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！
与AI共生：从人工智能的三大流派到What
我们目前并不需要过多担心被人工智能抢走饭碗，更应该考虑的是：如何运用人工智能帮助我们更高效的工作？我们是否需要更多的人工智能训练师，而不是医生、工程师？如果人工智能预测错误，谁来承担责任……
AlphaGo打败李世石已经有两年多的时间了，在这两年中，人工智能从各个角度入侵我们的生活，从各种语音助手到智能音箱，从智能手表到智能家电，从机器翻译到刷脸支付。落地应用一波未平一波又起，人们接触得多了，了解了人工智能有多智障，便也不再担心是否会被人工智能抢去饭碗了。
但，真的是这样吗？人工智能走什么时候能走出智障的圈子？
这还要从人工智能的三大流派说起。
三大流派符号学派1956年，在达特茅斯学院，香农（ClaudeShannon，信息论创始人）和其他几个年轻学者，一起讨论了如何用机器来模仿人类在各个方面的智能，并在讨论中提出“人工智能”一词，这年就是人工智能的元年。此后的40年间，人工智能所取得的辉煌成绩都与符号学派密不可分。
当时人们认为“机器要像人一样思考才能获得智能”，而人类的认知都是基于符号的，思维只是在符号表示上的一种运算。所以应该先研究清楚人类的认知系统，进而用机器模仿人类的认知过程，并将代表认知的符号输入这些机器，来达到模拟人类智能的目的。
符号学派认为人的物理能力和心智能力是分开的，而人工智能就是要用计算机程序来模拟心智能力，而不是物理能力。正因此，智能应该是一种特殊的软件，与实现它的硬件并没有太大关系。这就好比一个会开车的人，他不能让一个没有轮子的车跑起来，但你不能因此说他不会开车。这个人具有的开车的能力，就是智能（软件），与车能不能开（硬件）无关。
基于这些理念，符号学派在经历了一些波折后，在国际象棋上（1997年）和《危险》（2011年）中战胜了人类（《危险》是一个美国电视节目，主持人会给参赛者一系列线索，参赛者要用最短的时间猜出主持人描述的人或事物）。
连接学派智力活动在符号学派看来是一款软件，这款软件的运作需要从外界获得大量的知识输入，这样的输入在20世纪80年代相当的费时费力，成为了制约符号学派发展的瓶颈。另外一群人认为，把智力看成是一款软件是远远不够的。
人类智力是在大脑的活动下产生的，而大脑是由上百亿个神经元细胞通过错综复杂的连接构成的。所以人们很自然的想到，我们是不是可以模拟大量神经元的信号传输方式来模拟大脑的智力呢？
连接学派通过算法模拟神经元，并把这样一个单元叫做感知机，将多个感知机组成一层网络，多层这样的网络互相连接最终得到神经网络。我们可以根据要解决的实际问题来构建神经网络，进而用数据不断训练这一网络，调整连接权重来模拟智能。
现在炙手可热的深度学习，可以看做是连接学派的延伸，已经在语音识别、图片处理、模式识别等领域取得突破性进展。
行为学派与上面两个学派不同的是，行为学派把目标聚焦在相对低等的生物身上，他们发现即便是昆虫这种比人类简单得多的生物，也表现出了非凡的智能，比如可以灵活地行走并躲避障碍物，快速精准地捕食猎物。从这点出发，行为学派模仿动物的身体，在不需要大脑干预的情况下，仅凭四肢和关节的协调来适应环境。
另一方面，生命体在演化的过程中会不断变异，而环境会对这些变异进行选择，让更适应环境的变异繁衍下去，同时淘汰不适应环境的变异。在这一变异和选择的过程中生物逐渐从简单走向复杂，从低级走向高级。
基于此，霍兰（JohnHolland）提出了遗传算法：在计算机中，用一堆二进制串来模拟自然界的生物体，改变这些二进制串来模拟基因突变，用适应度函数来模拟大自然的优胜劣汰，最终找到最优解。
这一学派在机器人领域成果卓著，例如美国波士顿动力公司研发的“bigdog”，“开门机器人”
