人工智能的三大学派
符号主义、连接主义、行为主义是人工智能的三大学派。
符号主义(symbolicism)符号主义，又称逻辑主义、心理学派或计算机学派。
人工智能的符号主义学派是一种认为人工智能源于数理逻辑的观点，它试图用符号系统和规则来表示和操作人类的思维过程，例如推理、证明、解决问题等。
下图是用决策树模型输入业务特征预测天气，就是典型的符号主义。图:用决策树模型输入业务特征预测天气
它叫做符号主义，是因为它使用了数学和物理学中的逻辑符号，如变量、常量、函数、谓词、量词等，来构建复杂的表达式和语句，从而表达知识和逻辑。
符号主义学派是人工智能的早期和主流学派之一，它的代表性成果有专家系统和知识工程等。
符号主义首个代表性成果是：1956年Newell和Simon等人研制的成为“逻辑理论家”的数学定理证明程序LT，可以证明出《自然哲学的数字原理》(PrincipiaMathematica)中的38条数学定理(后来可以证明全部52条定理)，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。
图：Newell和Simon
符号主义最辉煌的时候，是专家系统，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上世纪80年代AI研究的主要方向。
图：专家系统
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；专家系统其简单的设计又使它能够较为容易地编程实现或修改。专家系统仅仅局限于某些特定情景，且知识采集难度大、费用高、使用难度大，在其它领域如机器翻译、语音识别等领域基本上未取得成果。未能实现的日本的第五代计算机项目就是典型。图：日本第五代计算机概念图
在20世纪80年代末，符号主义学派开始衰落。其原因如下：
符号主义试图将人类思想、行为和结果抽象为简洁深入的规则，类似于数学定理。然而，人类的思想是极其复杂而广泛的，而人类的智能不仅仅是逻辑和推理的结果。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，就不可能有类人感知，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。1997年5月，名为“深蓝”的IBM超级计算机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：卡斯帕罗夫对战超级电脑“深蓝”
连接主义(connectionism)连接主义认为人工智能源于仿生学，用神经网络和学习算法来模拟人类的大脑结构（神经元的连接）和功能，代表性的成果有感知机和反向传播算法。
1957年,弗兰克·罗森布拉特（FrankRosenblatt）在一台IBM-704计算机上模拟实现了一种他发明的叫做“感知机”（Perceptron）的神经网络模型。
图：神经细胞与感知机
感知机可以被视为一种最简单形式的前馈式人工神经网络，是一种二分类的线性分类判别模型，其输入为实例的特征向量（x1,x2...），神经元的激活函数f为sign，输出为实例的类别（+1或者-1），模型的目标是要将输入实例通过超平面将正负二类分离。
1969年，“符号主义”代表人物马文·明斯基（MarvinMinsky）的著作《感知器》提出对XOR线性不可分的问题：单层感知器无法划分XOR原数据，解决这问题需要引入更高维非线性网络（MLP,至少需要两层），但多层网络并无有效的训练算法。这些论点给神经网络研究以沉重的打击，神经网络的研究走向长达10年的低潮时期。
1974年，哈佛大学沃伯斯(PaulWerbos)博士论文里，首次提出了通过误差的反向传播(BP)来训练人工神经网络。
BP算法的基本思想不是（如感知器那样）用误差本身去调整权重，而是用误差的导数（梯度）调整。通过误差的梯度做反向传播，更新模型权重，以下降学习的误差，拟合学习目标，实现“网络的万能近似功能”的过程。
其后的发展就是等算力和数据的提升，我们在深度学习中有讲解。
知识图谱知识图谱是大数据时代的知识工程集大成者，是符号主义与连接主义相结合的产物，是实现认知智能的基石。
行为主义(actionism)强调行为和刺激之间的关系，将人类的思维过程看成是一种条件反射和刺激响应的过程。认为人工智能源于控制论，用感知-动作模式和自适应机制来模拟人类的行为和反应，代表性的成果有进化算法和多智能体系统。
这一学派的代表作者首推布鲁克斯(Brooks)的六足行走机器人，它被看作是新一代的“控制论动物”，是一个基于感知-动作模式模拟昆虫行为的控制系统。
