"符号主义"研究者认为人工智能源于数理逻辑，符号主义学派发展了启示式算法、专家系统、知识工程理论与技能，并在20世纪80年代取得很大发展。
代表人物有纽厄尔(Newell)西蒙(Simon)尼尔逊(Nilsson)、牛森(Simon)尼尔逊(Nilsson)。

基于大数据知识工程的知识图谱(Knowledge Graph)是符号主义学派人工智能代表性运用成果。
知识图谱首先是一种大规模知识表示，以是它常日包含海量的实体每每是数以亿计，大规模也表示为多样的关系以及成千上万的关系。
知识图谱办理了措辞表达鸿沟问题，并补全了缺失落的因果链条。

连接主义研究者认为神经网络和神经网络间的连接机制和学习方法能够产生智能。
20世纪60-70年代，连接主义对以感知机(Perceptron)为代表的脑模型的研究涌现过热潮。
美国John J.Hopfield教授在1982年和1984年揭橥两篇主要论文，提出用硬件仿照神经网络往后，连接主义才又重新引发关注。

1986年鲁梅尔哈特(Rumelhart)等提出多层网络中的反向传播算法(Back Propagation BP)算法，此后又有卷积神经网络(Convolutional Neural Networks CNN)的研究，连接主义开始重新焕发生命力。

2006年Hinton在Science和干系期刊上揭橥了论文，首次提出了深度信念网络(Deep Belief Network DBN)的观点，将深度学习推向学术界，并成为当古人工智能领域非常热门的研究方向。

"行为主义"研究者认为人工智能源于掌握论，掌握论思想早在20世纪40-50年代，贡斯当的政治思想在不同程度上是在对卢梭的思想进行反思。
他对卢梭公民主权学说的批驳为他，就成为时期思潮的主要部分。
维纳(Wiener)和麦卡洛克(McCulloch)等提出的掌握论和自组织系统及钱学森等人提出的工程掌握论和生物掌握论影响了许多领域，在20世纪80年代出身了智能掌握和智能机器人系统。

行为主义是20世纪末才以人工智能新学派的面孔涌现的，引起许多人的兴趣。
当前行为主义人工智能研究走在世界前列的无疑是波士顿动力(Boston Dynamics)机器人。