從學(xué)術(shù)的觀(guān)點(diǎn)看，人工智能主要分三大學(xué)派，分別是符號主義學(xué)派、連接主義學(xué)派和行為主義學(xué)派。在對人工智能進(jìn)行研究時(shí)，可能會(huì )按照某一理論或方法展開(kāi)探討分析，但在實(shí)地落地的項目或產(chǎn)品可能綜合應用了多個(gè)學(xué)派的知識。比如，最近我們?yōu)槟持圃炱髽I(yè)提供智能客服系統，其中語(yǔ)音識別、語(yǔ)音合成和語(yǔ)義理解技術(shù)等屬于連接主義的成果，同時(shí)，也使用了知識庫等屬于符號主義的成果。

　　符號主義，又稱(chēng)邏輯主義、心理學(xué)派或計算機學(xué)派，是一種基于邏輯推理的智能模擬方法，認為人工智能源于數學(xué)邏輯，其原理主要為物理符號系統（即符號操作系統）假設和有限合理性原理。

　　該學(xué)派認為人類(lèi)認知和思維的基本單元是符號，智能是符號的表征和運算過(guò)程，計算機同樣也是一個(gè)物理符號系統，因此，符號主義主張（由人）將智能形式化為符號、知識、規則和算法，并用計算機實(shí)現符號、知識、規則和算法的表征和計算，從而實(shí)現用計算機來(lái)模擬人的智能行為。

　　其首個(gè)代表性成果是啟發(fā)式程序LT（邏輯理論家），它證明了38條數學(xué)定理，表明了可以應用計算機研究人的思維過(guò)程，模擬人類(lèi)智能活動(dòng)。此后，符號主義走過(guò)了一條啟發(fā)式算法--專(zhuān)家系統--知識工程的發(fā)展道路。

　　專(zhuān)家系統是一種程序，能夠依據一組從專(zhuān)門(mén)知識中推演出的邏輯規則在某一特定領(lǐng)域回答或解決問(wèn)題。1980年卡內基梅隆大學(xué)為數字設備公司設計了一個(gè)名為XCON的專(zhuān)家系統，在1986年之前，它每年為公司省下四千萬(wàn)美元。專(zhuān)家系統的能力來(lái)自于它們存儲的專(zhuān)業(yè)知識，知識庫系統和知識工程成為了上世紀80年代AI研究的主要方向。專(zhuān)家系統僅限于一個(gè)專(zhuān)業(yè)細分的知識領(lǐng)域，從而避免了常識問(wèn)題，其簡(jiǎn)單的設計又使它能夠較為容易地編程實(shí)現或修改。專(zhuān)家系統的成功開(kāi)發(fā)與應用，對人工智能走向實(shí)際應用具有特別重要的意義，也是符號主義最輝煌的時(shí)候。但凡事有利有弊，專(zhuān)家系統僅僅局限于某些特定情景，且知識采集難度大、費用高、使用難度大，在其它領(lǐng)域如機器翻譯、語(yǔ)音識別等領(lǐng)域基本上未取得成果。日本、英國、美國在80年代初都曾制訂過(guò)雄心勃勃的人工智能研發(fā)計劃，如日本的第五代計算機項目，其目標是造出能夠與人對話(huà)、翻譯語(yǔ)言、解釋圖像，并且像人一樣推理的機器，但直到1991年，這個(gè)目標依然未能實(shí)現。

　　20世紀80年代末，符號主義學(xué)派開(kāi)始走向式微，日益衰落，其重要原因是：符號主義追求的是如同數學(xué)定理般的算法規則，試圖將人的思想、行為活動(dòng)及其結果，抽象化為簡(jiǎn)潔深入而又包羅萬(wàn)象的規則定理，就像牛頓將世間萬(wàn)物的運動(dòng)蘊含于三條定理之中。但是，人的大腦是宇宙中最復雜的東西，人的思想無(wú)比復雜而又廣闊無(wú)垠，人類(lèi)智能也遠非邏輯和推理。所以，用符號主義學(xué)派理論解決智能問(wèn)題難度可想而知；另一個(gè)重要原因是：人類(lèi)抽象出的符號，源頭是身體對物理世界的感知，人類(lèi)能夠通過(guò)符號進(jìn)行交流，是因為人類(lèi)擁有類(lèi)似的身體。計算機只處理符號，就不可能有類(lèi)人感知，人類(lèi)可意會(huì )而不能言傳的"潛智能"，不必或不能形式化為符號，更是計算機不能觸及的。要實(shí)現類(lèi)人乃至超人智能，就不能僅僅依靠計算機。

　　1997年5月，名為"深藍"的IBM超級計算機打敗了國際象棋世界冠軍卡斯帕羅夫，這一事件在當時(shí)也曾轟動(dòng)世界，其實(shí)本質(zhì)上，"深藍"就是符號主義在博弈領(lǐng)域的成果。