图：1989年，由麻省理工学院制造的六足机器人Genghis（成吉思汗），被认为是现代历史上最重要的机器人之一。由于其体积小，材料便宜，Genghis被认为缩短了生产时间和未来空间机器人设计的成本。它有12个伺服电机和22个传感器，可以穿越多岩石的地形。
在他的实验室中还有大量的机器昆虫（如上图所示），相对于那些笨拙的机器人铁家伙来说，这些小昆虫要灵活得多。
著名的研究成果还有波士顿动力机器人和波士顿大狗。
图：波士顿大狗
总结研究领域注重方向符号主义研究抽象思维注重数学可解释性连接主义研究形象思维偏向于仿人脑模型行为主义研究感知思维偏向于应用和身体模拟人类具有智能不仅仅是因为人有大脑，并且能够保持持续学习。机器要想更“智能”，也需要不断学习。符号主义靠人工赋予机器智能，连接主义是靠机器自行习得智能，行为主义在与环境的作用和反馈中获得智能。它们彼此之间扬长补短，相信随着人工智能研究的不断深入，这三大学派会融合贯通，共同合作创造更强大的强大的人工智能。
一文了解人工智能——学科介绍、发展史、三大学派
何为智能在介绍人工智能之前，我们要先了解智能到底是什么？智能，其实就是智力和能力的总称。世界著名教育心理学家霍华德·加德纳提出了著名的“多元智能理论”，他认为人类个体都独立存在着八种智能，分别如下：
视觉—空间智能，指对线条、形状、结构、色彩和空间关系的敏感以及通过平面图形和立体造型将它们表现出来的能力。语言—言语智能，指听说读写能力，利用语言描述事件、表达思想并与人交流的能力。交往—交流智能，指与人相处交往的能力，表现为察觉、体验他人情绪、情感和意图并据此作出适宜反应的能力。自知—自省智能，指认识、洞察和反省自身的能力，表现为正确地意识和评价自身的情绪、动机、欲望、个性、意志，并在正确的自我意识我自我评价的基础上形成自尊、自律和自制的能力。逻辑—数理智能，指运算和推理能力，表现为对事物间各种关系如类比、对比、因果和逻辑等关系的敏感以及通过数理运算和逻辑推理等进行思维的能力。音乐—节奏智能，指感受、辨别、记忆、改变和表达音乐的能力，表现为个人对音乐包括节奏、音调、音色和旋律的敏感以及通过作曲、演奏和歌唱等表达音乐的能力。身体—动觉智能，指运用四肢和躯干的能力，表现为能够较好地控制自己的身体、对事件能够做出恰当的身体反应以及善于利用身体语言来表达自己的思想和情感的能力。自然观察智能，指个体辨别环境的特征并加以分类和利用的能力。何为人工智能人工智能，即是人工的智能，是人造出来的像人类一样思考和行动的机器，使得机器也拥有“多元智能理论”中的八种智能。多数人对人工智能的了解主要是通过科幻片，里面的机器人拥有着人类的思维意识、情感和超凡的能力。
然而现实中的人工智能却与科幻片的相去甚远，甚至让人大失所望，现实中的人工智能只能向我们推荐感兴趣的文章，只能帮我们过滤垃圾邮件，只能幼稚地跟我们聊天，只能生硬地帮我们翻译，也许还能在简单的环境中完成自动驾驶。现实中的人工智能只能完成单一且较简单的任务，而且还不一定能完成地很好，这就是理想与现实的差距。
弱人工智能人工智能的终极目标是要赋予机器思维意识，使其能够像人脑一样工作思考。总体而言，以是否具有自我意识及独立思考能力为界，可将人工智能分为强人工智能和弱人工智能。其中强人工智能指更方面的能力都达到人类的水平，能模仿人类的思维、意识和学习能力。而弱人工智能则只专注于完成某个特定任务，模拟人类的某方面智能，比如人脸识别、语音识别等。
目前我们经常听到的人工智能其实属于弱人工智能范畴，它只能解决某个特定领域的问题，更多的是充当一种工具来使用。弱人工智能建立在大数据和机器学习（包括目前较火的深度学习）的基础上，也就是通过大量的标定的数据和算法来学习事物的模式规律。通过对数据训练得到一个模型参数，然后根据该模型实现决策和预测。
而强人工智能则是指具有人类的各种能力，比如独立思考、自我意识、七情六欲、推理归纳等等。目前来看，强人工智能领域几乎没有实质性进展，完全不具备理论工程基础，更像是一种美好幻想。
人工智能发展史从人工智能正式被提出到如今已经六十多年过去了，在此期间人工智能的发展经历了几度繁荣和衰落。目前虽然已取得不错的进展，然而现实与理想的差距还是很大，前进道路依旧曲折。
在1900年国际数学家大会上，数学家希尔伯特提出《未来的数学问题》，其中就有一些与人工智能相关的问题。人工智能的孕育期其实可以追溯到公元前的哲学界亚里士多德，他提出了著名的三段论，在演绎推理方面甚至影响至今；后来数学家莱布尼茨提出了万能符合和推理计算，为数理逻辑奠定了基础；之后逻辑学家布尔创立了布尔代数，并首次用符号描述了基本的推理法则。
1943年，神经物理学家麦克洛奇与匹兹建成了第一个神经网络模型，M-P模型。此外，数学家艾伦图灵做了一件非常重要的事情，就是设计出了图灵机，这也是现代计算机的理论原型。并在1950年发表了《计算机器与智能》论文，这篇论文给出了机器和思考的定义，并且制定了“图灵测试”标准，如果能通过该测试则认为该机器具有智能。