What-How-Why：“是什么”、“该怎么”、“为什么”举一个医疗诊断的例子有一种癌症，叫黑色素瘤，这是皮肤肿瘤中恶性程度最高的瘤种，容易出现远处转移，可以致死，所以早期的诊断非常重要。但是，它的初期表现，跟皮肤上长了一个普通的“色素痣”一样。想要在早期诊断黑色素瘤，最稳妥的方式是做活组织切片检查，可你总不能每长一个痣就去动刀。
好在黑色素瘤和普通色素痣的外观还是有区别的，总结说来，有以下四个特征：
一般都非对称边缘不规则颜色可能不统一，更富于变化直径通常大于6毫米一个皮肤科医生，要学习上面四个规则，来给患者进行诊断。那计算机不是也可以学习这些规则，然后取代人类吗？
“是什么”和“该怎么”1945年，英国心理学家吉尔伯特·赖尔（GilbertRyle）在演讲中提到了这两种知识：
一个孩子知道自行车有两个轮子，轮子里面都是空气，转动把手就可以拐弯……他只是知道了“是什么”，但还是不会骑车；如果一个孩子在几次摔倒之后学会了骑车，这时候，他就知道了“该怎么”。知道“是什么”是基于事实和概念；而知道“该怎么”是基于技能和经验。知道“该怎么”，可不一定知道“是什么”，你让一个会骑车的人讲解一下他是怎么骑车的，可能他根本说不清楚。
我们要把一件事物“是什么”告诉计算机，一种方法是把这个事物方方面面的描述都告诉计算机，它就知道了“是什么”，至少理论上是这样的。比如，你要让计算机来判断这是一个色素痣还是一个黑色素瘤，你只要把那几个特征告诉计算机就可以了。
可事实远比这复杂得多，因为把上面的四个特征翻译成算法语言，本身就不太容易——到底多不对称才叫“不对称”？怎么不规则才算“不规则”？而且符合那四个特征的也未必是黑色素瘤，不符合的也可能是。所以最后算下来，计算机的准确度还是不如人类专家。
还有第二种方法，就是深度学习。通过深度学习，我们甚至不用去制定规则，只要找出一套合适的模型，然后用大量的数据进行训练，模型自己就能学会判断。事实上，这种方式训练出的神经网络，已经在黑色素瘤的识别准确率上远高于人类专家。
这样说来，在“是什么”这一块，计算机已经可以超越人类了；而像骑自行车这类“该怎么”就是行为学派擅长的东西，可能未来也会超越人类。但人工智能有个致命的问题，就是不知道“为什么”。
“为什么”神经网络可以在黑色素瘤的识别这件事上做得比人类好，但只不过是依靠算法给出输入和输出之间的对应关系，它本身根本不理解病变。人类医生不仅仅会告诉你这里有一个病变，他还会告诉你用药的时候要注意周围的危险区域，他还会发现没有症状、但是已经产生的肿瘤……因为人类能理解病变。
人类比计算机更厉害的地方在于，我们不仅能理解，我们还会问“为什么”。
为什么会有这些病变？为什么黑色素瘤边缘是不规则的？为什么会变颜色？为什么容易出现远处转移？正是因为我们能问出为什么，我们才能不断深入研究，不断获得新的知识，不断找到新的治疗方法，不断地知道新的“是什么”和“该怎么”。
人工智能只能解决一个问题，但是不能创造一个问题。
共生尽管AlphaGoZero可以在自我对弈的前提下战胜所有人类，但AlphaGoZero还是在有限的棋盘上，在有限的规则下计算。它只知道“该怎么”，而不知道围棋“是什么”，更不知道“为什么”。
更何况真实的世界有无限多的自由度，没有明确规则，你沿着任何一个方向深入下去都会碰到各种各样新的可能性。这些新的东西，才更有价值。
我们目前并不需要过多担心被人工智能抢走饭碗，更应该考虑的是：如何运用人工智能帮助我们更高效的工作？我们是否需要更多的人工智能训练师，而不是医生、工程师？如果人工智能预测错误，谁来承担责任……
我们需要人工智能，但拓展知识的边界，还得靠我们自己。
参考文献：
[1]《科学的极致：漫谈人工智能》.集智俱乐部.
