人工智能的三大流派，你知道几个了解每个流派的特点和应用场景！超级有用!
在很多教条的讲解人工智能技术书籍中，经常会提到人工智能的三大流派，说实话做了很多年人工智能工作的小伙伴都未必知道是什么，今天咱们就搞明白它们分别是什么：
符号主义
连接主义
行为主义
1.符号主义：符号主义是人工智能发展的早期阶段，也称为逻辑AI，专家系统是符号主义的主要成就。
20世纪80年代初到20世纪90年代初，专家系统经历了十年的黄金期。互联网催生电子商务，专家系统变为规则引擎，在征信、风控等规则发挥得很好的邻域，发挥余热。
符号主义也并非就此消亡了（比如构建某领域的知识图谱），该算法是一种基于知识库的推理机制，然后根据这些规则来推理解决问题。专家系统具有可解释性强、推理过程可追踪、知识表示灵活等优点，但由于其依赖于人类专家的知识和经验，因此应用场景有一定限制。
连接主义：连接主义是人工智能发展的一个重要分支，也称为神经网络AI。
该流派主要依靠人工神经网络来模拟人脑神经元的工作原理。连接主义者认为，人类思维的本质在于神经元之间的连接和交互，因此他们试图建立一种基于神经元模型的学习算法来模拟人类的学习过程，以实现机器的智能化。
连接主义的代表性算法是深度学习算法，该算法通过搭建深度神经网络模型来实现对大规模数据的学习和处理。
深度学习算法具有自动特征提取、模型表示能力强等优点，因此被广泛应用于图像识别
语音识别
自然语言处理
等领域。
行为主义：又称进化主义(Evolutionism)，行为主义的贡献主要是在机器人控制系统方面，希望从模拟动物的“感知——动作”开始，最终复制出人类的智能。20世纪末，行为主义正式提出智能取决于感知与行为，以及智能取决于对外界环境的自适应能力的观点。至此，行为主义成为了一个新的学派，在人工智能的舞台上拥有了一席之地，行为主义的代表性应用包括遗传算法教AI打游戏
增强学习教智能体学会捉迷藏、打拳击等。
其实所谓的人工智能技术的三大流派，就是随着人工智能发展不断延伸出来的不同叫法而已！
人工智能五大流派
人工智能的主要学派有下列5家：(1)符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，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。奠基人是西蒙（CMU），符号主义，主要成就代表是上个世纪的专家系统(2)联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)，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。奠基人是明斯基（MIT），发展最火是深度学习，深度神经网络，属于联结主义；(3)行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论及感知-动作型控制系统。奠基人是维纳（MIT），行为主义的贡献，躲在机器人控制系统方面。现在，而；(4)贝叶斯学派（bayes），基于概率统计的贝叶斯算法最常见的应用就是反垃圾邮件功能，贝叶斯分类的运作是借着使用标记与垃圾邮件、非垃圾邮件的关连，然后搭配贝叶斯推断来计算一封邮件为垃圾邮件的可能性。(5)类推学派（Analogizer），
乌镇智库《全球人工智能发展报告》中3大细分领域：机器视觉自然语言智能驾驶
VentureScanner将人工智能行业细分为13类：1、深度学习/机器学习（通用）：这类公司主要建立可依靠现存数据进行学习的算法。典型例子包括预测数据模型与分析行为数据的软件平台。
2、深度学习/机器学习（应用）：这类公司同样使用计算机算法，但却是基于非常垂直的特殊案例中存在的数据运行。典型例子有利用机器学习技术侦查金融诈骗或者识别最好的销售线索。
3、自然语言处理（通用）：此类公司构建的算法能够处理输入的自然语言，并将其转化为可理解的表达。例子包括文本自动生成以及文本挖掘生成数据。
4、自然语言处理（语音识别）：公司产品能够处理人类语音的片段，准确识别单词并推测含义。典型的例子是语音指令的检测并将其转化为可执行的数据。
5、计算机视觉/图像识别（通用）：这类公司研发的技术主要是图像处理、分析，可从中提取信息、识别图像中的物体。典型例子包括图像搜索平台和研发员使用的图像标签应用程序接口。
6、计算机视觉/图像识别（应用）：这类公司是在非常垂直的案例中使用图像处理技术。典型案例包括面部识别软件和能让用户通过拍照搜索商品的软件。
7、手势控制：公司产品可让用户通过手势与计算机互动或交流。典型例子包括让人们通过肢体动作控制游戏角色的软件以及仅用手势就能控制计算机和电视的软件。
8、虚拟私人助手：这是一类基于反馈和指令来为个体完成日常任务和服务的软件助理。典型例子有网络客服助理和个人助理app，管理个人日程安排等。
9、智能机器人：可以进行经验学习并根据身边环境自主进行活动的机器人。典型例子有家庭机器人，可以在互动中根据情感做出反应，还有帮助人们找到商品的销售机器人。