1956年的达特茅斯会议被称为是人工智能元年，同时也是人工智能诞生的标志。这一年，在美国汉诺斯小镇宁静的达特茅斯学院中，人工智能之父约翰·麦卡锡、人工智能奠基者马文·闵斯基、信息论创始人克劳德·香农、计算机科学家艾伦·纽厄尔、诺贝尔经济学奖得主赫伯特·西蒙等科学家聚到了一起，讨论如何用机器来模仿人类的智能。会议足足开了两个月的时间，虽然没有达成普遍的共识，却起了一个名字：人工智能。
达特茅斯会议过后人工智能开始井喷式发展，1957年罗森布拉特发明了感知机，1959年科学家亚瑟·塞缪尔创造了“机器学习”这个术语，并且给出了机器学习的定义。1966年和1972年分别诞生了第一个聊天机器人和智能机器人，而后随着人们对人工智能的兴趣下降并且资金枯竭，在1974年，人工智能开始进入第一个寒冬。经历过寒冬后，1980年人工智能以专家系统的身份重出江湖，专家系统能在特定领域提供决策能力。但很快，在1987年人工智能在耗尽了政府和投资人的资金后，开始进入第二次寒冬。
1997年，IBM的深蓝击败了国际象棋世界冠军加里·卡斯帕罗夫，成为第一台击败国际象棋世界冠军的电脑。2002年人工智能开始以清洁机器人的身份走进人类家庭，直到2006年，Facebook、Twitter、Netflix等公司开始将人工智能技术引入商业系统中。到2011年时，IBM的沃森系统已经能够在智力竞赛节目中与人类PK并赢得冠军了。
最重要的是在2006年以后，大数据和深度学习爆发并得到了高速的发展，结合两者实现的人工智能在某些方面已经能够与人类相提并论。所以在新一轮技术浪潮的驱动下，人工智能在很多领域不断落地应用，其中包括人脸识别、语音识别、自动驾驶、精准营销、个性化推荐、智能客服、安防系统等等。
三大学派在人工智能的整个发展过程中，不同学科背景的研究人员对人工智能有不同的理解，因此也产生了三大人工智能学派。传统的人工智能被称为符号主义学派，符号主义主要研究的是基于逻辑推理的智能模拟方法；而一些人则认为可通过模拟大脑的神经网络结构来实现，即连接主义学派；此外还有人认为可以从生物体与环境互动的模式中寻找答案，被称为行为行为主义学派。
符号主义学派符号学派认为任何能够将某些模式或符号进行操作并转化成另外一些模式或符号的系统就可能产生智能行为，它致力于用计算机的符号操作来模拟人的认知过程，其实质就是模拟人的大脑的抽象逻辑思维，并通过某种符号来描述人类的认知过程，从而实现人工智能。符号主义主要集中在人类智能的高级行为，比如推理、规划、知识表示等。
连接主义学派每个人的大脑都有万亿个神经元细胞，它们错综复杂的互相连接，也被认为是人类的智慧的来源。所以人们很自然想到能否通过大量神经元来模拟大脑的智力。连接主义学派认为神经网络和神经网络间的连接机制和学习算法能够产生智能。
行为主义学派行为学派出发点与其他两个学派完全不同，它是一种基于感知—行动的行为智能模拟方法。该学派认为行为是个体用于适应环境变化的各种身体反应的组合，它的理论目标在于预见和控制行为。
回顾这篇文章从整体介绍了什么是人工智能、人工智能的发展以及人工智能的三大学派，从整体上了解了人工智能这门学科的情况，并且知道了目前的人工智能并非是科幻片里面的人工智能，现实与理想之间的差距还是很大的。
了解了人工智能的这些情况后，是不是勾起了你对人工智能的兴趣呢？接下来作者会准备《人工智能原理科普》专栏，欢迎关注！
欢迎关注：人工智能、读书与感想、聊聊数学、分布式、机器学习、深度学习、自然语言处理、算法与数据结构、Java深度、Tomcat内核等相关文章
观识陈美平：人工智能三大学派的前世今生
从1943年形式化神经元模型（M-P模型）提出后，联结主义学派开启了起伏不平的发展之路。1957年感知器被发明，之后连接主义一度沉寂。1982年霍普菲尔德网络、1985年受限玻尔兹曼机、1986年多层感知机器被发明，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。1989年反向传播和神经网络被用于识别银行手写支票的数字，首次实现了人工神经网络的商业化应用。随着人类进入互联网和大数据时代，在人工智能的算法、算力、数据三要素齐备后，联结主义学派开始大放光彩。2009年多层神经网络在语音识别方面取得了重大突破，2011年苹果工作将Siri整合到iPhone4中，2012年谷歌研发的无人驾驶汽车开始路测，2016年DeepMind击败围棋冠军李世石，2018年DeepMind的Alphafold破解了出现了50年之久的蛋白质分子折叠问题。联结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。
