赫伯特·西蒙与人工智能
当时人工智能主要有三个流派:①符号主义，也称逻辑主义、心理主义或计算机主义科学，其原理主要是物理符号系统假设和有限理性原理。这个学派认为人工智能来源于数理逻辑。其他人工智能流派出现后，符号主义仍然是人工智能的主流流派。这一派的代表人物有纽维尔、萧、西蒙、尼尔森。②连接主义又称仿生学或生理学，主要基于神经网络以及神经网络之间的连接机制和学习算法。这个学派认为人工智能来源于仿生学，尤其是对人脑模型的研究。从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场奠定了坚实的基础。③行为主义又称进化论或控制论，是以控制论和知觉-行动主义控制系统为基础的。他们对人工智能的发展历史有不同的看法。这个学派认为人工智能起源于控制论。
西蒙对人工智能最基本的贡献是，他提出了“物理符号系统假说”(PSSH)。从这个意义上说，他是象征主义学派的创始人和代表人物之一。他的基本观点是:知识的基本要素是符号，智力的基础依赖于知识，研究方法是用计算机软件和心理学方法模拟人脑的宏观功能。象征主义的主要依据是两个基本原则:①物理符号系统的假设原则。②西蒙提出的有限理性原则。这个理论鼓励人们对人工智能进行全面的探索。西蒙认为，如果任何一个物理符号系统是智能的，它当然可以进行六种操作:输入、输出、存储、复制、条件转移和建立符号结构。相反，任何能进行这六种运算的系统，就一定能表现出智能。根据这一假设，我们可以得出以下结论:人是有智能的，所以他是一个物理符号系统；计算机是一个物理符号系统，所以它必须具有智能；计算机可以模拟人，也可以模拟人脑功能。
1956年，西蒙、纽威尔和另一位著名学者约翰·肖成功开发了世界上最早的启发式程序“逻辑理论家”LT (1逻辑理论家)，从而使机器迈出了逻辑推理的第一步。在卡内基梅隆大学的计算机实验室里，西蒙和纽维尔从分析人类解决数学问题的技能入手，让一些人仔细思考各种数学问题，要求他们不仅要写出答案，还要说出自己的推理方法和步骤。通过大量的例子，西蒙和纽维尔收集了广泛的解决一般问题的方法。他们发现，当人们解决数学问题时，他们通常使用试错法。尝试的时候不一定要列出所有的可能性，而是用逻辑推理快速缩小搜索的范围。人类在证明数学定理方面有类似的思维规律。通过把一个复杂的问题分解成几个简单的子问题，把已知的常数代入未知的变量，用已知的公理、定理或解题规则进行试探性的推理，直到所有的子问题最终成为已知。然后根据记忆中的公理和已证明的定理，用替换和置换的方法解决子问题，最终解决整个问题。人类对数学定理的验证也是一种启发式搜索，类似于计算机象棋的原理。在此基础上，他们用“逻辑理论家”程序挑战数学定理，建立了机器证明数学定理的启发式搜索方法，用计算机证明了罗素和怀特海的数学巨著《数学原理》第二章52个定理中的38个定理(1963，改进后的“逻辑理论家”程序在更大的计算机上，最终完成了第二章的整体。
基于这一成功，西蒙和纽维尔将“逻辑理论家”程序扩展到人类解决一般问题的过程，设想用机器来模拟具有普遍意义的人类思维活动。《逻辑理论家》得到了人们的高度评价，认为这是第一个用计算机探索人类智能活动的真正成果，也是图灵断言机器可以具有智能的第一个实践证明。在开发“逻辑理论家”程序的过程中，Simon首先提出并成功应用了“列表”作为基本数据结构，设计并实现了表格处理语言IPL(信息处理语言)。在人工智能史上，IPL是所有表格处理语言的始祖，也是最早使用递归子程序的语言。它的基本元素是符号，并首次引入了表格处理方法。IPL最基本的数据结构是表结构，可以用来代替存储地址或规则数组，帮助程序员从繁琐的细节中解脱出来，在更高的层面上思考问题。IPL的另一个特点是引入了生成器，每次生成一个值，然后挂起，等待被调用，调用时从挂起的地方开始。许多早期的人工智能程序是用表格处理语言编写的。所以表格处理语言本身也经历了一个发展完善的过程，它的最后一个版本IPLⅴV可以处理树形结构的表格。
