1.2.2 第二阶段：形成时期（1957—1969年）

符号主义的最初工作由西蒙和纽厄尔在20世纪50年代开始推动。这一时期，研究者们发展了众多原理和理论（人工智能概念也随之得以扩展）并相继取得了一批显著的成果，如机器定理证明、通用问题求解程序、表处理语言等。

在10余年的时间里，早期的数字计算机被广泛应用于数学和自然语言领域，用于解决代数、几何和翻译问题。计算机的广泛使用让很多研究人员坚定了机器能够向人类智能趋近的信心。这一时期是人工智能发展的第一个高峰时期。研究人员表现出了极大的乐观态度，甚至预测当时之后的20年内人们将会建成一台可以完全模拟人类智能的机器。

这一时期也奠定了人工智能符号主义学派的基础。该学派的核心思想为，智能或认知就是对有意义的表示符号进行推导计算，也是一种对人类认知的初级模拟形式。符号就是人类借以表达客观世界的模式。任何一个模式，只要它能和其他模式相区别，它就是一个符号。不同的英文字母、数学符号以及汉字等都是不同的符号。

1958年，心理学家和计算机学家弗兰克·罗森布拉特（Frank Rosenblatt）继承控制论的联结主义方法之后，提出了感知机的概念，这在当时引发了一股研究热潮。后来，符号主义权威明斯基和西蒙通过对一种早期的人工神经网络模型——单层感知机进行分析，证明了当时的感知机模型不能实现异或操作，也就是不能解决非线性可分问题（一种数据分类问题），由此推断人工神经网络是没有未来的。

在纽厄尔和西蒙之后，美籍华人学者、洛克菲勒大学教授王浩在“自动定理证明”上获得了更大的成就。王浩是第一个研究人工智能的华人科学家、数理逻辑学家。1959年，王浩用他首创的“王氏算法”，在一台速度不高的IBM 704计算机上用了不到9min的时间，把数学史上视为里程碑的著作《数学原理》中全部（350条以上）的定理证明了一遍。

20世纪60年代，其他一些非主流的人工智能技术也在悄然而生。德国专家英戈·雷兴贝格（Ingo Rchenberg）和汉斯·保罗·施韦费尔（Hans Paul Schwefel）出于实际工程设计问题的需要，提出了基于达尔文进化论的进化策略，这是一种纯粹的数值优化算法，用以解决工程优化问题。这一行为实际上开启了基于进化论思想的进化计算领域的研究先河。

来自美国加利福尼亚大学伯克利分校的卢特菲·扎德（Lotif Zadeh）教授发表了论文《模糊集》，奠定了模糊数学理论和模糊逻辑基础。到20世纪80年代，研究人员基于该理论构建了成百上千的智能系统，它们被广泛应用于工业生产、家用电器、机器人等领域。

总之，20世纪60年代，为了模拟复杂的思考过程，研究人员主要试图通过研究通用的方法来解决广泛的问题。这个阶段，许多科学家针对人工智能各方面提出创新性的基础理论，例如，在知识表达、学习算法、人工神经网络等诸多方面都有新的理论出现。但是，由于早期的计算机性能有限，因此很多理论并未得以实现，但它们为20年后人工智能的实际应用指明了方向。这一时期的主要特点是符号主义学派超越了联结主义学派，主导人工智能领域的研究直到20世纪90年代中期。