专家系统
符号推理AI范式的代表性成果，通过明确编码的领域知识和推理规则解决特定领域问题，代表案例包括IBM的MYCIN和XCON系统
核心事实
时间轴 (近 90 天)
CGC 是一场专家系统竞赛，机器学习并非关键角色，重要的是融合自主工具完成任务。
构建一个中等规模的医疗诊断专家系统通常需要数百到数千条规则，且每条规则需经过一致性检查。
专家系统遇到知识获取瓶颈：规则需要人工编写，难以扩展，无法处理现实世界的模糊性。
专家系统通过规则链完成诊断推理，SAT求解器处理组合约束，A*搜索在状态空间中寻找最优解，这些方法不依赖概率分布，能在封闭域内产出可解释、可验证的推理步骤。
专家系统流行于20世纪70至80年代，核心由知识库和推理机两部分构成。
传统知识工程在1980-90年代专家系统时代遭遇知识提取困境，并发展出结构化访谈、协议分析(think-aloud protocol)等提取方法
Jev 与专家系统的本质区别在于其分类能力来自模型权重中隐式编码的知识，而非显式规则
专家系统是1970-80年代人工智能的主流范式，通过人工编码的if-then规则库模拟专家判断，代表作包括 MYCIN 和 DENDRAL
早期的自动化风控系统主要依赖专家系统，即由领域专家手动编写IF-THEN规则来识别可疑交易
全部知识事实 (11)
AI 编程工具正呈现从「快速生成」走向「深思熟虑」的演进趋势
75%待验证CGC 是一场专家系统竞赛，机器学习并非关键角色，重要的是融合自主工具完成任务。
50%待验证专家系统遇到知识获取瓶颈：规则需要人工编写，难以扩展，无法处理现实世界的模糊性。
50%待验证构建一个中等规模的医疗诊断专家系统通常需要数百到数千条规则，且每条规则需经过一致性检查。
50%待验证专家系统通过规则链完成诊断推理，SAT求解器处理组合约束，A*搜索在状态空间中寻找最优解，这些方法不依赖概率分布，能在封闭域内产出可解释、可验证的推理步骤。
50%待验证专家系统流行于20世纪70至80年代，核心由知识库和推理机两部分构成。
50%待验证传统知识工程在1980-90年代专家系统时代遭遇知识提取困境，并发展出结构化访谈、协议分析(think-aloud protocol)等提取方法
50%待验证Jev 与专家系统的本质区别在于其分类能力来自模型权重中隐式编码的知识，而非显式规则
50%待验证专家系统是1970-80年代人工智能的主流范式，通过人工编码的if-then规则库模拟专家判断，代表作包括 MYCIN 和 DENDRAL
50%待验证早期的自动化风控系统主要依赖专家系统，即由领域专家手动编写IF-THEN规则来识别可疑交易
50%待验证符号主义是AI发展史上第一个主流范式，兴盛于1950至1980年代
50%