下载掌阅APP，畅读海量书库
立即打开
语言和文字是人们表达思想、交流信息的工具。它促进了人类的文明及社会的进步。人类语言和文字是人类知识表示的最优秀、最通用的方法，但人类语言和文字的知识表示方法并不适合于计算机处理。
智能科学研究的目的是建立一个能模拟人类智能行为的系统，但知识是一切智能行为的基础，因此首先要研究知识表示方法。只有这样才能把知识存储到计算机中，供求解现实问题使用。
对知识表示方法的研究，离不开对知识的研究与认识。人们在对智能系统的研究及建立过程中，结合具体研究提出了一些知识表示方法。知识表示方法可分为如下两大类：符号表示法和连接机制表示法。
符号表示法是用各种包含具体含义的符号，以各种不同的方式和顺序组合起来表示知识的一类方法。它主要用来表示逻辑性知识，目前用得较多的知识表示方法有：一阶谓词逻辑表示法、产生式表示法、面向对象表示法、框架表示法、语义网络表示法及知识图谱表示法等。
连接机制表示法是用神经网络表示知识的一种方法。它把各种物理对象以不同的方式及顺序连接起来，并在其间互相传递及加工各种包含具体意义的信息，以此来表示相关的概念及知识。相对于符号表示法而言，连接机制表示法是一种隐式的知识表示方法。这里，知识并不像在产生式系统中表示为若干条规则，而是将某个问题的若干知识在同一个网络中表示。因此，特别适用于表示各种形象性的知识。
机器感知是使机器（计算机）具有类似于人的感知能力，其中以机器视觉（Machine Vision）与机器听觉为主。机器视觉是让机器能够识别并理解文字、图像、场景等；机器听觉是让机器能识别并理解语言、声响等。
机器感知是机器获取外部信息的基本途径，是使机器具有智能不可缺少的组成部分，正如人的智能离不开感知一样，为了使机器具有感知能力，需要为它配置上能“听”、会“看”的感觉器官。对此，人工智能中形成了两个专门的研究领域，即模式识别与自然语言理解。
机器思维是指对通过感知得来的外部信息及机器内部的各种工作信息进行有目的的处理。正如人的智能来自大脑的思维活动一样，机器智能主要是通过机器思维实现的。因此，机器思维是智能科学研究中最重要、最关键的部分。它使机器能模拟人类的思维活动，能像人那样既可以进行逻辑思维，又可以进行形象思维。
知识是智能的基础，要使计算机有智能，就必须使它有知识。人们可以把有关知识归纳、整理在一起，并用计算机可接受、处理的方式输入计算机中，使计算机具有知识。这种方法不能及时地更新知识，特别是计算机不能适应环境的变化。为了使计算机具有真正的智能，必须使计算机像人类那样，具有获得新知识、学习新技巧并在实践中不断完善、改进的能力，实现自我完善。
机器学习（Machine Learning）就是研究如何使计算机具有类似于人的学习能力，使它能通过学习自动地获取知识。计算机可以直接向书本学习，通过与人谈话学习，通过对环境的观察学习，并在实践中实现自我完善。
机器学习是一个难度较大的研究领域，它与脑科学、神经心理学、计算机视觉、计算机听觉等都有密切联系，依赖于这些学科的共同发展。因此，经过近些年的研究，虽然取得了很大的进展，提出了很多学习方法，但并未从根本上解决问题。
与人的行为能力相对应，机器行为主要是指计算机的表达能力，即“说”“写”“画”等能力。对于智能机器人，它还应具有人的四肢功能，即能走路、能取物、能操作等。
目前智能科学的主要学派有下列3家。
① 符号主义，又称为逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统假设和有限合理性原理。
② 连接主义，又称为仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。
③ 行为主义，又称为进化主义，其原理为控制论及感知动作型控制系统。
各学派对智能科学发展历史具有不同的看法。
符号主义认为智能源于数理逻辑。数理逻辑从19世纪末起获迅速发展；到20世纪30年代开始用于描述智能行为。计算机出现后，又在计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序逻辑理论家（Logic Theorist, LT），证明了38条数学定理，表明了可以应用计算机研究人的思维过程，模拟人类智能活动。正是这些符号主义者，早在1956年首先采用“人工智能”这个术语，后来又发展了启发式算法→专家系统→知识工程理论与技术，并在20世纪80年代取得很大发展。符号主义为智能科学的发展做出重要贡献，尤其是专家系统的成功开发与应用，对于人工智能走向工程应用和实现理论联系实际具有特别重要的意义。在智能科学的其他学派出现之后，符号主义仍然是人工智能的主流学派。
