下载掌阅APP，畅读海量书库
立即打开
从学术的观察分析，人工智能主要分三大学派，分别是符号主义学派、连接主义学派和行为主义学派。
符号主义学派又称逻辑主义学派、心理学派或计算机学派。符号主义是一种基于逻辑推理的智能模拟方法，认为人工智能源于数学逻辑，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。
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，计算机同样也是一个物理符号系统，因此符号主义主张将智能形式化为符号、知识、规划和算法，并用计算机实现符号、知识、规则和算法的表征和计算，从而实现用计算机来模拟人的智能行为。符号主义走过了一条启发式算法—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解决问题。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20世纪80年代AI研究的主要方向。专家系统仅限于一个专业细分的知识领域，从而避免了常识问题，其简单的设计又使它能够被较为容易地编程实现或修改。
20世纪80年代末，符号主义学派开始日益衰落，其重要原因是：符号主义追求的是如同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。但是，人的大脑是宇宙中最复杂的东西，人的思想无比复杂而又广阔无垠，人类智能也远非逻辑和推理。另一个重要原因是：人类抽象出的符号，源头是身体对物理世界的感知，人类能够通过符号进行交流，是因为人类拥有类似的身体。计算机只处理符号，就不可能有人类感知，人类可意会而不能言传的“潜智能”，不必或不能形式化为符号，更是计算机不能触及的。要实现类人乃至超人智能，就不能仅仅依靠计算机。
1997年5月，IBM（国际商业机器）公司的“深蓝”超级计算机（图1-1）打败了国际象棋世界冠军卡斯帕罗夫，这一事件在当时也曾轰动世界，其实本质上，“深蓝”就是符号主义在博弈领域的成果。
图1-1“深蓝”超级计算机
连接主义学派又称仿生学派或生理学派。连接主义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模拟方法。连接主义强调智能活动是由大量简单单元通过复杂连接后，并行运行的结果，其基本思想是：既然生物智能是由神经网络产生的，那就通过人工方式构造神经网络，再训练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年反向传播法解决了多层感知器的训练问题，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，从理论分析到工程实现，为神经网络计算机走向市场打下基础。
与符号主义学派强调对人类逻辑推理的模拟不同，连接主义学派强调对人类大脑的直接模拟。如果说神经网络模型是对大脑结构和机制的模拟，那么连接主义的各种机器学习方法就是对大脑学习和训练机制的模拟。学习和训练是需要有内容的，数据就是机器学习、训练的内容。
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。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谈论的人工智能基本上都是指连接主义学派的技术，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（图1-2），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基础，但现在的发展严重受到了脑科学的制约。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，因此大量的探索最终失败。
图1-2 连接主义发展
行为主义学派又称进化主义学派或控制论学派。行为主义是一种基于“感知—行动”的行为智能模拟方法，思想来源是进化论和控制论。其原理为控制论以及感知—动作型控制系统。
该学派认为：智能取决于感知和行为，取决于对外界复杂环境的适应，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控制结构。
相比于智能是什么，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，那它就是智能的。这一学派的代表作首推六足行走机器人（图1-3），它被看作新一代的“控制论动物”——一个基于感知—动作模式模拟昆虫行为的控制系统。
图1-3 六足行走机器人
行为主义学派在诞生之初就具有很强的目的性，这也导致它的优劣都很明显。其主要优势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。不过也许正是因为过于重视表现形式，行为主义侧重应用技术的发展，它无法如同其他两个学派一般，在某个重要理论获得突破后，迎来爆发式增长。这或许也是行为主义无法与连接主义抗衡的主要原因之一。
三种主义之间的长处与短板都很明显，意味着彼此之间可以取长补短，共同合作创造更强大的人工智能。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，是否可以用符号主义的方法将人类的智能尽可能地赋予机器，再按连接主义的学习方法进行训练？这也许可以缩短获得更强机器智能的时间。
相信随着人工智能研究的不断深入，这三大学派会融会贯通，共同为人工智能的实际应用发挥作用，也会为人工智能的理论解释找到最终答案。