符號人工智慧（symbolic AI）
/ sim-BOL-ik AY-EYE /
符號人工智慧是讓機器變聰明的最早、自上而下的路子：把人類知識明明白白地寫成符號和規則，再讓電腦用邏輯去操弄它們。假如你想讓系統對家譜進行推理，你就會寫下這樣的規則：「若X是Y的父母，且Y是Z的父母，則X是Z的祖父母。」在這種觀點裡，智能就是按照清晰規則，小心翼翼地擺弄有意義的符號——很像解一道邏輯謎題，或者做代數。
從1950年代到1980年代，這都是主導範式，它帶來了邏輯定理證明器、規劃器和專家系統。它最大的長處是透明：因為每一步都遵循一條寫明的規則，你可以讀出系統的推理過程，清清楚楚看到它為什麼得出這個結論。它還能優雅地處理那些界定清晰的領域——西洋棋、形式邏輯、排程——而無需堆積如山的訓練資料。
它最大的短處則是這個亂糟糟的真實世界。要為人類所知的一切手寫規則，結果難得不可思議：單是常識就有數以十億計、從未明說的事實，而當現實不肯落入整齊的格子時，規則又脆弱不堪。符號人工智慧在感知上（那是貓還是狐狸？）以及在那些模糊到寫不下來的知識上，都舉步維艱。現代AI轉向了相反的方向，去從資料中學習規律（即聯結主義）。不過二者並非冤家——當下許多研究正試圖把符號的可讀性與學習的靈活性結合起來，這條路被稱為神經符號AI。
一個符號式的醫療助手可能持有這樣的規則：「若病人發燒、且頸部僵硬、且出現皮疹，則懷疑腦膜炎並建議緊急檢查。」你能讀懂它、核對它，還能拿它和醫師爭論——但每一條這樣的規則都得有人手寫，而規則沒說的，系統便一無所知。
符號人工智慧用人類可讀的規則進行推理——強大、透明，但一出手寫知識的範圍便很脆弱。
符號人工智慧常被戲稱為GOFAI（「好的老式人工智慧」）。它並沒有「失敗」——它在邏輯與結構化推理上極為出色——只是無法擴展到日常感知中那些雜亂、未明說的知識，而那正是「從資料中學習」接手之處。