[2]Thealgorithmwillseeyounow.SiddharthaMurherjee.TheNewYorker.April3,2017.（https://www.newyorker.com/magazine/2017/04/03/ai-versus-md）
本文由@吹个大气球原创发布于人人都是产品经理，未经作者许可，禁止转载。
题图来自网络
发展人工智能 需要经历的三个重要阶段
其实，人工智能经历的这六十多年，都有一个很明显的规律。我认为，这个规律就是人工智能在发展过程中必须经历的三个阶段。现如今，人工智能的浪潮越来越热，技术也越来越强大，对于人工智能这个词相信大家已经耳熟能详了。人工智能从1956年被提出之后，经过岁月的变迁，从提出到发展到如今已经有了62年的历史，这期间积累的人工智能技术和人才，可以说都是在为了我们现在的高科技产品、人工智能产品实现落地，以及实现这些产品应用在日常生活场景中奠定基础。但其实，人工智能从一开始的提出到现在的发展，经历的这六十多年，都有一个很明显的规律，或者说这个规律其实是人工智能在发展途中所需要经历的。我认为，这个规律就是人工智能在发展过程中必须经历的三个阶段。
那么，这三个阶段分别是什么呢?
第一阶段
首先是第一阶，我认为第一阶段是运算智能阶段，也就是在最开始诞生基础理论的阶段，为什么这么说呢，因为第一个阶段，也就是这个阶段奠定了人工智能技术发展的基本规则。并且，在这个阶段的人工智能，具备了存储和运算的能力，而且也拥有了最基本的开发工具，为我们后面的人工智能研究提供了条件，毕竟没有工具，一切都是徒然。除此之外，这个最基本的开发工具也为后来人们升级更好的工具开创了良好的条件。在基础算法和原始开发工具的加持下，人们对于人工智能的研究产生了极大的动力，并且对算法程序和语言开发投入了极大的热情，也正因为如此，这第一个阶段就给人工智能的发展带来了第一波的高潮，大家争先恐后抢占研发，为日后人工智能技术的迭代更新打下了非常重要的基础。
所以这第一个阶段就是集中诞生基础理论的阶段，也是为人工智能的未来打基础的阶段，也是非常重要的一个阶段。
第二阶段
那第一阶段谈理论打基础，那么第二阶段会是什么呢?其实很好猜也很好理解，第二个阶段就是人工智能技术要更新迭代进步的阶段。在这个阶段。由于前个阶段人们研究人工智能所打下的基础，使得现在可以获得和分析的数据飞速增长，经过也一遍一遍的数据分析与研究，认人工智能的超级大规模运算成为了可能，不再存在于幻想中。不过运算的结果是相互的，由于需要不断的运算，那么人们所需要的数据也要非常多，这就倒过来让人们被迫的加速对数据的采集，由于数据过多过杂，也让人们学会了对数据的清洗，同时也增加了对经验的积累。光有数据不行，于是人们也开始研究起硬件来，并将数据转移到硬件上，这一举措使得相应的软硬件基础设施得到了快速的发展，再通过这些基础设施，反过来又带动了大数据行业的蓬勃发展。
如果说第一阶段是因为对人工智能的一时兴起，而带来了第一波高潮，但是原来第一阶段的人们可能不研究人工智能了，那么这第二阶段的高潮，可以说是大企业带来的，大企业在这个阶段发挥出了规模优势，是推动人工智能发展第二波高潮的主要力量，同时也是动力。所以第二阶段也可以叫可以说是感知智能阶段。
第三阶段
前面两个阶段，可以简单的理解为起源和发展，那么到了第三阶段，目标就很明显了。经过第一阶段和第二阶段的研究与进步，到了第三阶段自然就是要对前两个阶段的东西进行实际落地应用，毕竟研究了许久，为的就是这一刻。随着人工智能技术的发展和数据积累，相信大部分行业会逐渐发现人工智能技术好像到达了天花板，短期之内无法再通过研究加强人工智能，于是企业便把目标转向人工智能深入到具体应用上。所以在第三阶段，数据分布的情境化特性使得人工智能在特定情境下的垂直发展成为了可能。
那么还有第四阶段吗?目前来看是没有的，我们需要克服目前第三阶段的困难才能前进。企业们要挖掘人工智能在实际场景中应用的可能性，让机器具备能理解思考、像人一样能够学习和推理的能力。所以，我们可以看见目前有越来越多基于人工智能的科技产品诞生，例如它不仅能下围棋，还可以当医生、当老师，甚至做律师，可以在很多方面，不光从是代替人类做简单重复的机械式体力劳动，还可以替代人类很多纷繁复杂的脑力劳动，释放出人类更聪明的智慧和灵感。所以第三阶段也叫实际场景应用阶段，当然，也可以以人工智能的角度来看，那就是认知智能阶段，这里的认知智能，意思是让人工智能去学习、学会像人类一样的思考，具有自己认知的能力。
