Schank的系统的问题是，使用它们就像和视频播放器的对话。你得到的感觉，无论你说什么，响应以前记录 - 像一个垃圾白天电视节目。
当然，HAL可以清楚地做Schank的系统不能做的事情：HAL是好奇的。 HAL可以学习。 HAL可以创建自己的计划。令人怀疑的是，编入HAL的案例之一是消除船员的食谱。
近二十年来，另一位AI研究员Doug Lenat一直在研究一种不同的教学计算机来学习和理解的方法。 Lenat说：“几乎所有我们将被称为HAL的东西，几乎所有将HAL与运行Windows 95的典型PC分开的东西都围绕着这个词”理解“。 “它围绕着我们人类作为一种物种拥有的共同知识和常识以及共同知识的总体。
正如Lenat看到的，HAL和你的电脑之间的差异不是一个神奇的程序或技术，而是一个巨大的“知识库”充满了拇指的规则或启发式，关于世界。一个条目可能是：“当你睡觉时，你不能执行需要控制的动作，”Lenat说。另一个可能是：“一旦你死了，你就死了。
HAL需要这样的事实来运行船舶和照顾船员。当他们开始危害探索的使命时，他需要他们找出如何处置人类。
今天，世界上只有一个常识数据库。它是Cyc，核心技术用于Lenat公司的产品，Cycorp，总部设在德克萨斯州奥斯汀。 Lenat和他的同事开发人员已经工作了13年多。知识库现在包含超过200万位的断言。所有的信息被安排在一个复杂的本体。
现在，Lenat说，Cyc正在自然语言理解方面取得进展 - 它可以理解书面文本中的常识。考虑这两句话：“弗雷德看到飞机飞越苏黎世”和“弗雷德看到了飞越苏黎世的山脉。虽然一个传统的解析器会说这些句子是模糊的，但Cyc知道它是在第一句话中飞行的飞机和在第二句中飞行的Fred。
Cyc可以做出这些鉴别，因为词“plane”和“mountains”不仅仅是复数名词：它们是具有许多关联的复杂概念。 Lenat认为，这是对HAL大部分工作所必需的深刻理解。 Lenat认为，这只是从Cyc样数据库到真正的机器智能的一小步。
“Cyc已经是自我意识，”Lenat说。 “如果你问它是什么，它知道它是一台电脑，如果你问我们是谁，它知道我们是用户，它知道它是在一定的机器在一定的时间在某个地方运行。它知道谁在和它交谈，它知道一个对话或一个赢咖4平台的运行正在发生，它具有与你和我一样的时间感。
这不仅仅是简单地编程计算机说“我是一台计算机”。 Cyc知道什么是计算机，并且可以使用该知识来回答关于自身的问题。像一个人，Cyc可以执行一连串的推理。
但是Cyc不能自己学习。 Len知识库中的所有启发式算法都是由Lenat的开发者或者称为“本体论者”的开发者精心打造的。
Lenat的梦想一直是创造一个可以自己学习的计算机程序。他的博士论文是一个名为AM - 自动数学家的程序 - 它的目的是发现数学模式。数百次运行，AM发现加法，乘法，甚至素数。但程序总是停止工作几个小时后。为什么？ AM通过对自身进行实验性修改并保持有趣的突变而学习。不可避免地，在程序中重要的事情被修改了不存在。这教导了Lenat，必须更多的学习而不是试验和错误。
Lenat开始了Cyc项目，试图摆脱无聊的抽象数学世界。立即他有一个问题：系统不能了解一般的世界，因为有太多，它不知道。这是Lenat通过赋予Cyc对世界的概念性理解而得到“启动泵”的想法的地方。一旦这个框架足够大，Lenat推理说，计算机将能够自己开始学习 - 例如，通过阅读和对话。
那么Lenat认为需要多少启动呢？ 1983年，Lenat相信，需要10年的工作，让Cyc到一个点，它可以开始自己学习英语，无人监管。今天，“我想说，我们将在2001年到达那里，”Lenat说。 “我们认为我们正处在曲线的拐角处。 Lenat说，如果他是对的，那么到2001年，Cyc计划将开始成为一个“一个成熟的创意成员，出现新的发现。惊人的发现。
底线：了解是AI的关键。更重要的是，这是一种技术，逃避科学。真正理解，所有其他AI系统将落到实处。没有它，他们都不会实现自己的潜力。给它10到30年。
底部底线
在2001年制作后的几年里，一个有趣的谣言开始传播：HAL的名字是电脑制造商IBM的一个戏剧 - 字母H，A和L每个字母在字母表中的一个字母之前的字母I，B和阿瑟·克拉克强烈否认了谣言。这个名字不是IBM的游戏 - 这是一个首字母缩略词，代表了“启发式算法”这个词。
早在20世纪60年代，启发式和算法被认为是解决AI谜题的两种竞争方式。启发式是简单的经验法则，计算机可以应用于解决问题。算法是直接的解决方案。 HAL可能使用两者。
是克拉克吗？也许不止一点。真正的真相是，没有人有一个线索如何在20世纪60年代建立一个智能计算机。今天也是如此。
回顾过去，赢咖4的早期进步 - 例如，教计算机玩tic-tac-toe和象棋 - 主要是在教电脑本质上是人工技能的成功。人类被教如何下棋。如果你能教别人如何做一些智力，你也可以编写一个计算机程序来做。
今天困扰AI的问题是我们无法编程计算机做的任务 - 主要是因为我们不知道我们如何做自己。我们对人类意识的本质缺乏理解是为什么有这么少AI研究人员在建设它的原因。思考是什么意思？没人知道。
“我认为HAL所需的硬件是可用的，”斯坦福大学的David Stork说。 “这是组织，软件，结构，编程和学习，我们没有权利。
这是很多东西。这是一个戏剧性的意识形态的逆转，从20世纪60年代，当AI研究人员确定解决方案的最令人烦恼的心理问题就在拐角处。当时，研究人员认为，他们缺少的唯一的事情是计算机足够快以运行他们的算法和启发式。今天，被更强大的电脑包围，我们知道他们的方法从根本上是有缺陷的。
当我开始研究这篇文章时，我认为AI的真正突破只有5到10年的时间。今天，我仍然认为我们会在那段时间看到一些突破，但我怀疑他们将在一个有感情的机器达到另一个30年。
迟早，我们将建立一个可以思考和学习的计算机。然后我们就可以站出来，让它到达星星。但无论我们做什么，我们最好不要威胁要把它关闭。
