共同创立人工智能的决策理论家：赫伯特·西蒙的圣诞思维机器如何改变了一切

1956年1月。卡内基技术学院。一位39岁的教授——受过政治学训练，因主张没有人会优化任何事物而在经济学界已小有名气——在他的数学建模课上开场时说了一句本不该是真的话：在圣诞节期间，阿尔·纽厄尔和我发明了一台思维机器。

这台机器几乎不存在作为一台机器。在假期期间，西蒙、艾伦·纽厄尔和程序员克利夫·肖一起开发了逻辑理论家——在它首次在计算机上运行之前，他们进行了手动模拟：程序的子例程写在3×5的索引卡上，分发给西蒙的家人和学生，每个人执行一个组件的规则。一个思考机器，首次在人的身上运行。到那个夏天，它在硬件上运行，并在达特茅斯研讨会上展示——这个会议赋予了人工智能这个名称。

这个故事通常被归类为计算机历史。它同样属于决策科学——因为逻辑理论家并不是一个更快的计算器。它是西蒙的有限理性理论在代码中的实现：如果人类智能通过捷径和选择性搜索而不是穷举计算来运作，那么使用捷径和选择性搜索的机器也可以是智能的。西蒙在人工智能领域所做的一切都源于这一举动。

不该存在的简历

赫伯特·亚历山大·西蒙（1916–2001）于1943年在芝加哥获得政治学博士学位，1947年撰写了《行政行为》，探讨组织如何实际做出决策，并在卡内基梅隆大学工作了五十年，涉及经济学、心理学、计算机科学和科学哲学等领域。奖项展示了他的广泛成就：与艾伦·纽厄尔共同获得的1975年ACM图灵奖，以表彰他在人工智能和人类认知心理学方面的基础贡献；1978年诺贝尔经济学纪念奖，以表彰他在经济组织决策方面的开创性研究；1986年美国国家科学奖章。他仍然是为数不多的同时获得图灵奖和诺贝尔奖的人之一，他坚持认为这是一项单一的研究计划。

该程序：理解智能如何实际运作——在人、组织和机器中——在信息、计算和时间的真实限制下。理论部分让完美理性的经济人退役。工程部分提出了显而易见的下一个问题：如果智能是有限搜索，我们能否构建它？

逻辑理论家：快捷证明

逻辑理论家攻击了怀特海和拉塞尔的《数学原理》中的定理——这一世纪初的形式逻辑丰碑——并在第二章中证明了前52个中的38个。方法就是信息：它没有逐步推导每一个证明（那是当时硬件无法承受的粗暴力量），而是使用启发式方法选择有前景的路径，从目标向后推导，并在获得一个有效证明时停止，而不是寻找最佳证明。启发式搜索和满意化——西蒙的决策科学，以机器速度运行。

对于定理2.85，找到了比原始证明更优雅的证明。伯特兰·罗素当时已八十多岁，当西蒙写信告诉他这一消息时，他感到非常高兴。《符号逻辑杂志》则不那么容易被打动：它拒绝发表这一结果，认为对一个初等定理的新证明不值得发表——显然没有注意到其中一位作者是一个计算机程序。

通用问题求解器：无主题的策略

继任程序在您从《行政行为》的作者那里所期望的方向上更加雄心勃勃。通用问题求解器——首个版本于1957年运行，报告由纽厄尔、肖和西蒙于1959年发布——引入了手段-目标分析：测量当前状态与目标状态之间的差异，找到一个可以减少该差异的操作符，应用它，重复。通过缩小差距进行导航。

GPS的真正创新在于架构：它将问题解决的策略与问题的内容分开。只要给出状态和操作符的描述，同一个引擎就可以解决难题、证明或计划。这种分离——通用方法、可插拔领域——成为了人工智能的一个基础设计原则，而手段-目标分析在现代规划系统中仍然可以识别。

