人工智能的学派：为什么要搞清楚
原标题：人工智能的学派：为什么要搞清楚在中国学术界，只会纸上谈兵的大人物太多，也太能忽悠。我特别担心的是：他们用人工智能的概念，把智能制造的路子引歪了。
昨天，看到某著名学者讲人工智能的材料。他提到了智能的三个主流学派：控制学派（行为主义、进化主义）、计算机学派（符号主义、逻辑主义）、连结学派（生理学派、人工神经元）。我从他的演讲中惊讶地发现：他没有搞清各个学派的关系。
那么，为什么要搞清楚各个学派的关系？
搞不清三者的关系，就难以在解决实际问题的过程中灵活运用、就常常会做“高射炮打蚊子”的事情。有人提出：“智能制造=人工智能+制造”的人，其实就没有搞清楚这些关系。当然，即便搞不清三个主流学派的关系，也能按照某个学派的观点去进行深入的研究、也不影响发表论文；而搞清三者的关系，也不一定对发表论文有好处。工程师的视野要宽、才便于选择合适的方法；学者的深度要深，才能在学术上有突破。所以，搞清三者的关系，对做事的工程师有用、对写论文的学者不一定有用。
如何认识三个学派的关系呢？
我想，可以先问自己一个问题：三个学派是“耕种的是不同的地块”，还是“耕种一个地块的三种方法”？
在我看来，从应用的角度来看，“智能”是一个大的地块。这个地块就是：把信息感知、决策、执行自动地统一起来，做到“随时、随地、不随人”（宁振波先生的观点，意思是人不在的时候机器也能做）。这个“地块”，其实就是“控制论之父”维纳划出来的。
但是，这个大的地块中，有几个小的地块就像“山地”一样，不好“种”。比如，有些决策过程需要用复杂的推理。有人觉得：这种复杂的推理，不能用传统的计算机方法来做，需要模拟人脑的推理机制，这种推理的机制，才叫做智能。这种观点，相当于把控制论学派划出的地块中，再划出“自留地”——这就是符号主义。这块“地块”遭遇的问题比较特殊，方法和特点也比较特殊。故而又引发出其他的一些定义。例如，有人根据这块地的特点，把智能的特点总结为：“在大的搜索空间中迅速找出较优解”的能力。
人们后来发现，符号主义也有短板。决策需要知识，很多与直觉相关的知识，并不容易用符号推理来表述，需要计算机从数据中自己学习。为此，提出要模拟生物的神经元学习过程。于是，就诞生了“连接主义”。在我看来，这就相当于在“自留地”再划出一块更小的“自留地”。然而，“连接主义”的“这块地”其实一直没怎么“耕好”——直到在大数据的基础上提出“深度神经网络”理论，才突然有了起色。于是，引来了“新一代人工智能”的说法。
再回过头来看：“控制论学派”对其传统领地“画地为牢”：多年来，控制理论的主流是用传递函数、状态方程来描述的。而很多对象是不能用这种函数描述的。那么，其他的“地块”是“荒芜”的吗？其实也不是：MES、ERP、APS、PLC等其实早就占领了这块地，企业很早就喜欢这些地块。但是，学术界、尤其是中国的学术界却不怎么喜欢这块地：学术界喜欢用复杂数学公式描述的东西；对他们来说，这里的理论“太简单了”。
ICT技术的发展，相当于种地水平的提升：大数据和工业互联网，就像送来了化肥、有条件带来经济性；工业软件，相当于发明了农用机械，用于解决业务问题的复杂性；劳动力成本的企业竞争压力的上升，相当于靠这块地吃饭的人开始增多，也推动了经济性。于是，智能制造成了热点：因为收获大大增加了。
“人工智能”的学派划分，更多是从学术角度看的。如果企业家和工程师迷信于学术本身，工作上就很容易“钻牛角尖”。我认为工程师遇到实际问题，首选的应该最简单的逻辑——除非有必要，才会用复杂的算法。选用简单逻辑的原因，是工业对象太复杂。需要用简单的逻辑才能驾驭复杂性。如果方法太复杂、人脑就不容易想清楚，代来的风险和不确定性就强——这是工业人最不愿意看到的。
学术界说的人工智能，主要指的计算机学派和连接主义学派。鉴于这种情况，“智能制造=人工智能+制造”是很容易误导人的说法。以至于有些人认为，只有有了这些高大上的东西，才能搞智能制造。于是，一下子就掉到坑里去了。马云强调“工业智能”的说法，其初衷可能也是想让企业界避开学术界挖的这个大坑。
我的随笔，随便写写，不当之处勿怪。返回搜狐，查看更多
责任编辑：人工智能三大学派：符号主义，连接主义，行为主
人工智能各学派简介：符号主义，连接主义，行为主义人工智能学派简介目前人工智能的主要学派有下面三家：(1)符号主义(symbolicism)，又称为逻辑主义(logicism)、心理学派(psychologism)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。(2)连接主义(connectionism)，又称为仿生学派(bionicsism)或生理学派(physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。(3)行为主义(actionism)，又称为进化主义(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。他们对人工智能发展历史具有不同的看法。1、符号主义认为人工智能源于数理逻辑。数理逻辑从19世纪末起得以迅速发展，到20世纪30年代开始用于描述智能行为。计算机出现后，又再计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序LT逻辑理论家，证明了38条数学定理，表了可以应用计算机研究人的思维多成，模拟人类智能活动。正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。后来又发展了启发式算法->专家系统->知识工程理论与技术，并在20世纪80年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。在人工智能的其他学派出现之后，符号主义仍然是人工智能的主流派别。这个学派的代表任务有纽厄尔(Newell)、西蒙(Simon)和尼尔逊(Nilsson)等。2、连接主义认为人工智能源于仿生学，特别是对人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)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，连接主义，尤其是对以感知机(perceptron)为代表的脑模型的研究出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到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以后，连接主义才又重新抬头。1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播算法(BP)算法。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，伟神经网络计算机走向市场打下基础。现在，对人工神经网络(ANN)的研究热情仍然较高，但研究成果没有像预想的那样好。3、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(Wiener)和麦克洛克(McCulloch)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20世纪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20世纪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。