7
不知道你怎么看

自从1956年达特茅斯会议提出人工智能的概念后，许多科学家投入到人工智能研究中，围绕着人工智能怎么实现，逐渐形成了三大流派（见图7.1）：符号主义、连接主义和行为主义。它们代表了不同的思考角度。也有其他不同的分法，但通常认为这三大流派是人工智能的主要流派。

符号主义认为“智能”是符号的运算。许多学者认为，人类的思维过程就是对符号（如文字、数字、图像等）进行运算和处理的过程，人工智能系统应当像人一样理解和运用符号。科学家们做了很多探索与尝试，试图将人类的思维过程形式化，使用计算机来模拟人类的推理、学习和决策等智能行为。

早期的人工智能研究侧重于符号主义。符号主义者们开发了几种方法：知识表示是一种，目标是将现实世界中的知识转化为计算机能理解和处理的符号，从而实现机器的智能；逻辑推理是一种，比如各种定理证明器可以将几何定理转化为数学符号之间的逻辑关系；专家系统也是一种，它在后期被广泛应用，它让计算机根据人类专家的知识来解决问题。

连接主义则认为“智能”是神经元的连接。他们的核心思想是模拟人脑神经元的连接和交互方式，因而他们又被称为“仿生学派”。他们认为人类的智能是通过大量神经元之间的复杂连接和交互来实现的，因而只要能够准确模拟人脑的机制，当然就可以让机器具有智能。

后来，随着计算机硬件性能的提升、深度学习算法的突破以及数据量的增长，连接主义成为人工智能的主流，科学家们构建出各种强大的人工智能系统。人工神经网络（Neural Network）是连接主义的核心方法，它通过训练模型，让机器对特定任务进行分析。以识别猫的图片为例，我们可以将图片中猫的不同特征数据输入到神经网络，经过多次训练（学习），通过调整连接就能建立一套好的模型，让机器具备正确识别猫的能力。目前的深度学习和大模型都是连接主义的产物。

行为主义则认为“智能”是行为的反馈。许多学者认为，人工智能可以在交互和反馈中建立起来，通过感知外部环境的变化，逐步适应环境并对智能体进行优化和改进。行为主义在智能机器人、自动控制、智能游戏等领域有广泛的应用前景。

强化学习是行为主义的代表性技术，它建立了奖励机制，引导智能体进行学习和决策。智能体在尝试不同的行动后，会获得相应的奖励或惩罚，然后调整自己的行动策略，实现奖励最大化或惩罚最小化。前面提到的计算机智能下棋，就是在每一步中计算奖惩。

符号主义、连接主义、行为主义是人工智能领域的三大流派，它们从不同的角度和层面来理解和模拟人类的智能行为，各有其特点和优势。这些流派并非彼此排斥，很多场合他们可以相互融合与借鉴，从而更好地解决复杂问题。

总之，“怎样让机器拥有智能”这个问题会一直延续下去。不知道你怎么看待这个问题？或许，你的想法会发展成人工智能的下一个流派，从而改变世界！

在过去的七十多年中，人类不断探索各种可能的人工智能新技术，图7.2展示了人工智能技术发展的大致历程，粗略可以分为：兴起、第一次寒冬、复兴、第二次寒冬、重新崛起等几个阶段，下一章我们将按照时间顺序，对人工智能的发展史进行简要的介绍和总结。