我想你有几个想法混在一起。确实,在基于规则和概率的“AI”任务之间存在区别,但它与强或弱的AI无关,与心理学几乎没有关系,并且它不像两个对立面之间的战斗。另外,我认为说贝叶斯推理并没有用于计算机科学,因为推理是NP完全的,总的来说有点误导。这个结果在实践中通常并不重要,大多数机器学习算法无论如何都不会做真正的贝叶斯推理。
尽管如此,自然语言处理的历史从80年代和90年代初的规则系统发展到机器学习系统直到今天。看看历史 MUC会议 看看信息提取任务的早期方法。将其与命名实体识别和解析中的当前最新技术进行比较( ACL wiki 这是一个很好的来源),这些都是基于机器学习方法。
至于具体的参考文献,我怀疑你会发现有人写一篇学术论文,说'统计系统比基于规则的系统更好',因为通常很难做出这样的明确陈述。一个快速谷歌的'统计与基于规则'产生类似的论文 这个 它根据自己的优点和缺点来看机器翻译并建议使用这两种方法。我想你会发现这是典型的学术论文。我唯一能读到的就是这个问题的立场是' 数据的不合理有效性 '这是一个很好的阅读。
至于“基于规则”与“概率”的关系,你可以选择Judea Pearl的经典着作 - “智能系统中的概率推理。珍珠写的非常偏向他所谓的”内涵系统“,这基本上是反...部分基于规则的东西。我认为这本书是在AI中引发整个概率的东西(你也可以争辩时间到期,但那时它是那个时代的书)。
我认为机器学习是一个不同的故事(虽然它更接近概率AI而不是逻辑)。