连接主义认为智能源于仿生学，特别是人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克（Warren McCulloch）和数理逻辑学家皮茨（Walter Pitts）创立的脑模型，即 MP 模型，开创了用电子装置模仿人脑结构和功能的新途径。它以神经元开始进而研究神经网络模型和脑模型，开辟了智能科学的又一发展道路。20世纪60年代至20世纪70年代，连接主义，尤其是对以感知机（Perceptron）为代表的脑模型的研究出现热潮。由于当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至20世纪80年代初期落入低潮。直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络后，连接主义重新抬头。1986年，鲁梅尔哈特（Rumelhart）等提出多层网络中的反向传播（BP）算法。此后，连接主义势头大振，从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场打下基础。
行为主义认为智能源于控制论。控制论思想早在20世纪40年代至20世纪50年代就成为时代思潮的重要部分，影响了早期的智能科学工作者。维纳（Winner）和麦克洛（McCloe）等提出的控制论和自组织系统以及钱学森等提出的工程控制论和生物控制论，影响了许多领域。控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。早期的研究工作重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自校正、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。到20世纪60年代至20世纪70年代，上述这些控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在20世纪80年代诞生了智能控制和智能机器人系统。行为主义是20世纪末才以人工智能新学派的面孔出现的，引起许多人的兴趣。这一学派的代表作首推布鲁克斯（Brooks）的六足行走机器人，它被看作新一代的“控制论动物”，是一个基于感知−动作模式的模拟昆虫行为的控制系统。
以上3个学派将长期共存，取长补短，并走向融合和集成，为智能科学的发展做出贡献。
人工智能各学派对于AI的基本理论问题，如定义、基础、核心、要素、认知过程、学科体系以及人工智能与人类智能的关系等，均有不同观点。
① 符号主义
符号主义认为人的认知基元是符号，而且认知过程即符号操作过程。它认为人是一个物理符号系统，计算机也是一个物理符号系统，因此，人们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。也就是说，人的思维是可操作的。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类智能和机器智能的统一理论体系。
② 连接主义
连接主义认为人的思维基元是神经元，而不是符号处理过程。它对物理符号系统假设持反对意见，认为人脑不同于电脑，并提出连接主义的大脑工作模式，用于取代符号操作的电脑工作模式。
③ 行为主义
行为主义认为智能取决于感知和行动（所以被称为行为主义），提出智能行为的“感知−动作”模式。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。行为主义还认为符号主义（还包括连接主义）对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象，因而是不能真实地反映客观存在的。
不同人工智能学派对人工智能的研究方法问题也有不同的看法。这些问题涉及人工智能是否一定采用模拟人的智能的方法？若要模拟又该如何模拟？对结构模拟和行为模拟、感知思维和行为、认知和学习以及逻辑思维和形象思维等问题是否应分离研究？是否有必要建立人工智能的统一理论系统？若有，又应以什么方法为基础？
① 符号主义
符号主义认为人工智能的研究方法应为功能模拟方法。通过分析人类认知系统所具备的功能和机能，用计算机模拟这些功能，实现人工智能。符号主义力图用数学逻辑方法来建立人工智能的统一理论体系，但遇到不少暂时无法解决的困难。
② 连接主义
连接主义主张人工智能应着重于结构模拟，即模拟人的生理神经网络结构，并认为功能、结构和智能行为是密切相关的，不同的结构表现出不同的功能和行为。目前已经提出多种人工神经网络结构和众多学习算法。
③ 行为主义
行为主义认为人工智能的研究方法应采用行为模拟方法，也认为功能、结构和智能行为是不可分的，不同行为表现出不同功能和不同控制结构。