人工智能之父.docx
《人工智能之父.docx》由会员分享，可在线阅读，更多相关《人工智能之父.docx（10页珍藏版）》请在冰豆网上搜索。
人工智能之父
人工智能之父
人工智能之父——约翰·麦卡锡
人工智能（AI）是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。
人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能的目的就是让计算机这台机器能够象人一样思考。
在1955的时候，香农与人一起开发了TheLogicTheoriST程序，它是一种采用树形结构的程序，在程序运行时，它在树中搜索，寻找与可能答案最接近的树的分枝进行探索，以得到正确的答案。
这个程序在人工智能的历史上可以说是有重要地位的，它在学术上和社会上带来的巨大的影响，以至于我们现在所采用的思想方法有许多还是来自于这个50年代的程序。
1956年，作为人工智能领域另一位著名科学家的麦卡希召集了一次会议来讨论人工智能未来的发展方向。
从那时起，人工智能的名字才正式确立，这次会议在人工智能历史上不是巨大的成功，但是这次会议给人工智能奠基人相互交流的机会，并为未来人工智能的发展起了铺垫的
的计算机程序已能够达到下各种方盘棋和国际象棋的锦标赛水平。
但是，尚未解决包括人类棋手具有的但尚不能明确表达的能力。
如国际象棋大师们洞察棋局的能力。
另一个问题是涉及问题的原概念，在人工智能中叫问题表示的选择，人们常能找到某种思考问题的方法，从而使求解变易而解决该问题。
到目前为止，人工智能程序已能知道如何考虑它们要解决的问题，即搜索解答空间，寻找较优解答
2.。
逻辑推理与定理证明
逻辑推理是人工智能研究中最持久的领域之一，其中特别重要的是要找到一些方法，只把注意力集中在一个大型的数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。
对数学中臆测的题。
定理寻找一个证明或反证，不仅需要有根据假设进行演绎的能力，而且许多非形式的工作，包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化，因此，在人工智能方法的研究中定理证明是一个极其重要的论题。
3．自然语言处理。
自然语言的处理是人工智能技术应用于实际领域的典型范例，经过多年艰苦努力，这一领域已获得了大量令人注目的成果。
目前该领域的主要课题是：
计算机系统如何以主题和对话情境为基础，注重大量的常识——世界知识和期望作用，生成和理解自然语言。
这是一个极其复杂的编码和解码问题。
4．智能信息检索技术。
受"（）*+（*）技术迅猛发展的影响，信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题，将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。
5．专家系统。
专家系统是目前人工智能中最活跃、最有成效的一个研究领域，它是一种具有特定领域内大量知识与经验的程序系统。
近年来，在“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。
人类专家由于具有丰富的知识，所以才能达到优异的解决问题的能力。
那么计算机程序如果能体现和应用这些知识，也应该能解决人类专家所解决的问题，而且能帮助人类专家发现推理过程中出现的差错，现在这一点已被证实。
如在矿物勘测、化学分析、规划和医学诊断方面，专家系统已经达到了人类专家的水平。
成功的例子如：
PROSPECTOR系统发现了一个钼矿沉积，价值超过1亿美元。
DENDRL系统的性能已超过一般专家的水平，可供数百人在化学结构分析方面的使用。
MYCIN系统可以对血液传染病的诊断治疗方案提供咨询意见。
经正式鉴定结果，对患有细菌血液病、脑膜炎方面的诊断和提供治疗方案已超过了这方面的专家。
个人经历
麦卡锡生于美国波士顿一个共产党家庭，父母的工作性质决定全家需不断搬迁，从波士顿迁到纽约，然后又到了洛杉矶。
信仰爱尔兰天主教的父亲当过木匠、渔夫和工会组织者，母亲是立陶宛，犹太人，在联合通讯社（TheFeder?
