我可能是错的，但我不相信你所描述的范围在当前的技术状态下是可能的。这将需要很多仍处于研究早期阶段的东西。

一方面，仅从文本中提取相关信息本身就是一项艰巨的任务。一部包含大量不重要细节的小说更是如此。

如果输入以某种重要事实列表的形式呈现，可能会更容易。但人工智能将它们连接起来并找到解决方案仍然相当困难。

例如，假设我们有以下两个事实：

• 爱丽丝死于蛇咬伤。
• 最近有人看到鲍勃买了几只老鼠。

对人类来说，买老鼠来喂毒蛇似乎很明显。然而，教人工智能建立这样的联系可能需要付出巨大的努力。

免责声明：我自己不进行文本处理，所以我对当前最先进的技术不是很了解。其中一些事情可能已经以某种形式完成。如果有人对此主题了解更多，如果我错了，请纠正我。

一般同意@Inquisitive Lurker，但我认为我们也有广泛的潜在能力/要求。与计算机国际象棋或围棋一样，“击败一个诚实的新手”和“击败所有人类”之间存在很大差异；解决简单的儿童谜团和复杂的成人小说之间存在很大差异。

因此，我认为编写一个可以解决作为陈述列表列出的问题或作为（非常年轻的）儿童读物布置的问题的程序不会有任何问题。然而，像 Agatha Christie 或 John Le Carre 的“Tinker Tailor Soldier Spy”（相对简单的解决方案，但故事以复杂的方式讲述）之类的东西在遥远的未来。

有时，另一种方法可能会奏效。例如，神经网络可能会在“谁做的？”中解决科伦坡的所有谜团。没有完整的“为什么？” 解释后，只看了几个科伦坡的奥秘。大多数孩子也是如此！

不完全是侦探之谜，但根据 2012 年 6 月 NSA PowerPoint 演示文稿中的一张幻灯片（参见：Glenn Greenwald 的网站），NSA 使用某种天网AI 技术来分析和检测来自位置和通信数据的可疑模式，以便创建疑似恐怖分子的观察名单。这有助于追踪基地组织和穆斯林兄弟会的相关成员。而且我敢肯定，他们的人工智能解决了很多谜团，并找到了一些有争议的人物。

资料来源：美国政府指定著名半岛电视台记者为 AI Qaeda 成员

有关更多详细信息，请查看：SKYNET：Courier Detection via Machine Learning，用于通过使用机器学习算法分析 GSM 元数据生成的快递检测数据和图表。还应用基于云的高级行为分析。