下载掌阅APP，畅读海量书库
立即打开
人类所有的智能（包括情感、意志和逻辑推理）都是从“算术”开始的，而所有的“算术”都起源于“0”和“1”的计算；人工智能是在计算机技术的基础上发展起来的，但是人工智能的研究和传统的计算机程序设计在很多方面有所不同。由于研究者对人工智能本质存在不同的理解和认识，因此也形成了人工智能研究的多种不同路径。不同的研究路径有不同的研究方法和不同的学术观点，并形成了不同的研究学派。归纳起来，人工智能界的主要研究学派有符号主义、行为主义、联结主义和机制主义等。
符号主义又称逻辑主义、心理学派或计算机学派，其理论基础是物理符号系统假设和有限合理性原理。符号主义学派认为，人认知的基本元素是符号，认知过程即符号操作过程。同时，人可以看成是一个物理符号系统，计算机也是一个物理符号系统，因此，我们就能够用计算机来模拟人的智能行为，即用计算机的符号操作来模拟人的认知过程。它还认为，知识是信息的一种形式，是构成智能的基础，人工智能的核心问题是知识表示、知识推理和知识运用。知识可用符号表示，也可用符号进行推理，因而有可能建立起基于知识的人工智能系统。这个学派的主要代表人物有纽维尔、西蒙等。
大量传统的人工智能研究都是在这个学派的思想推动下进行的。早期的人工智能主要研究棋弈、逻辑和数学定理的机器证明以及机器翻译等问题。后来发展起来的专家系统和知识工程则是人工智能的重要应用领域，陆续开发出许多著名的专家系统，为工矿数据分析处理、医疗诊断、计算机设计、符号运算和定理证明等提供了强有力的工具。
目前，符号主义学派面临着两大困境。第一个困境，就是对于常识的处理，特别是对于那些难以言传的常识的处理。科学家们已经发现，在人工智能研究中存在这样的问题，即对于一个儿童来说是非常容易处理的事情，但是人工智能方法经过多年努力仍然没法有效处理。这是因为人类在日常生活中要大量使用常识，这些常识不仅数量庞大，具有极大的语义相关性，而且通常会以特定的专业知识、自然环境和社会背景为前提，如果按照符号主义的思路进行研究，人工智能将会面临“知识爆炸”的危险。
第二个困境，就是对于情感和意志的处理。人的情感与意志很难直接地表现为符号，人类的各种心理过程也无法用逻辑方法表示出来。甚至早期支持人类级人工智能的“人工智能之父”马文·明斯基也承认人工智能形式系统模型解决问题的缺陷：“认知和智能活动不是由建基在公理上的数学运算所能统一描述的。因此，要在认知科学领域有实质性突破，应当放弃唯理主义哲学，从生物学中得到启示和线索。”
行为主义又称为进化主义或控制论学派，是基于控制论和“动作—感知”型控制系统的人工智能学派，属于非符号处理方法。行为主义者认为智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能一样逐步进化（所以称为进化主义）；智能行为只能在现实世界中与周围环境交互作用而表现出来。1948年，美国数学家诺伯特·维纳在《控制论》中指出：“控制论是在自控理论、统计信息论和生物学的基础上发展起来的，机器的自适应、自组织、自修复和学习功能是由系统的输入输出反馈行为决定的。”持有这种观点的学者认为：人的智能经过了在地球上十亿年甚至更长时间的进化，而要制造出真正的智能机器，也必须沿着这些进化的步骤走；他们认为智能机器无所谓是由蛋白质构成还是由各种半导体构成，而智能行为是由所谓的“亚符号处理”（即信号处理）产生而不是由“符号处理”产生的。
行为主义的研究方法作为对人工智能研究路线的一种探索，虽然在机器模拟实践方面取得了一定的进展，但是在客观上存在着理论和模型的不完善，在哲学、心理学等方面也有学者提出质疑。
以网络连接为基础的联结主义是近年来研究得比较多的一种方法，也属于非符号处理方法。联结主义又称仿生学派或生理学派，主要研究能够进行非程序的、可适应环境变化的、类似人类大脑风格的信息处理方法的本质和能力，是基于神经网络及网络间的连接机制和学习算法的人工智能学派。这一学派认为，认知的基本元素不是符号而是神经细胞（神经元），认知过程是大量神经元的连接，而大脑是一切智能活动的基础，因而从大脑神经元及其连接机制出发进行研究，搞清楚大脑的结构以及它进行信息处理的过程和机理，就有望揭示人类智能的奥秘，从而真正实现人类智能在机器上的模拟。联结主义学派尝试对大脑的结构进行模拟，建立分布式并行运算系统，从而使该系统具备自学习、自组织、自适应、联想、模糊推理等方面的能力。联结主义研究非程序的、实用性的、大脑工作风格的信息处理的本质和能力（这一能力也称神经计算）。随着联结主义学派的研究不断进步，大量的神经网络的机理、模型、算法研究成果不断地涌现出来。
20世纪60年代末明斯基和同为麻省理工学院研究专家的佩珀特从数学上分析了感知机的原理，指出了它的局限性，使得人工神经网络的研究走入低谷，许多研究队伍迅速解体。从80年代开始，经典符号主义人工智能的局限性逐步明朗化，而当年推出人工智能领域神经网络的一些学者及其后继者经过多年潜心研究，也取得了重要的突破。计算机硬件制造技术突飞猛进的发展，更使神经网络的实现成为可能。80年代末神经网络研究迅速崛起，在声音识别、图像处理等方面取得很大成功。但自90年代以来，学界未能进一步提出更多的新模型，真正的符合人脑信息处理特性的硬件模型也一直没能问世，这使得一些开始热衷于神经网络研究的人们感到气馁，神经网络的研究也在这一阶段进入了低潮期。
在人工智能领域，符号主义采取的是一种还原主义思想，试图将人类的所有心智借助研究知识并将之概念化，抽象成规则，进行符号程序编写，以便在计算机中进行运作，以达到完成人类心智的机器化，它成功模拟了人类心智中逻辑思维等高级形式。而联结主义学派则表现出整体主义的研究方法，它建立在“人工神经网络”理论的基础上，通过底层网络中神经元个体的相互作用而表现出来的“涌现”来模拟人类心智。这种“涌现”既是一种整体的行为，同时强调个体神经元的行为与作用。行为主义学派认为，智能的产生无须知识和推理，它能通过刺激—反应从低级向高级逐步进化。北京邮电大学钟义信教授则认为，虽然结构、功能、行为都是系统的重要属性，但是对于智能系统来说，真正能够揭示其本质的，却是系统的“工作机制”，由此提出了机制主义的研究方法。
按照机制主义的观点，智能创建的共性机制就是“由信息生成知识，由知识激活智能”。因此，在机制主义的统一框架体系下，符号主义、联结主义和行为主义研究方法不再是排斥和竞争的关系，而是有机互补的关系。由此可见，机制主义研究方法是一种融合了还原论和整体论的研究方法，它既重视底层信息到知识的转换过程，又注重知识转换到智能策略进而生成智能行为的过程。
机制主义的主要缺陷，是未能把智能进一步推延到情感和意志，这一缺陷也使后来的研究遭遇了严重的瓶颈。