早期人工智能中，曾有一条令人神往的路径——逻辑编程。它的核心信念是：智能的本质就是逻辑推理。只要把人类知识用逻辑规则（如“所有人都会死，苏格拉底是人，所以苏格拉底会死”）一条条编码给机器，内置的推理器就能自动解决问题。这种思路简洁、优雅，甚至可以用十几行代码写出一个简单的程序。

但理想很丰满，现实很骨感。逻辑AI很快暴露出两大困境：一是效率极低，面对稍微复杂的问题就陷入“推理爆炸”；二是知识编码完全不可扩展——像Cyc项目那样，试图雇佣大批人员把整个人类文明知识手动写成规则，最终只是填满仓库，却难以为继。今天再看，ChatGPT训练所用的海量文本，若想用逻辑表达式手工编码，几乎是不可能完成的任务。

这段历史给AI最重要的启示是：智能不能靠“预设规则”一劳永逸，而必须从数据与经验中涌现。逻辑AI的失败，并非逻辑本身无用，而是它错把手段当成了目的。真正的智能，既要理解规则，也要容忍模糊；既能演绎推理，也能从海量案例中自主学习。这也提醒我们，面对复杂问题时，优雅的理论固然重要，但能否落地、能否扩展，才是衡量技术生命力的关键。 http://t.cn/AXa9Pmr6