1956年夏天，数十位来自数学、心理学、神经病学、计算机科学和电气工程等各个领域的学者聚集在美国新罕布什尔州汉诺威的达特茅斯学院，讨论如何用计算机模拟人类行为，并根据j .麦卡锡(1971图灵奖获得者)的建议，正式将这一学科领域。大会的召开标志着人工智能学科的正式诞生。赫伯特·西蒙(Herbert simon)指出，人工智能的研究就是学习如何编制计算机程序来完成人类机智的行为。西蒙带到会上的“逻辑理论家”是当时唯一可以工作的人工智能软件，引起了与会代表的极大兴趣和关注。因此，西蒙、纽维尔，以及达特茅斯会议的创始人麦卡锡和明斯基(M.L .明斯基，1969年图灵奖获得者)被公认为人工智能的创始人。他们四人在1960组成了第一个人工智能研究小组，有力地推动了人工智能的发展。
1960西蒙夫妇进行了一个有趣的心理学实验，实验表明，人类解决问题的过程是一个搜索过程，其效率取决于启发式函数。在这个实验的基础上，Simon、newell和肖成功地开发了一个“通用问题求解器”，它可以解决11个不同类型的问题。这种求解系统的基本原理是找出目标要求与当前情况的差异，选择有利于消除差异的操作，从而逐步缩小差异，最终达到目标。西蒙一再强调，科学发现只是解决问题的一种特殊类型，因此也可以通过计算机程序来实现。从1976年到1983年，西蒙与帕特·W·兰利和加里·l·布拉茨合作设计了6个版本的培根体系发现程序，重新发现了一系列著名的物理化学定律，证明了西蒙的上述论点。从而开辟了人工智能“解决问题”的大领域。
自从转向计算机技术后，西蒙一直在研究计算机象棋。从65438年到0966年，西蒙、纽维尔和贝勒合作开发了最早的国际象棋程序MATER。1997年，在IBM的“深蓝”计算机击败白俄罗斯的国际特级大师卡斯帕罗夫之后，81岁的西蒙与俄亥俄州立大学的人工智能专家T. Munakata一起，在ACM Communication magazine 8月刊上发表了《人工智能的教训》一文。本文对此事进行了评论，指出在计算机上运行的一个国际象棋程序的得分是2600分，相当于白俄罗斯的国际象棋世界冠军卡斯帕罗夫的水平。
西蒙对人工智能的另一大贡献是发展和完善了语义网络作为知识表示通用手段的概念和方法，并取得了巨大成功。语义网络是一种重要而有效的知识表示方法。这种表征是由M.R.Quillian在20世纪60年代末提出的，作为人类联想记忆的一种显示心理学模型。在开发TLC系统时，Quilling用它来描述英语的意思，模拟人类的联想记忆。而用语义网络作为一般的知识表示方法，基本上是Simon在65438-0970研究自然语言理解的过程中弄清楚的。20世纪70年代中期，西蒙与CAD专家C.M.Eastman合作研究住宅的自动空间综合，不仅开创了“智能建筑”，也成为智能CAD研究的开端，即ICAD。
DSS(Decision Support System，决策支持系统)起源于20世纪60年代末70年代初，目前已经受到了极大的重视。其概念的核心是决策模式理论，这个理论也是西蒙奠定的。除了贝叶斯模型，不确定条件下决策的另一个重要理论模型是使用冯诺依曼-摩根斯坦效用函数的期望值最大化模型。西蒙在《人的模型》一书中形成了电子计算机可以模拟人的思维的思想，并开始了一系列关于人工智能的研究。Simon提出了效用函数最大期望值模型的有限理性模型。有限理性模型的基本思想是:首先，所有决策者都参与到一个有限的范围内；其次，我们不能给未来一个概率值，但我们最好对未来事件有一个大概的概念；第三，如果后者不从前者转移，我们在一个领域的愿望可能与另一个领域的愿望完全不同；最后，我们更注重收集信息，而不是分析需求。收集信息后，最常见的选择是基于直觉。基于西蒙的决策模式理论，P. G. Keen提出了一种被称为“自适应方法”的设计方法。决策支持系统被认为是一个自适应系统，由DSS应用系统、DSS生成系统和DSS工具三个技术层次组成，由决策者运行，能适应时代的变化。西蒙曾称赞这样的系统“能适应三个时间范围内的各种变化，即在短期操作中，系统能在相对狭窄的范围内寻求答案；在中期运行中，系统可以通过修改其功能和活动来学习适应；在长期运行中，系统可以发展适应非常不同的行为风格和功能。这些研究将计算机技术与管理决策紧密联系在一起。