　　連接主義，又稱(chēng)仿生學(xué)派或生理學(xué)派，是一種基于神經(jīng)網(wǎng)絡(luò )和網(wǎng)絡(luò )間的連接機制與學(xué)習算法的智能模擬方法。連接主義強調智能活動(dòng)是由大量簡(jiǎn)單單元通過(guò)復雜連接后，并行運行的結果，基本思想是，既然生物智能是由神經(jīng)網(wǎng)絡(luò )產(chǎn)生的，那就通過(guò)人工方式構造神經(jīng)網(wǎng)絡(luò )，再訓練人工神經(jīng)網(wǎng)絡(luò )產(chǎn)生智能。

　　1943年形式化神經(jīng)元模型（M-P模型）被提出，從此開(kāi)啟了連接主義學(xué)派起伏不平的發(fā)展之路。1957年感知器被發(fā)明，之后連接主義學(xué)派一度沉寂。1982年霍普菲爾德網(wǎng)絡(luò )、1985年受限玻爾茲曼機、1986多層感知器被陸續發(fā)明，1986年反向傳播法解決了多層感知器的訓練問(wèn)題，1987年卷積神經(jīng)網(wǎng)絡(luò )開(kāi)始被用于語(yǔ)音識別。此后，連接主義勢頭大振，從模型到算法，從理論分析到工程實(shí)現，為神經(jīng)網(wǎng)絡(luò )計算機走向市場(chǎng)打下基礎。1989年反向傳播和神經(jīng)網(wǎng)絡(luò )被用于識別銀行手寫(xiě)支票的數字，首次實(shí)現了人工神經(jīng)網(wǎng)絡(luò )的商業(yè)化應用。

　　與符號主義學(xué)派強調對人類(lèi)邏輯推理的模擬不同，連接主義學(xué)派強調對人類(lèi)大腦的直接模擬。如果說(shuō)神經(jīng)網(wǎng)絡(luò )模型是對大腦結構和機制的模擬，那么連接主義的各種機器學(xué)習方法就是對大腦學(xué)習和訓練機制的模擬。學(xué)習和訓練是需要有內容的，數據就是機器學(xué)習、訓練的內容。

　　連接主義學(xué)派可謂是生逢其時(shí)，在其深度學(xué)習理論取得了系列的突破后，人類(lèi)進(jìn)入互聯(lián)網(wǎng)和大數據的時(shí)代。互聯(lián)網(wǎng)產(chǎn)生了大量的數據，包括海量行為數據、圖像數據、內容文本數據等。這些數據分別為智能推薦、圖像處理、自然語(yǔ)言處理技術(shù)發(fā)展做出卓著(zhù)的貢獻。當然，僅有數據也不夠，2004年后大數據技術(shù)框架的行成和圖形處理器（GPU）發(fā)展使得深度學(xué)習所需要的算力得到滿(mǎn)足。

　　在人工智能的算法、算力、數據三要素齊備后，連接主義學(xué)派就開(kāi)始大放光彩了。2009年多層神經(jīng)網(wǎng)絡(luò )在語(yǔ)音識別方面取得了重大突破，2011年蘋(píng)果工作將Siri整合到iPhone4中，2012年谷歌研發(fā)的無(wú)人駕駛汽車(chē)開(kāi)始路測，2016年DeepMind擊敗圍棋冠軍李世石，2018年DeepMind的Alphafold破解了出現了50年之久的蛋白質(zhì)分子折疊問(wèn)題。

　　近年來(lái)，連接主義學(xué)派在人工智能領(lǐng)域取得了輝煌成績(jì)，以至于現在業(yè)界大佬所談?wù)摰娜斯ぶ悄芑�本上都是指連接主義學(xué)派的技術(shù)，相對而言，符號主義被稱(chēng)作傳統的人工智能。

　　雖然連接主義在當下如此強勢，但可能阻礙它未來(lái)發(fā)展的隱患已悄然浮現。連接主義以仿生學(xué)為基礎，但現在的發(fā)展嚴重受到了腦科學(xué)的制約。雖然以連接主義為基礎的AI應用規模在不斷壯大，但其理論基礎依舊是上世紀80年代創(chuàng )立的深度神經(jīng)網(wǎng)絡(luò )算法，這主要是由于人類(lèi)對于大腦的認知依舊停留在神經(jīng)元這一層次。正因如此，目前也不明確什么樣的網(wǎng)絡(luò )能夠產(chǎn)生預期的智能水準，因此大量的探索最終失敗。

　　行為主義，又稱(chēng)進(jìn)化主義或控制論學(xué)派，是一種基于"感知--行動(dòng)"的行為智能模擬方法，思想來(lái)源是進(jìn)化論和控制論。其原理為控制論以及感知--動(dòng)作型控制系統。