atedPress）当记者，后来在一家共产党报社工作。
麦卡锡从小把自己对科学的兴趣与家庭的政治倾向结合起来。
麦卡锡在接受采访时说：
“我们确信技术的进步对人类有利。
我记得小时候读过《十万个为什么》，这是30年代苏联作家伊林（M．Ilin）撰写的通俗科技读物。
在美国好像没有这样的书。
10至15年前我很高兴得知中国有许多非常早熟的儿童，他们都读过《十万个为什么》。
” 麦卡锡说他的童年平平淡淡，实际上在读中学时，他就找到加州理工大学的一份课程清单，自学了大学一年和二年的数学课程。
1944年他真的到了这所大学，免修头两年的数学课。
1948年9月在读研究生时，他出席了该校主办的“行为的大脑机制西克森研讨会”（HixonSymposiumonCerebralMechanisminBehavioratCalTech）。
大数学家、计算机设计大师冯·诺伊曼在会上散发了关于自复制自动机的论文。
尽管当时还没有人精确地将机器智能与人的智能联系起来，但诺伊曼的报告却激发了麦卡锡的好奇心。
1949年在普林斯顿大学数学系作博士论文时，他决定尝试在机器上模拟人的智能。
1955年他联合申农（信息论创立者）、明斯基（人工智能大师，《心智社会》的作者）、罗彻斯特（IBM计算机设计者之一），发起了达特茅斯项目（DartmouthProject），第二年正式启动，洛克菲勒基金会提供了极有限的资助。
现在看来，这个项目不但是人工智能发展史的一个重要事件，也是计算机科学的一个里程碑。
正是在1956年，麦卡锡首次提出“人工智能”（artificialintelligence）这一概念。
现在看来，那次讨论并没有实质上解决有关智能机的任何具体问题，但它确立了研究目标，使人工智能成为计算机科学中一门独立的经验科学。
1957年巴库斯（JohnBarkus）及其IBM小组发布了Fortran语言，这是第一个成功的高级语言，使程序设计者从繁琐的汇编语言中解脱出来。
卡内基梅龙大学的纽维尔（A．Newell）、司马赫（H．Simon）等提出信息处理语言IPL，麦卡锡则提出表处理语言Lisp。
在Fortran中不允许有递归，麦卡锡希望改进它。
1960年巴黎会议大家讨论了Algol语言，采纳了麦卡锡的建议，增加了递归和条件表达式。
Algol最早接受了Lisp的观念，但不是最后一个。
如今的Pascal、C、Ada等都接受了Lisp的创新。
但至今，主流程序设计语言仍然没有吸收麦卡锡建议的“评价函数”（eval），认为它很危险。
麦卡锡发明Lisp语言，只是把它作为工具，他的目标是制造具有人类智能的机器。
Lisp自发明以后，像其他语言一样，发明人失去了对其的控制能力，马库斯和凯（A．Kay，“面向对象程序设计”的创始人）也一样。
1959年麦卡锡发表《具有常识的程序》一文，标志着他向“常识逻辑推理”难题开始宣战。
“与所有专门化的理论一样，所有科学也都体现于常识中。
当你试图证明这些理论时，你就回到了常识推理，因为常识指导着你的实验。
”设想一个旅行者从英国格拉斯哥经过伦敦去莫斯科，计算机程序可以分段处理：
从格拉斯哥到伦敦，再从伦敦到莫斯科。
但是如果假设此人不幸在伦敦丢失了机票怎么办？
当然现实中此人一般不会因此取消原来去莫斯科的计划，他可能会再买一张票。
但是预先设计好的模拟程序却不允许如此灵活。
因此要发展一种具有常识推理能力的逻辑。
麦卡锡发明了LISP并于1960年将其设计发表在《美国计算机学会通讯》（en:
CommunicationsoftheACM）上。
他帮助推动了麻省理工学院的MAC项目（en:
ProjectMAC）。
然而，他在1962年了离开麻省理工学院，前往斯坦福大学并在那里协助建立了斯坦福人工智能实验室（en:
StanfordArtificialIntelligenceLaboratory），成为MAC项目多年
人工智能之父
[1]
