to see a Cyc 2.0 modeled in the age of LLMs. I think it could be very powerful, especially to help deal with hallucinations. I would love to see a causality engine built with LLMs and Cyc. I wrote some notes on it before ChatGPT came out: <a href="https://blog.jtoy.net/understanding-cyc-the-ai-database/" rel="nofollow">https://blog.jtoy.net/understanding-cyc-the-ai-database/</a>

toisanji: 我很想看到Cyc2.0在LLM时代建模。我认为它可能非常强大，尤其是有助于处理幻觉。我很想看到一个用LLM和Cyc构建的因果关系引擎。在ChatGPT问世之前，我在上面写了一些笔记：<a href=“https://；&#x2F；blog.jtoy.net#xx2F；理解cyc人工智能数据库&#x2F”rel=“nofollow”>https://&#x2F；blog.jtoy.net&#x2F；理解cyc的ai数据库</一

mtraven: I worked on Cyc as a visiting student for a couple of summers; built some visualization tools to help people navigate around the complex graph. But I never was quite sold on the project, some tangential learnings here: <a href="https://hyperphor.com/ammdi/alpha-ontologist" rel="nofollow">https://hyperphor.com/ammdi/alpha-ontologist</a>

mtraven: 我在Cyc做了几个夏天的客座学生；构建了一些可视化工具来帮助人们在复杂的图形中导航。但我从来没有完全接受过这个项目，这里有一些切中要害的知识：<a href=“https://；&#x2F；hyperphor.com&#x2F，ammdi&#x2F：阿尔法个体学家”rel=“nofollow”>https://&#x2F；hyperphor.com&#x2F；ammdi；阿尔法个体学家</a>

shrubble: Back in the mid 1990s Cyc was giving away their Symbolics machines and I waffled on spending the $1500 in shipping to get them to me in Denver. In retrospect I should have, of course!

shrubble: 早在20世纪90年代中期，Cyc就在赠送他们的Symbolics机器，我就花了1500美元把它们送到丹佛的我手中。回想起来，我当然应该这么做！