10、推荐引擎和协助过滤算法：软件能够预测用户对电影、餐厅等的偏好，并推荐个性化的内容。典型例子有音乐推荐app和基于用户过去选择进行推送的美食推荐网站。
11、情境感知计算：软件能够自动感知周围环境以及使用背景，例如位置、方向、光度，并以此调整行为。典型例子包括感知环境的黑暗度并调高亮度的应用。
12、语音翻译：识别人类语音并立刻自动从一种语言翻译至另一种语言的软件。典型例子是自动以及实时的将视频谈话或网络研讨会翻译为多种语言的软件。
13、视频内容自动识别：这类软件可以将视频内容的一个样本与源内容文件相比较，通过它独特的特点识别内容。典型例子有对用户上传的视频与版权视频文件比较以侦测是否侵权的软件。
何为智能？一种能力。包括：理解、计划、解决问题、抽象思维、表达意念以及语言和学习能力智力的三因素理论1、成分性智力，指思维和问题解决依赖的心里过程2、经验智力，指人们在两种极端情况下处理问题的能力：新异或者常规问题3、情景智力，指对日常事务的处理，包括对新的和不同环境的适应，选择合适的环境以及有效的改变环境以适应你的需要。
阿兰.图灵_人工智能的奠基人
人工智能发展的五个主要技术方向是什么
人工智能主要分支介绍通讯、感知与行动是现代人工智能的三个关键能力，在这里我们将根据这些能力/应用对这三个技术领域进行介绍：
·计算机视觉(CV)
·自然语言处理(NLP)
·在NLP领域中，将覆盖文本挖掘/分类、机器翻译和语音识别。
·机器人
1、分支一：计算机视觉计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。物体检测和人脸识别是其比较成功的研究领域。
当前阶段：
计算机视觉现已有很多应用，这表明了这类技术的成就，也让我们将其归入到应用阶段。随着深度学习的发展，机器甚至能在特定的案例中实现超越人类的表现。但是，这项技术离社会影响阶段还有一定距离，那要等到机器能在所有场景中都达到人类的同等水平才行(感知其环境的所有相关方面)。
发展历史：
2、分支二：语音识别语音识别是指识别语音(说出的语言)并将其转换成对应文本的技术。相反的任务(文本转语音/TTS)也是这一领域内一个类似的研究主题。
当前阶段：
语音识别已经处于应用阶段很长时间了。最近几年，随着大数据和深度学习技术的发展，语音识别进展颇丰，现在已经非常接近社会影响阶段了。
语音识别领域仍然面临着声纹识别和「鸡尾酒会效应」等一些特殊情况的难题。
现代语音识别系统严重依赖于云，在离线时可能就无法取得理想的工作效果。
发展历史：
百度语音识别：
距离小于1米，中文字准率97%+
支持耳语、长语音、中英文混合及方言
3、分支三：文本挖掘/分类这里的文本挖掘主要是指文本分类，该技术可用于理解、组织和分类结构化或非结构化文本文档。其涵盖的主要任务有句法分析、情绪分析和垃圾信息检测。
当前阶段：
我们将这项技术归类到应用阶段，因为现在有很多应用都已经集成了基于文本挖掘的情绪分析或垃圾信息检测技术。文本挖掘技术也在智能投顾的开发中有所应用，并且提升了用户体验。
文本挖掘和分类领域的一个瓶颈出现在歧义和有偏差的数据上。
发展历史：
4、分支四：机器翻译机器翻译(MT)是利用机器的力量自动将一种自然语言(源语言)的文本翻译成另一种语言(目标语言)。
当前阶段：
机器翻译是一个见证了大量发展历程的应用领域。该领域最近由于神经机器翻译而取得了非常显著的进展，但仍然没有全面达到专业译者的水平;但是，我们相信在大数据、云计算和深度学习技术的帮助下，机器翻译很快就将进入社会影响阶段。
在某些情况下，俚语和行话等内容的翻译会比较困难(受限词表问题)。
专业领域的机器翻译(比如医疗领域)表现通常不好。
发展历史：
5、分支五：机器人机器人学(Robotics)研究的是机器人的设计、制造、运作和应用，以及控制它们的计算机系统、传感反馈和信息处理。
机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件，比如定位、地图测绘和目标识别。
当前阶段：
自上世纪「Robot」一词诞生以来，人们已经为工业制造业设计了很多机器人。工业机器人是增长最快的应用领域，它们在20世纪80年代将这一领域带入了应用阶段。在安川电机、Fanuc、ABB、库卡等公司的努力下，我们认为进入21世纪之后，机器人领域就已经进入了社会影响阶段，此时各种工业机器人已经主宰了装配生产线。此外，软体机器人在很多领域也有广泛的应用，比如在医疗行业协助手术或在金融行业自动执行承销过程。
但是，法律法规和「机器人威胁论」可能会妨碍机器人领域的发展。还有设计和制造机器人需要相对较高的投资。
发展历史：
总的来说，人工智能领域的研究前沿正逐渐从搜索、知识和推理领域转向机器学习、深度学习、计算机视觉和机器人领域。
大多数早期技术至少已经处于应用阶段了，而且其中一些已经显现出了社会影响力。一些新开发的技术可能仍处于工程甚至研究阶段，但是我们可以看到不同阶段之间转移的速度变得越来越快。
猜你喜欢：
AI人工智能——科技春晚暗藏的风口行业
什么是人工智能？人工智能和Python有什么关系？
数学不好能学人工智能课程？
黑马程序员AI人工智能培训课程