基础SHRDLU是一种名为Planner的语言，由麻省理工学院的研究生Carl Hewitt设计。15 Planner是Logic Theorist的知识接班人之一
在广泛使用的数学逻辑的传统中，作为人工智能的基础。这种方法在达特茅斯会议上很突出，在20世纪70年代和80年代的大部分时间里仍然是人工智能研究人员的主要关注点，尽管它已经大部分失宠了（因为我很快就会解释）。也许其最明确的表述是纽厄尔和西蒙自己。在接受他们的联合1975年图灵奖
– 计算机科学的着名荣誉 – 他们定义了他们所谓的“物理符号系统假设”。引用他们的奖励接受讲座，“符号是智能行动的根源，当然， ，人工智能的主要话题……。物理符号系统是一种随时间产生不断变化的符号结构集合的机器。“它们继续描述这一假设：
物理符号系统具有一般智能动作的必要和充分手段。“必要”是指任何具有一般智能的系统将在分析时证明是物理符号系统。“足够”是指任何足够大小的物理符号系统可以进一步组织以展示一般情报。通过“一般智能行动”，我们希望表明……与我们在人类行动中看到的智能范围相同：……适用于系统两端并适应环境要求的任何真实情况行为可以在速度和复杂性的某些限制内发生。16
虽然他们当时对人工智能的主导方法的描述是富有洞察力和鼓舞人心的，但回想起来，它还存在一个重大缺陷。尽管它被证明是一种经验假设，但它本身并不受确认或驳斥。人工智能的替代方法不是基于他们提出的方法，可以同样或更有效地实现他们对该领域的期望，并质疑“符号是否在于
智能行动。“然而，他们的反驳可能是可能存在等效（或更好）的物理符号系统解决方案; 它还没有开发出来。换句话说，他们对球场的描述有点像是如何处理高尔夫球的处方，以便尽可能地直线驾驶（保持头部稳定，注意球，使用你的球）用于动力的牵引臂和用于控制的随动臂）。将此与玩游戏的最佳（或唯一）方式相提并论似乎过度 – 你可能有不同的方法，但却成为世界上最好的高尔夫球手。事实上，至少有一种与人工智能没有明显关系的替代方法（机器学习）确实出现了，