跳轉到

1980 - XCON 專家系統黃金時代#

案件摘要#

1980 年，Digital Equipment Corporation（DEC）與卡內基美隆大學（CMU）合作部署了 XCON（eXpert CONfigurer）——史上第一個大規模商業化的專家系統。它的任務：為客戶的訂單自動配置 VAX 電腦系統（選對處理器、記憶體、磁碟、纜線、機櫃的組合）。核心公式繼承自 DENDRAL（見「1965-DENDRAL專家系統.md」）：

\[ \text{訂單} + \text{數百條 if-then 配置規則} \Rightarrow \text{正確的系統配置}，\quad \text{每年省下數千萬美元} \]

XCON 的成功引爆了專家系統產業的黃金時代——也親手製造了 1987 年 AI 泡沫的炸彈。兇手不是別人，正是成功本身：知識工程的成本曲線終將壓垮每一個專案。

前因 -- 為什麼會有這個案子#

  • 1970 年代 CMU 的 John McDermott 參與了 R1 專案（XCON 的前身），最初只是一個小實驗；DEC 的 VAX-11/780 訂單配置由人類技術員手動完成，錯誤率高且昂貴——漏訂一條纜線就要二次出勤。
  • 配置問題的本質是約束滿足：DEC 有數百種零件，相容性規則數百條（「這個磁碟控制器需要特定的纜線與空出的機櫃插槽」），人類專家需要數年培訓。
  • DENDRAL（見「1965-DENDRAL專家系統.md」）與 MYCIN（1976）已經證明「知識庫 + 推理引擎」範式可行；Feigenbaum 的「知識就是力量」假說如日中天（見「科學與歷史/人工智慧/」下專家系統相關檔案）。
  • 1980 年前後，第一次 AI 寒冬結束（見「1969-MinskyPapert批判.md」），LISP 機器產業興起（Symbolics、Lisp Machines Inc.），資本開始尋找 AI 的商業出口。
  • DEC 的動機是純商業的：VAX 訂單配置錯誤造成每年數百萬美元損失，任何自動化都是淨利。
  • McDermott 選擇 OPS5 產生式語言實作——知識與推理引擎分離的架構，正是 DENDRAL 範式的直系傳承。

線索與推理 -- 數學式、程式、理論#

第一條線索：產生式規則系統——知識被寫成 if-then#

XCON（最初版本約 250 條規則，後膨脹至 3,000+ 條）用 OPS5 語言表達配置知識，典型規則形式：

IF 目前情境中有「未配置的 RS-232 端口」且「尚未選擇對應纜線」 THEN 選擇合規格的纜線並加入訂單。

推理循環是標準的「辨識—行動」週期（recognize-act cycle）：

\[ \text{比對（match）} \rightarrow \text{衝突解決（resolve）} \rightarrow \text{執行（act）} \rightarrow \text{重複} \]

工作記憶（working memory）存放當前部分配置，規則不斷把「未滿足的約束」轉化為「已做出的決定」，直到所有約束滿足——這是知識工程的骨架。

第二條線索：配置即約束滿足——數學化#

配置問題可形式化為：給定零件集合 \(P\) 、屬性函數 \(\text{attr}\) 與約束集合 \(C\) ，找一個賦值 \(s: P \to \{\text{已選}, \text{未選}\} \times \text{屬性}\) ，使得

\[ \forall c \in C:\ c(s) = \text{成立}，\quad \text{且成本 } \sum_{p \in s} \text{price}(p) \text{ 最小化} \]

XCON 不做完整搜尋（那是 NP-hard），而是用規則增量式構造：每次只解一個約束，依賴規則的順序與局部性。這正是 Simon「有限理性 + 啟發式」的商業化身——不做完美解，只做足夠好的解。

第三條線索：成功的經濟學——數字會說話#

XCON 的戰果是 AI 史上最硬的數據之一：

年份 規則數 每年配置訂單 估計年節省
1980 ~250 少量試行 試行階段
1982 ~500 ~2,000 數百萬美元
1986 ~3,000+ ~40,000 ~2,500 萬美元
1988 ~10,000 全部 VAX 訂單 數千萬美元

正確率從人類技術員的 ~65% 提升至 ~95–99%。DEC 估計 XCON 累計省下超過 4,000 萬美元——第一個「AI 能賺錢」的鐵證。

第四條線索：泡沫的數學——成本曲線與維護地獄#

黃金時代的裂縫同樣在數字裡。XCON 的規則以每年數百條的速度增長，每條規則的維護成本驚人：

\[ \text{維護成本} \sim O(n^2)，\quad n = \text{規則數} \quad \text{（規則間的相互作用）} \]
  • 規則之間會互相衝突：新增一條規則可能破壞數十條舊規則的隱含假設，且無自動化測試可捕捉。
  • 知識獲取瓶頸（knowledge acquisition bottleneck）：把專家知識轉成規則的過程緩慢、昂貴、依賴少數「知識工程師」。
  • 這個平方級成本曲線適用於所有專家系統——當 DEC 的成功引來數百家公司投入（Du Pont、Boeing、American Express……），整個產業都在同一條曲線上。

結案 -- 後果與影響#

  • XCON 確立了專家系統的商業可行性，1980–1987 年專家系統產業爆炸式成長：數百家公司、數十億美元投資、LISP 機器銷售暴漲——這是符號派的黃金時代。
  • 知識工程成為熱門職業，Feigenbaum 的 Intellicorp、Teknowledge 等知識工程公司相繼成立（見「1965-DENDRAL專家系統.md」）。
  • 然而 1987 年，泡沫破裂：LISP 機器被通用工作站（Sun）擊敗，專家系統維護成本壓垮專案，數百家公司倒閉——第二次 AI 寒冬（1987–1993）開始。兇手正是 XCON 成功本身招來的過度投資與不可持續的成本曲線。
  • 知識獲取瓶頸的教訓直接催生了機器學習的復興路線：「與其請專家寫規則，不如讓機器從資料學規則」——這條路線的鑰匙早已存在（見「1974-Werbos反向傳播先驅.md」），1986 年後開始發力。
  • 符號與連結的對照在此案達到頂點：XCON 用 3,000 條人寫規則賺錢的同一年，連結派正用一個公式（反向傳播）訓練不需人寫規則的網路——三十年後，後者贏得一切。
  • 伏筆：2010 年代大型語言模型的崛起（見「科學與歷史/人工智慧/」下 LLM 檔案）可視為對知識獲取瓶頸的終極解答——知識不再來自專家寫規則，而來自對整個網際網路文字的統計學習。

關鍵人物與文獻#

  • John McDermott —— XCON/R1 設計者，CMU
  • Edward Feigenbaum —— 知識工程推手，Intellicorp 創辦人之一
  • DEC VAX 系統工程團隊 —— 領域知識與部署
  • McDermott, "R1: A Rule-Based Configurer of Computer Systems", Artificial Intelligence, 1982
  • Barker & O'Connor, "Expert Systems for Configuration at Digital: XCON and Beyond", CACM, 1989
  • Feigenbaum, McCorduck & Nii, The Rise of the Expert Company, 1988
  • 相關案件：1965-DENDRAL專家系統.md、1966-ELIZA對話系統.md、1969-MinskyPapert批判.md、1974-Werbos反向傳播先驅.md、1986-反向傳播演算法.md