来的一个友好的竞争对手。
1964年麦卡锡已是斯坦福大学人工智能实验室的主任，他提出了一种称之为“情景演算”（situationalcalculus）的理论，其中“情景”表示世界的一种状态。
当主体（agent）行动时，情景发生变化。
主体下一步如何行动取决于他所知道的情景。
情景演算的思想吸收了有穷自动机状态转移的概念。
在情景演算中，推理不但取决于状态，而且取决于主体关于状态知道些什么。
主体知道得越多，了解得越详细，他就会更好地作出决策。
这种情景演算理论吸引了许多研究者，但它本身也引起一种问题。
在多主体的世界中，与一个主体有关的情景的变化可能还取决于其他主体的行动。
这样处理起来十分困难。
在常识世界中，我们的决策可能不大受其他主体的影响，当然有时也受。
很难说麦卡锡的努力最终是否成功了，但他向通常的“演绎推理”挑战，强调人类智能推理的非单调性（nonmonotonicity），发展状态描述法，在人工智能研究中具有重要意义。
麦卡锡试图让机器能像人一样，在某种语境下，进行基本的猜测。
但这很难做，即使是人，也常常误解语境。
现在，人工智能越来越具备人脑的思维能力，而直接的后果就是机器越来越聪明了，人类可以偷懒少操心了。
约翰·麦卡锡（JohnMcCarthy），则是首个提出“人工智能”概念的人。
麦卡锡于1948年获得加州理工学院数学学士学位，1951年获得普林斯顿大学数学博士学位。
在普林斯顿大学，他和被认为是有着传奇人生的数学天才、诺贝尔经济学奖获得者约翰·纳什做过同事。
数学上的深厚造诣使他对当时计算机领域的发展起着至关重要的作用。
他还被人尊称为“计算机分时系统之父”，这一系统是1960年代计算机的重大进步。
分时系统是指多个用户分享使用同一台计算机。
这一技术降低了成本，让更多的人使用上了计算机。
尽管他本人未能预见随后个人计算机的普及和兴盛，但麦卡锡却在一些计算机技术未被大众所习用时，做出了精准的预言。
“在1970年代早期，他在法国公开了一篇关于利用计算机进行买卖的论文，这个技术在现在被称作是电子商务。
”互联网安全专家惠特菲尔德·迪菲说，他也是麦卡锡在斯坦福人工智能实验室的研究员。
而在研究人工智能方面，“没人比约翰更有影响力。
”迪菲评价。
即便是1956年还在达特茅斯大学教授数学，未完全投身计算机世界时，麦卡锡就已是首届达特茅斯人工智能会议的主要组织者。
那时，通过何种手段模拟人类智慧已被讨论了数十年，但“人工智能”这个词却一直未被摆上台面，正是麦卡锡在1956年的达特茅斯会议上提出了“人工智能”这一概念，并定义它为“创造出智能机器的科学和工程”。
达特茅斯会议聚集了当时最有名的人工智能学者，衣钵相传，至今人工智能领域重要的研究基地仍与那次会议的参与者息息相关。
1958年，麦卡锡来到麻省理工学院，在这里，他与马文·明斯基一同创建了人工智能实验室。
麦卡锡还研究起被他称为表处理语言（Lisp）的项目，这一计算机语言之后成为人工智能研究和设计的标准工具。
大约在同一时期，麦卡锡又提出了一种叫“垃圾收集”的技术，可以将计算运行时不需要的编码自动从随机存储器中抹去。
在1959年，他进一步发展了这一技术，并将其加入Lisp语言中。
Java语言可能是使用最广泛的依赖于垃圾收集的编程语言。
麦卡锡在麻省理工学院的研究也引领了日后软件和操作系统的根本变革，例如，他对大型计算机首个分时终端系统的开发发挥了至关重要的作用。
而对这一技术潜力的信赖，也形成了麦卡锡的世界观，以至于1970年代当首台拥有本地计算和储存能力的个人计算机出现时，他只是戏称其为“玩具”。
所以，麦卡锡错误地预测，在未来，每个人在家中都要配备一台相对简单和便宜的计算机终端，能与可共享的、中央处理机连接，以此为接触世界商务、新闻和娱乐媒体的电子入口。
在1950年代早期，麦卡锡在斯坦福有过短暂的教学经历，他又于1962年和1964年返回这里，并成为斯坦福人工智能实验室的首届主任。
