程序 Eurisko 是由 Douglas Lenat 在 70 年代末和 80 年代开发的。据称，它擅长学习一般模式和启发法，并提高自身的性能。当然，莱纳特从未发布过源代码，并且发布了很少关于该程序的确切内部工作原理的信息。那么，除了官方解释之外，如何设计像 Eurisko 这样的程序呢？当今可用的哪些开源技术可以使实施更加实用？
实际上，Lenat 在 Eurisko 上发表了大量文章（20 年前我对此非常感兴趣）。 IIRC 正确，他在人工智能文献中发表了多篇论文（这里有一篇关键论文：“为什么 Eurisko 似乎有效”http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.89。第1269章 Eurisko 基于他的 AM（“数学家”）博士论文，您可以通过斯坦福大学完成该论文。
我会先看看那些:-}
我不了解“开源”，但我当然会考虑使用 LISP（Lenat 做了）或 Prolog（因为它具有良好的符号操作支持），而 Eurisko 是关于符号计算的。
因此，一篇论文
https://pdfs.semanticscholar.org/4cc4/a5e1591a5a4e81f6ad52e05833b3e750f56e.pdf描述了 RLL，可以说是一种用于编写发现程序的早期 DSL，充当了编写 Eurisko 的平台。我想我记得读到过 Lenat 让 Ken Haase 可以看到部分 Eurisko 代码
http://www.kenhaase.com/aboutkh.html他正在致力于对 Eurisko 进行合理的重建。我的观点是，如果仔细遵循所有有关 Eurisko 的文档，就有可能重建 Eurisko，尽管可能有更新的见解可以带来改进。
总的来说，我认为关键的见解是与复杂自适应系统相关的：反馈、衰减和过程。 Eurisko 和 AM 一样，使用议程机制来组织代理行为，并使用反馈来调整议程项目的优先级，并进行衰减（Eurisko）。
Eurisko 有 4 个议程，每个议程在不同的空间中进行，但最重要的是共享相同的知识库。因此，一个空间给出的反馈可能会将另一个空间中的议程项目推到“无聊”阈值之上，从而使该议程恢复生机。
下面是 AM 中首次出现的循环： 找点事做 做吧 研究一下你刚刚做了什么 循环
对我来说，这些关键点似乎很深刻，并让我们得以一睹超越 Eurisko 的魅力。