当然，随着人工智能在三个阶段里不断的完善发展，目前各个行业基本都会有人工智能的影子在，相信大家也都有接触过，那么这里我们就来举几个人工智能在部分行业的应用。
人工智能应用场景举例
比如智能家居，想必也是大家听到最多的一个词，智能家居是以住宅为平台，基于物联网技术，由硬件、软件系统、云计算平台构成的一个家居生态圈，其中包括家居生活中多种产品，涵盖多个家庭生活场景。虽然大家听到非常多的智能家居，但是呢，我国智能家居市场其实正在处于启动阶段，尚未进入爆发期，而且产品渗透率较低，并不是大家想象的那般已经非常普及了，但是可以想象，人工智能技术肯定会为智能家居行业带来颠覆性的突破。
再例如智能安防，不要以为安防与我们无关，这其实是错的。安防在我们的身边到处都是，但是安防为什么能和人工智能扯上关系呢?那是因为随着物联网技术的发展，传统简单被动的安防形式已无法满足日常多样化的生活和工作场景，比如现在越来越高明的骗术和利用高科技偷窃等，与其被动，不如我们主动防护，所以在大数据、人工智能等技术的带动下，安防向城市化、综合化、主动安防方向发展，智能安防成为当前发展的主流趋势，其应用覆盖了金融、交通、教育等行业，囊括银行机构、政府、学校、家庭等场所。把安防赋予人工智能的强大能力，让我们能够持续的在安全环境中生活。
人工智能的未来展望
总的来说，依据人工智能这几十年的发展规律，是完全符合那三个阶段的。当前，人工智能可以说是非常的火爆，就比如现在正在举办的2021世界人工智能大会，在大会上就出现了非常非常多的优秀的人工智能实际落地场景，可谓是百花齐放。最后说回我们国内，单纯看我们国内的话，其实还是处于第二阶段的，也就是还处在成长期。因为目前人工智能在技术、应用、安全、隐私以及道德伦理等方面，还有不少问题需要不断完善。
人工智能的发展是为了满足人民的美好生活，工具为人服务，人工智能是人创造的，也必须为人服务，要有利于维护社会公平正义，解决发展不平衡、不充分的问题，推动全体人民的共同富裕、共同发展。未来，希望各大企业都可以围绕着“满足人民的美好生活”为目标，不断的在人工智能里深入研究，并基于人工智能开发出为人民服务的实用工具，早日解决发展不平衡、不充分的问题，推动全体人民的共同富裕、共同发展。
人工智能的六个发展阶段，一起来看看吧
原标题：人工智能的六个发展阶段，一起来看看吧人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来，理论和技术日益成熟，应用领域不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能充满未知的探索道路曲折起伏，人工智能的发展历程基本划分为以下6个阶段：
1、起步发展期：1956年—20世纪60年代初人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
2、反思发展期：20世纪60年代—70年代初人工智能发展初期的突破性进展大大提升了人们对人工智能期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标落空使人工智能发展走入低谷。
3、应用发展期：20世纪70年代初—80年代中20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
4、低迷发展期：20世纪80年代中—90年代中随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
5、稳步发展期：20世纪90年代中—2010年由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。
6、蓬勃发展期：2011年至今随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长新高潮。
展开全文想学习云计算、大数据、新媒体的同学注意啦，博雅环球教育针对此次疫情特推出线上免费直播课程，同学们可以趁这个时期，好好充实一下自己，待到春暖花开时，学以致用，大展身手。想报名的同学快来联系我们吧！
北京|内蒙古|呼和浩特|IT计算机培训|云计算|大数据|新媒体|线上培训|免费课程|高薪就业
返回搜狐，查看更多
责任编辑：