A行业级
DENDRAL 开启专家系统路线
把专家知识写进规则，再让机器缩小搜索空间
已核验1可追溯来源
斯坦福团队开始开发 DENDRAL，用化学知识和启发式规则从质谱数据推断分子结构。
发生了什么
DENDRAL 将化学家的规则与计算机搜索结合，先生成候选分子，再用实验数据排除不符合的结构。系统不是学习得到知识，而是由专家与知识工程师共同整理规则。
当时的行业背景
通用问题求解器在真实专业领域中容易遇到组合爆炸。缺少领域知识时，程序需要搜索太多可能答案。
为什么重要
它说明窄领域里的高质量知识可以比“通用智能”更快产生实用结果，并催生了 MYCIN、XCON 等专家系统以及知识工程产业。
在它之前
早期 AI 强调跨任务的通用问题求解。
在它之后
大量项目转向窄领域知识库和规则驱动的专家系统。
影响
它改变了什么
对行业
专家系统在 1980 年代形成商业热潮，也暴露出规则维护昂贵、难以覆盖例外的问题。
对产品
AI 首次以可部署的专业决策辅助系统进入科学和企业场景。
来源