通过来自五角大楼的资金支持，该实验室乐观地给自己设定了一个有野心的目标：
在10年内建立一个可运作的人工智能系统。
这一挑战也许过于严峻，几年后，麦卡锡对人工智能的发展有了更“健康的心态”，笑称要创造出这么一台“会思考的机器”，需要“1.8个爱因斯坦和曼哈顿计划所拥有的十分之一的资源”。
曼哈顿计划是二战期间美国陆军自1942年起，研究核武器计划的代号。
整个计划的经费是20亿美元，此计划获得美国总统富兰克林·罗斯福的批准。
其实直到现在，尽管人工智能可以模仿很多人类技能，包括视觉、听觉、思考推想能力以及机器人肢体的移动能力，但人工智能未来的应用仍模糊不清。
不过，从1960年代中期到1970年代中期，斯坦福实验室对这一技术起到了至关重要的作用，其中包括机器人技术、计算机视觉和自然语言处理的能力。
到了1972年，斯坦福实验室得到全美国的关注。
当时，《全球概览》杂志创办者斯图尔特·布兰德在《滚石》杂志的一篇题为“太空大战：
计算机迷狂热的生活和象征性死亡”（SPACEWAR:
FanaticLifeandSymbolicDeathAmongtheComputerBums）的文章中，就写了斯坦福实验室。
这篇文章激发了一群计算机科学家创建自己设想的虚拟世界的激情，也预示了未来网络的出现。
“无论是否已经准备好，电脑都会来到人们身边。
”布兰德写道。
尽管麦卡锡低估了个人计算机在未来的潜力，但他早期就电子商务的想法，影响了斯坦福实验室的迪菲。
通过麦卡锡的这些想法，迪菲构想如何在一个纯粹的电子世界中替代纸质个人支票。
迪菲和另外两名研究员研发了公开密钥密码学的基本理念，这也是当今所有电子银行和电子商业得以进行的基础，能确保消费者和商家的安全互动。
作为一个国际象棋爱好者，麦卡锡于1950年代在达特茅斯大学研发下国际象棋的计算机程序。
在加入斯坦福实验室后不久，当发现一些苏联的计算机科学家也开发了可以下国际象棋的计算机程序时，他说服这些人加入了一场洲际国际象棋比赛，双方通过电报下象棋，比赛总共进行了4局，持续了整整一年。
不过，苏联科学家最终获胜。
1971年，麦卡锡因在人工智能上的贡献获得了图灵奖，这一奖项是计算机协会（ACM）于1966年设立的，专门奖励那些对计算机事业作出重要贡献的个人。
图灵奖也有“计算机界诺贝尔奖”之称。
终其一生，麦卡锡一直都是一个独立思考者。
麦卡锡的成名还有其他原因。
他发明了人工智能领域的首要语言Lisp（listprocessing，表处理），而且自其诞生之日起，就为编程语言设计提供了丰饶的思想源泉。
同时，作为一名教师和难题设计师，他在密码学和平面性检验等亚学科领域激发了众多计算机科学家的灵感
1948年，麦卡锡开始攻读数学系的硕士学位。
同年9月他参加了加州理工主办的希克森脑行为机制研讨会，大数学家、计算机设计大师约翰·冯·诺依曼在会上演讲了一篇关于自复制自动机（self-replicatingautomata）的论文，这是一种可以对自身进行复制的机器。
尽管当时的与会人员并没有明确地将机器智能与人类智能联系起来，但冯·诺依曼的讲话却激发了麦卡锡的好奇心。
1949年在普林斯顿大学数学系作博士论文时，麦卡锡首次开始尝试在机器上模拟人类智能。
我把有智能的东西看做是一个有限自动机，与同样是有限自动机的环境相连。
我和约翰·冯·诺依曼见了面，他对此非常赞成，敦促我一定要把这篇论文写出来。
但最后我并没有写出来，因为我认为它还不够成熟。
“自动机”模拟的是随着时间从一个状态转入另一个状态的机器。
比如说，普通的手动变速箱汽车在驾驶员点火启动之后会从“熄火”状态转入“空挡但启动”状态。
如果驾驶员挂挡前进则转入“启动且挂一挡”状态。
而“交互式自动机”（interactingautomaton）则是根据其自身的状态以及它所观察到的其他自动机的状态决定从某个状态转入另一状态。
