从学术的不雅观点看，人工智能紧张分三大学派，分别是符号主义学派、连接主义学派和行为主义学派。
在对人工智能进行研究时，可能会按照某一理论或方法展开磋商剖析，但在实地落地的项目或产品可能综合运用了多个学派的知识。
比如，最近我们为某制造企业供应智能客服系统，个中语音识别、语音合成和语义理解技能等属于连接主义的成果，同时，也利用了知识库等属于符号主义的成果。

一、符号主义学派

符号主义，又称逻辑主义、生理学派或打算机学派，是一种基于逻辑推理的智能仿照方法，认为人工智能源于数学逻辑，其事理紧张为物理符号系统（即符号操作系统）假设和有限合理性事理。

该学派认为人类认知和思维的基本单元是符号，智能是符号的表征和运算过程，打算机同样也是一个物理符号系统，因此，符号主义主见（由人）将智能形式化为符号、知识、规则和算法，并用打算机实现符号、知识、规则和算法的表征和打算，从而实现用打算机来仿照人的智能行为。

其首个代表性成果是启示式程序LT（逻辑理论家），它证明了38条数学定理，表明了可以运用打算机研究人的思维过程，仿照人类智能活动。
此后，符号主义走过了一条启示式算法——专家系统——知识工程的发展道路。

专家系统是一种程序，能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或办理问题。
1980年卡内基梅隆大学为数字设备公司设计了一个名为XCON的专家系统，在1986年之前，它每年为公司省下四千万美元。
专家系统的能力来自于它们存储的专业知识，知识库系统和知识工程成为了上世纪80年代AI研究的紧张方向。
专家系统仅限于一个专业细分的知识领域，从而避免了知识问题，其大略的设计又使它能够较为随意马虎地编程实现或修正。
专家系统的成功开拓与运用，对人工智能走向实际运器具有特殊主要的意义，也是符号主义最辉煌的时候。
但凡事有利有弊，专家系统仅仅局限于某些特定情景，且知识采集难度大、用度高、利用难度大，在其它领域如机器翻译、语音识别等领域基本上未取得成果。
日本、英国、美国在80年代初都曾订定过年夜志勃勃的人工智能研发操持，如日本的第五代打算机项目，其目标是造出能够与人对话、翻译措辞、阐明图像，并且像人一样推理的机器，但直到1991年，这个目标依然未能实现。

20世纪80年代末，符号主义学派开始走向衰落，日益衰落，其主要缘故原由是：符号主义追求的是犹如数学定理般的算法规则，试图将人的思想、行为活动及其结果，抽象化为简洁深入而又包罗万象的规则定理，就像牛顿将世间万物的运动蕴含于三条定理之中。
但是，人的大脑是宇宙中最繁芜的东西，人的思想无比繁芜而又广阔无垠，人类智能也远非逻辑和推理。
以是，用符号主义学派理论办理智能问题难度可想而知；另一个主要缘故原由是：人类抽象出的符号，源头是身体对物理天下的感知，人类能够通过符号进行互换，是由于人类拥有类似的身体。
打算机只处理符号，就不可能有类人感知，人类可融会而不能言传的“潜智能”，不必或不能形式化为符号，更是打算机不能触及的。
要实现类人乃至超人智能，就不能仅仅依赖打算机。

1997年5月，名为“深蓝”的IBM超级打算机打败了国际象棋天下冠军卡斯帕罗夫，这一事宜在当时也曾轰动天下，实在实质上，“深蓝”便是符号主义在博弈领域的成果。

二、连接主义学派

连接主义，又称仿生学派或生理学派，是一种基于神经网络和网络间的连接机制与学习算法的智能仿照方法。
连接主义强调智能活动是由大量大略单元通过繁芜连接后，并走运行的结果，基本思想是，既然生物智能是由神经网络产生的，那就通过人工办法布局神经网络，再演习人工神经网络产生智能。

1943年形式化神经元模型（M-P模型）被提出，从此开启了连接主义学派起伏不平的发展之路。
1957年感知器被发明，之后连接主义学派一度沉寂。
1982年霍普菲尔德网络、1985年受限玻尔兹曼机、1986多层感知器被陆续发明，1986年反向传播法办理了多层感知器的演习问题，1987年卷积神经网络开始被用于语音识别。
此后，连接主义势头大振，从模型到算法，从理论剖析到工程实现，为神经网络打算机走向市场打下根本。
1989年反向传播和神经网络被用于识别银行手写支票的数字，首次实现了人工神经网络的商业化运用。

与符号主义学派强调对人类逻辑推理的仿照不同，连接主义学派强调对人类大脑的直接仿照。
如果说神经网络模型是对大脑构造和机制的仿照，那么连接主义的各种机器学习方法便是对大脑学习和演习机制的仿照。
学习和演习是须要有内容的，数据便是机器学习、演习的内容。

连接主义学派可谓是生逢其时，在其深度学习理论取得了系列的打破后，人类进入互联网和大数据的时期。
互联网产生了大量的数据，包括海量行为数据、图像数据、内容文本数据等。
这些数据分别为智能推举、图像处理、自然措辞处理技能发展做出卓著的贡献。
当然，仅有数据也不足，2004年后大数据技能框架的行成和图形处理器（GPU）发展使得深度学习所须要的算力得到知足。