　　該學(xué)派認為：智能取決于感知和行為，取決于對外界復雜環(huán)境的適應，而不是表示和推理，不同的行為表現出不同的功能和不同的控制結構。生物智能是自然進(jìn)化的產(chǎn)物，生物通過(guò)與環(huán)境及其他生物之間的相互作用，從而發(fā)展出越來(lái)越強的智能，人工智能也可以沿這個(gè)途徑發(fā)展。

　　行為主義對傳統人工智能進(jìn)行了批評和否定，提出了無(wú)須知識表示和無(wú)須推理的智能行為觀(guān)點(diǎn)。相比于智能是什么，行為主義對如何實(shí)現智能行為更感興趣。在行為主義者眼中，只要機器能夠具有和智能生物相同的表現，那它就是智能的。

　　這一學(xué)派的代表作首推六足行走機器人，它被看作是新一代的"控制論動(dòng)物"，是一個(gè)基于感知-動(dòng)作模式模擬昆蟲(chóng)行為的控制系統。另外，著(zhù)名的研究成果還有波士頓動(dòng)力機器人和波士頓大狗。你可以在網(wǎng)上搜到它們各種炫酷的視頻，包括完成體操動(dòng)作，踹都踹不倒，穩定性、移動(dòng)性、靈活性都極具亮點(diǎn)。他們的智慧并非來(lái)源于自上而下的大腦控制中樞，而是來(lái)源于自下而上的肢體與環(huán)境的互動(dòng)。

　　行為主義學(xué)派在誕生之初就具有很強的目的性，這也導致它的優(yōu)劣都很明顯。其主要優(yōu)勢便在于行為主義重視結果，或者說(shuō)機器自身的表現，實(shí)用性很強。行為主義在攻克一個(gè)難點(diǎn)后就能迅速將其投入實(shí)際應用。例如機器學(xué)會(huì )躲避障礙，就可應用于星際無(wú)人探險車(chē)和掃地機器人等等。不過(guò)也許正是因為過(guò)于重視表現形式，行為主義側重于應用技術(shù)的發(fā)展，無(wú)法如同其他兩個(gè)學(xué)派一般，在某個(gè)重要理論獲得突破后，迎來(lái)爆發(fā)式增長(cháng)。這或許也是行為主義無(wú)法與連接主義抗衡的主要原因之一。

　　綜上所述，我們可以簡(jiǎn)略地認為符號主義研究抽象思維，連接主義研究形象思維，而行為主義研究感知思維。符號主義注重數學(xué)可解釋性；連接主義偏向于仿人腦模型；行為主義偏向于應用和身體模擬。

　　從共同性方面來(lái)說(shuō)，算法、算力和數據是人工智能的三大核心要素，無(wú)論哪個(gè)學(xué)派，這三者都是其創(chuàng )造價(jià)值和取得成功的必備條件。行為主義有一個(gè)顯著(zhù)不同點(diǎn)是它有一個(gè)智能的"載體"，比如上文所說(shuō)到的"機器狗"的身體，而符號主義和連接主義則無(wú)類(lèi)似"載體"（當然你也可以認為其"載體"就是計算機，只不過(guò)計算機不能感知環(huán)境）。

　　人類(lèi)具有智能不僅僅是因為人有大腦，并且能夠保持持續學(xué)習。機器要想更"智能"，也需要不斷學(xué)習。符號主義靠人工賦予機器智能，連接主義是靠機器自行習得智能，行為主義在與環(huán)境的作用和反饋中獲得智能。連接主義和行為主義都使用強化學(xué)習方法進(jìn)行訓練。三者之間的長(cháng)處與短板都很明顯，意味著(zhù)彼此之間可以揚長(cháng)補短，共同合作創(chuàng )造更強大的強大的人工智能。比如說(shuō)將連接主義的"大腦"安裝在行為主義的"身體"上，使機器人不但能夠對環(huán)境做出本能的反應，還能夠思考和推理。再比如，是否用可以符號主義的方法將人類(lèi)的智能盡可能地賦予機器，再按連接主義的學(xué)習方法進(jìn)行訓練？這也許可以縮短獲得更強機器智能的時(shí)間。

　　相信隨著(zhù)人工智能研究的不斷深入，這三大學(xué)派會(huì )融合貫通，可共同為人工智能的實(shí)際應用發(fā)揮作用，也會(huì )為人工智能的理論找到最終答案。

　　作者介紹：左小波先生，自92年進(jìn)入IT行業(yè)，一直從事著(zhù)信息系統的研發(fā)及企業(yè)IT管理工作，在行業(yè)多年的浸潤下，積累了豐富的數字化建設經(jīng)驗，形成了獨到見(jiàn)解。對人工智能有著(zhù)濃厚的興趣，時(shí)刻對人工智能技術(shù)保持觀(guān)察、學(xué)習、思考、分享。