费根鲍姆与雷迪获 1994 年图灵奖

背景

图灵奖（A.M. Turing Award）由美国计算机学会（ACM）颁发，用来表彰对计算技术作出贡献的研究者。1994 年的奖项同时授予两位研究者：一位让程序学会使用专家的知识，一位让机器听懂人连续说出的话^[1][2]。

获奖

ACM 将爱德华·费根鲍姆（Edward Feigenbaum）与拉吉·雷迪（Raj Reddy）列为 1994 年图灵奖的共同得主^[1]。获奖理由的原文是：「For pioneering the design and construction of large scale artificial intelligence systems, demonstrating the practical importance and potential commercial impact of artificial intelligence technology.」意思是表彰两人在大型人工智能系统的设计与建造上的开创性工作，以及他们展示了人工智能技术的实际重要性与潜在的商业影响^[1]。

这条理由里有两个关键词：规模与实用。奖项看重的不只是一个想法，而是把系统真正做出来、做到足够大、能够派上用场，并让人看到它在商业上的可能性^[1]。

费根鲍姆与专家系统

费根鲍姆被称为「专家系统之父」^[1]。专家系统是一类把人类专家的知识写成规则、再让程序依据这些规则推导结论的系统。它不追求通用地思考，而是在一个狭窄的领域里把判断做得像行家：医生怎样一步步缩小可能的病症，程序就按同样的路子走。

费根鲍姆领导了 Heuristic DENDRAL 项目，也领导了医学专家系统 MYCIN 的研制；EMYCIN 则是第一个可移植的通用专家系统「外壳」（shell）^[1]。外壳这个词点出了一种分工：推理机制与领域知识被分开了。推理的那部分保留下来，把知识库换成本领域的规则，就得到一个新的专家系统，不必从头写一套程序。正是这种分工，让同一套做法可以在不同领域里反复使用。

雷迪与连续语音识别

雷迪的开创性工作在于建造识别连续语音的系统。他开发的 Hearsay I 是第一个能够识别连续语音的系统，此后又出现了 Hearsay II、Harpy 和 Dragon^[2]。

连续语音之所以难，原因很直接：一个词一个词念出来时，词与词之间有清楚的边界；日常说话时这种停顿并不可靠，同一个音在不同词里也发得不一样。因此系统必须在同一时刻权衡大量可能的词序列，把声学证据和语法、语义放在一起，用来排除错误的候选。

雷迪的系统中还发展出了「黑板模型」（blackboard model），用来协调多个知识源，这一模型后来被应用人工智能的各个方面采用^[2]。它的做法是设一块共享的「黑板」：不同的知识源各自把局部结论写上去，再由控制部分决定下一步该由谁发言、该往哪个方向继续推理。没有任何一个部分独自握有完整答案，答案是从黑板上逐步累积出来的。

获奖时的身份

获奖时，费根鲍姆是斯坦福大学计算机科学教授，并且刚刚被任命为美国空军首席科学家（1994—1997）；雷迪则是卡内基梅隆大学机器人研究所的创始所长（1980—1992）^[1]。

影响

ACM 在介绍这两位得主时写道，他们共同是定义「应用人工智能」这一新兴领域的开创性领导者，并展示了这一领域的技术意义^[2]。1994 年的这届图灵奖表彰了两条不同的路线，它们面对的是同一个要求：系统要在真实条件下跑起来。一条路线把专家知识整理成程序可以执行的规则，并给出了可移植的外壳；另一条路线建起了权衡不确定证据、让多种知识协同工作的机制，留下了被应用人工智能广泛采用的黑板模型^[1][2]。