在人工智能的算法、算力、数据三要素齐备后，连接主义学派就开始大放光彩了。
2009年多层神经网络在语音识别方面取得了重大打破，2011年苹果事情将Siri整合到iPhone4中，2012年谷歌研发的无人驾驶汽车开始路测，2016年DeepMind击败围棋冠军李世石，2018年DeepMind的Alphafold破解了涌现了50年之久的蛋白质分子折叠问题。

近年来，连接主义学派在人工智能领域取得了辉煌成绩，以至于现在业界大佬所评论辩论的人工智能基本上都是指连接主义学派的技能，相对而言，符号主义被称作传统的人工智能。

虽然连接主义在当下如此强势，但可能阻碍它未来发展的隐患已悄然浮现。
连接主义以仿生学为根本，但现在的发展严重受到了脑科学的制约。
虽然以连接主义为根本的AI运用规模在不断壮大，但其理论根本依旧是上世纪80年代创立的深度神经网络算法，这紧张是由于人类对付大脑的认知依旧勾留在神经元这一层次。
正因如此，目前也不明确什么样的网络能够产生预期的智能水准，因此大量的探索终极失落败。

三、行为主义学派

行为主义，又称进化主义或掌握论学派，是一种基于“感知——行动”的行为智能仿照方法，思想来源是进化论和掌握论。
其事理为掌握论以及感知——动作型掌握系统。

该学派认为：智能取决于感知和行为，取决于对外界繁芜环境的适应，而不是表示和推理，不同的行为表现出不同的功能和不同的掌握构造。
生物智能是自然进化的产物，生物通过与环境及其他生物之间的相互浸染，从而发展出越来越强的智能，人工智能也可以沿这个路子发展。

行为主义对传统人工智能进行了批评和否定，提出了无须知识表示和无须推理的智能行为不雅观点。
比较于智能是什么，行为主义对如何实现智能行为更感兴趣。
在行为主义者眼中，只要机器能够具有和智能生物相同的表现，那它便是智能的。

这一学派的代表作首推六足行走机器人，它被看作是新一代的“掌握论动物”，是一个基于感知-动作模式仿照昆虫行为的掌握系统。
其余，著名的研究成果还有波士顿动力机器人和波士顿大狗。
你可以在网上搜到它们各种炫酷的***，包括完成体操动作，踹都踹不倒，稳定性、移动性、灵巧性都极具亮点。
他们的聪慧并非来源于自上而下的大脑掌握中枢，而是来源于自下而上的肢体与环境的互动。

行为主义学派在出身之初就具有很强的目的性，这也导致它的利害都很明显。
其紧张上风便在于行为主义重视结果，或者说机器自身的表现，实用性很强。
行为主义在占领一个难点后就能迅速将其投入实际运用。
例如机器学会躲避障碍，就可运用于星际无人探险车和扫地机器人等等。
不过大概正是由于过于重视表现形式，行为主义侧重于运用技能的发展，无法犹如其他两个学派一样平常，在某个主要理论得到打破后，迎来爆发式增长。
这或许也是行为主义无法与连接主义反抗的紧张缘故原由之一。

四、总结

综上所述，我们可以简单地认为符号主义研究抽象思维，连接主义研究形象思维，而行为主义研究感知思维。
符号主义看重数学可阐明性；连接主义倾向于仿人脑模型；行为主义倾向于运用和身体仿照。

从共同性方面来说，算法、算力和数据是人工智能的三大核心要素，无论哪个学派，这三者都是其创造代价和取获胜利的必备条件。
行为主义有一个显著不同点是它有一个智能的“载体”，比如上文所说到的“机器狗”的身体，而符号主义和连接主义则无类似“载体”（当然你也可以认为其“载体”便是打算机，只不过打算机不能感知***。

人类具有智能不仅仅是由于人有大脑，并且能够保持持续学习。
机器要想更“智能”，也须要不断学习。
符号主义靠人工授予机器智能，连接主义是靠机器自行习得智能，行为主义在与环境的浸染和反馈中得到智能。
连接主义和行为主义都利用强化学习方法进行演习。
三者之间的长处与短板都很明显，意味着彼此之间可以扬长补短，共同互助创造更强大的强大的人工智能。
比如说将连接主义的“大脑”安装在行为主义的“身体”上，使机器人不但能够对环境做出本能的反应，还能够思考和推理。
再比如，是否用可以符号主义的方法将人类的智能尽可能地授予机器，再按连接主义的学习方法进行演习？这也容许以缩短得到更强机器智能的韶光。

相信随着人工智能研究的不断深入，这三大学派会领悟贯通，可共同为人工智能的实际运用发挥浸染，也会为人工智能的理论找到终极答案。

左小波师长西席，自92年进入IT行业，一贯从事着信息系统的研发及企业IT管理事情，在行业多年的浸润下，积累了丰富的数字化培植履历，形成了独到见地。
对人工智能有着浓厚的兴趣，时候对人工智能技能保持不雅观察、学习、思考、分享