大声明：符号与搜索

在他们1976年的图灵奖讲座《计算机科学作为实证研究》中，纽厄尔和西蒙将二十年的工作提炼成该领域最著名的假设：物理符号系统具备进行一般智能行为的必要和充分手段。 思维操控符号；计算机操控符号；因此，经过适当编程，计算机可以智能地行动——而且不需要超出符号操控的任何东西。这成为了现在所称的符号人工智能或GOFAI的宪章。

他们还做了带有日期的预测，而这些日期是错误的。在他们1958年的Operations Research论文中，西蒙和纽厄尔预测，在十年内，数字计算机将成为世界国际象棋冠军，除非规则禁止它参赛。世界冠军在1997年被一台计算机夺得——比预测晚了39年，而不是十年。值得注意的是，这种错误的性质：机制（在没有机器能够穷举的空间中进行启发式搜索）是完全正确的；时间线却错了整整一代。这两个事实都应被记录在案。

深度学习难道没有证明西蒙错了吗？

这里是2026年读者提出的反对意见：现代人工智能不是符号性的。神经网络从数据中学习模式；没有人手动编写启发式规则；理查德·萨顿在2019年发表的有影响力的文章《苦涩的教训》看起来像是对西蒙整个方法的判决——七十年的人工智能历史表明，随着计算能力扩展的通用方法优于基于人类构建的领域知识的系统。

反对意见部分成立。强有力的象征性主张未能存活：事实证明，象征性并不足够，而70年代和80年代手工构建的知识程序正如萨顿所描述的那样停滞不前。西蒙的诚实叙述如此明确。但请阅读《苦涩的教训》的结论：能够扩展的两种方法家族是搜索和学习。启发式搜索是西蒙和纽厄尔对该领域的贡献，今天仍然活跃，从游戏树搜索到当前人工智能系统的深思熟虑推理循环。而深度网络所做的——识别从大量经验中积累的模式——与西蒙对专业知识的定义惊人地接近。强化学习，其创始人安德鲁·巴托和理查德·萨顿获得了2024年图灵奖（于2025年3月宣布），是在计算限制下的选择性试错搜索——这是西蒙会认同的研究项目。

所以评分卡被分开了，这种分裂是有启发性的：他所押注的架构失败了；而其背后的智能理论却获胜。机器并不是通过全面计算变得智能的。它们是通过有限的、启发式的、以识别为驱动的搜索变得智能的——这是西蒙将其职业生涯押注的主张。最近的研究从另一侧闭合了这个循环：2025年的研究发现大型语言模型本身表现出有限理性，以类人方式偏离博弈论的最优性，同时满意度被设计为模型对齐的期望水平约束。

西蒙在现代人工智能上的指纹

时间线：一位博学者的生活

从西蒙那里带入人工智能十年的东西

为任何与有限机器一起构建或做出决策的人提供的四个工作原则：

Argumentree 的适用范围

西蒙将人类和机器智能视为一个主题：在约束下搜索的有限代理。Argumentree建立在相同的前提上。人类论点和AI提取的论点汇聚在一个可检查的结构——树中——在这里推理是可见的，评分将稀缺的注意力引导到最强的观点上，记录作为组织记忆得以保留。

对于那些必须可审计AI使用的团队，姊妹产品AIAgentree将相同的理念扩展到机器推理本身——追踪AI系统如何得出结论，以西蒙希望看到的结构进行展示。

长赌注

西蒙的棋钟运行了四次，象征性的架构崩溃了，他共同创立的领域现在依赖于他未曾构建的方法。作为预言来评判，记录参差不齐。作为科学来评判，更为罕见：核心主张——无论智能发生在哪里，都是受识别引导的有限搜索——已经超越了用于测试它的每一种架构，包括他自己所构建的。

这就是为什么课堂上的句子在七十年后仍然有效。他并不是在宣布一个小工具。他是在宣布思维已经成为一门工程学科——为思想、为组织，现在也为机器。