有些自动机是智能的（可看做是自带驾驶员），但并不是必须智能。
交互式自动机试图在这两种类型之间建立一种连续性的统一体。
麦卡锡放弃了自己对利用自动机模拟人类智能的首次尝试。
但在十几年之后，当他从事情境演算（situationalcalculus）方面的工作时，关于状态和状态转换的思想将重新浮出水面。
在这段时间中，麦卡锡始终没有放弃制造一台像人类那样智能的机器这一想法。
1952年夏，普林斯顿大学的一个研究生杰里·雷纳（JerryRayna）向麦卡锡建议，可以找一些对机器智能感兴趣的人去收集一些该领域的文章。
麦卡锡找的第一批人就有克劳德·香农，“信息论”亦即通信数学理论的发明者。
香农的理论最初用于远程通信，后被广泛用于语言学、数学以及计算机科学等领域。
香农不喜欢华而不实的术语堆砌。
他整理的卷宗为《自动机研究》（AutomataStudies）。
而其中收集到的文章让我很失望，里面有关智能的内容并不多。
所以在1955年开始筹备达特茅斯计划时，我希望开门见山，使用了“人工智能”这一术语，目的是让参与者们弄清楚我们是在干什么。
1956年在达特茅斯学院举办的夏季人工智能研讨会是计算机科学史上的一座里程碑。
这项涉及10人、耗时2个月的雄心勃勃的研究计划，其目标是“基于‘我们能够精确、全面地描述人类智能中的学习等特征，并制造出机器模拟之’这一构想，继续阔步前进”（引自其提案）。
研讨会的四位组织者——麦卡锡、马文·明斯基（当时还在哈佛大学）、纳撒尼尔·罗切斯特（IBM的杰出计算机设计师）和香农——向洛克菲勒基金会申请了一笔资金支持，金额在今天看来几乎少得可怜：
主要组织者每人1200美元，再加上“外地与会人员的火车票”，总共7500美元。
麦卡锡在提案中写到，他将研究语言和智能二者间的关系，希望通过程序使计算机能“进行棋类游戏并完成其他任务”。
时隔40年后回忆起这次研讨会时，麦卡锡以他特有的直率形容了自己当时的愿景和期望。
1956年，约翰·巴科斯和他在IBM的团队发布了首个高级编程语言Fortran，将从事数字运算的程序员从为每一台计算机写汇编语言中解放出来。
直到今天，Fortran仍然是科学和工程计算中的通用语言。
FLPL首次尝试了扩展Fortran的符号操作能力。
1958年夏天在IBM工作时，麦卡锡试图用FLPL为自己在高中时常用的代数微分应用写一个表程序，但很快发现需要用到递归条件表达式，而Fortran却不支持递归。
如果Fortran支持递归，我就能用FLPL做下去。
我甚至也考虑了如何往Fortran中加入递归的问题，但是那样做过于复杂。
事实证明，IBM很快就失去了对人工智能的兴趣。
一些客户认为智能机器可能会威胁到他们的工作岗位，因此20世纪60年代初期的IBM市场营销都把计算机说成是非智能的快速运算设备，百依百顺、只按要求行事。
麦卡锡不再纠缠于修补Fortran，而是转头发明了Lisp。
纽厄尔、肖和西蒙后来把IPL形容为一种越变越复杂的语言，而麦卡锡则把他的Lisp形容为一种越变越简单的语言。
“Lisp”是“listprocessinglanguage”（表处理语言）的缩写。
确如其名，Lisp中所有的数据。
随着工作的深入，麦卡锡希望改进这种语言的表达能力。
1959年，为了展示Lisp可以明确地表达任何可计算函数，他加入了一个叫做“求值”（eval）的功能。
“求值”允许程序定义新的函数或者过程（procedure），然后将其作为程序的一部分执行。
而大多数语言在执行新函数之前都会强制程序中止运行，并且“重新编译”。
Lisp中蕴含的思想吸引了负责设计Algol语言（巴科斯和诺尔为其发明了巴科斯-诺尔范式）的国际委员会。
1960年，在该委员会于巴黎召开的会议上，麦卡锡正式提出了递归和条件表达式这两个概念。
在标记方法上，委员会有了些争论，但最终仍然接受了他的思想。
Algol是第一个采用Lisp创新的语言，但绝对不是最后一个。