虽然联结主义在当下如此强势，但可能阻碍它未来发展的隐患也已出现。联结主义思想的限制在于具有可微分、强监督学习、封闭静态系统任务下才会得到良好的结果，并且训练得到的结果也限制于给定条件的问题上。
3
行为主义
行为主义，又称为进化主义或控制论学派。控制论思想受到行为主义的影响，维纳在1948年的《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”。在对人工智能的早期研究主要集中在模拟人的智能行为和作用，将控制论、自组织系统、工程控制论、生物控制论、信息理论等联系起来，为20世纪80年代的智能控制和智能机器人系统的诞生撕下了种子。
美国机器人制造专家罗德尼•布鲁克斯(RodneyA.Brooks)作为行为主义的代表人物，他认为智能取决于感知和行动，提出智能行为的“感知-动作”模式。行为主义认为智能行为产生于对外界复杂环境的感知和行为的交互过程中，把复杂的行为分解为许多个简单的行为逐个研究。感知是对环境刺激产生的某种反应，而行为则是对这种反应的陈述。这种快速的反馈能够适应复杂、非系统化和非模型化的客观环境。控制论思想作为行为主义的基础，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，模拟人在控制过程中的所反映出的智能行为。行为主义学派的主要结果主要有：六足虫，日本的阿西莫，大狗。
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。其主要优势便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。行为主义思想的缺点在于过于简化人类的行为过程，忽略人类心理的内部活动过程，忽略意识的重要性。
综上所述，我们可以简略地认为符号主义研究抽象思维，联结主义研究形象思维，而行为主义研究感知思维。符号主义注重数学可解释性，联结主义偏向于仿人脑模型，行为主义偏向于应用和身体模拟。符号主义靠人工赋予机器智能，联结主义靠机器自行习得智能，行为主义在与环境作用和反馈中获得智能。联结主义和行为主义都使用强化学习方法进行训练。三者之间的长处与短板都很明显，在人工智能的领域中，较为成熟的智能理论仍没有形成。对人工智能各种问题争论可能还要持续几十年甚至几百年，随着人工智能的发展，这三大学派正在由早期的激烈争论和分立研究逐步走向取长补短和综合性研究，共同合作创造更加强大的人工智能。相信随着人工智能研究的不断深入，这三大学派会融合贯通，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找到最终答案。返回搜狐，查看更多
人工智能起源于这三家学派
联结主义-仿生学
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。
联结主义认为人工智能源于仿生学,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和数理逻辑学家皮茨创立的脑模型,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。它从神经元开始进而研究神经网络模型和脑模型,开辟了人工智能的又一发展道路。
20世纪60-70年代,联结主义,尤其是对以感知机(perceptron)为代表的脑模型的研究曾出现过热潮。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70年代后期至80年代初期落入低潮。直到前述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,联结主义又重新拾头。1986年鲁梅尔哈特等人提出多层网络中的反向传播(BP)算法。
此后,联结主义势头大振,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。现在,对ANN的研究热情仍然较高,但研究成果未能如预想的那样好。
行为主义-控制论
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。
行为主义认为人工智能源于控制论。控制论思想早在20世纪40-50年代就成为时代思潮的重要部分,影响了早期的人工智能工作者。维纳和麦克洛(McCloe)等人提出的控制论和自组织系统以及钱学森等人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60-70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。返回搜狐，查看更多