Algol的后继语言如Pascal、C、Ada以及其他大多数现代编程语言都支持递归和条件表达式。
但直到最近，主流语言都不支持求值，主要原因在于语言设计者们担心程序员往运行中的程序里添加新功能可能会很危险。
不过如今的很多程序都必须每周7天、每天24小时地连续运行，人们对求值这种特性的需求越来越迫切，因此大多数实验性语言都包含了求值或类似求值的功能。
近50年来，Lisp一直是人工智能领域的标准语言。
麦卡锡并未预料到它会有如此长的寿命，甚至曾建议将其修改成类似Algol那样。
然而该领域的编程人员仍然喜欢Lisp最初的语法。
麦卡锡和在他之前的巴科斯、之后的艾伦·C.凯一样，最终已无法控制自己发明的语言的发展方向。
麦卡锡对人工智能的兴趣始于他当研究生的时候。
1948年9月，他参加了一个“脑行为机制”的专题讨论会，会上，冯·诺伊曼发表了一篇关于自复制自动机的论文，提出了可以复制自身的机器的设想，这激起了麦卡锡的极大兴趣和好奇心，自此就开始尝试在计算机上模拟人的智能。
1949年他向冯·诺伊曼谈了自己的想法，后者极表赞成和支持，鼓励他搞下去。
在达特茅斯会议前后，麦卡锡的主要研究方向是计算机下棋。
下棋程序的关键之一是如何减少计算机需要考虑的棋步。
麦卡锡经过艰苦探索，终于发明了著名的α-β搜索法，使搜索能有效进行。
在。
-p搜索法中，麦卡锡将结点的产生与求评价函数值（或称返上值或倒推值）两者巧妙地结合起来，从而使某些子树结点根本不必产生与搜索。
至于达特茅斯会议，当东道主的麦卡锡是主要发起人，另外3个发起人是当时在哈佛大学的明斯基（1969年图灵奖获得者），IBM公司的罗杰斯特，信息论的创始人香农。
麦卡锡发起这个会议时的目标非常宏伟，是想通过10来个人2个月的共同努力设计出一台具有真正智能的机器。
会议的经费是洛克菲勒基金会资助的，包括每个代表1200美元加上外地代表的往返车票。
会议的原始目标虽然由于不切实际而不可能实现，但由于麦卡锡在下棋程序尤其是α—β搜索法上所取得的成功，以及卡内基—梅隆大学的西蒙和纽厄尔这两人是1975年图灵奖获得者带来了已能证明数学名著《数学原理》一书第二章52个定理中的38个定理的启发式程序“逻辑理论家”LT，明斯基带来的名为Snarc的学习机的雏形（主要学习如何通过迷宫），这使会议参加者仍能充满信心地宣布“人工智能”这一崭新学科的诞生
发明LISP语言
约翰·麦卡锡
[2]
1959年，麦卡锡基于阿隆索·邱奇的l-演算和西蒙、纽厄尔首创的“表结构”，开发了著名的LISP语言，成为人工智能界第一个最广泛流行的语言。
LISP是一种函数式的符号处理语言，其程序由一些函数子程序组成。
在函数的构造上，和数学上递归函数的构造方法十分类似，即从几个基本函数出发，通过一定的手段构成新的函数。
LISP语言还具有自编译能力。
具体说来，LISP有以下几个主要特点：
1.计算用的是符号表达式而不是数； 2．具有表处理能力，即用链表形式表示所有的数据； 3．控制结构基于函数的复合，以形成更复杂的函数； 4．用递归作为描述问题和过程的方法； 5．用LISP语言书写的EVAL函数既可作为LISP语言的解释程序，又可以作为语言本身的形式定义； 6．程序本身也同所有其他数据一样用表结构形式表示。
已经证明，LISP的这些特点是解决人工智能核心问题的关键。
此外，精巧的表机制也是进一步简化LISP程序设计的方便而有力的工具，因此，LISP自发明以来，已经被广泛用于数学中的符号微积分计算，定理证明，谓词演算，博奕论等领域。
它和后来由英国伦敦大学的青年学生柯瓦提出、由法国马赛大学的考尔麦劳厄所领导的研究小组于1973年首先实现的逻辑式语言PROLOG并称为人工智能的两大语言，对人工智能的发展起了十分深远的影响。
LISP所蕴含的丰富的思想和深刻的意义也吸引了负责设计Algol语言的国际委员会，麦卡锡因此而被吸收
升级会员 