目前，人工智能各个流派发展现状如何？
关注者
1,458
被浏览
330,605
35 个回答
有人的地方，就有斗争。
华山派有“剑宗”和“气宗”，相互斗了几十年。人工智能界也有“山头”，AI两大派系的斗争早在第一台电子计算机问世前就已经开始了。
△ 有三名法国人把两派的势力对决画成图，名字叫“神经元的复仇”
这两大派系就是：
- “符号主义” （Symbolicism），又称逻辑主义、计算机学派，主张用公理和逻辑体系搭建一套人工智能系统。
- “连接主义” （Connectionism），又叫仿生学派，主张模仿人类的神经元，用神经网络的连接机制实现人工智能。
在符号主义者的眼里，人工智能应该模仿人类的逻辑方式获取知识，而连接主义者奉行大数据和训练学习知识。
派系斗争与两次AI危机
早在达特茅斯会议之前，图灵就提出过“图灵机”这样的人工智能前沿概念。斗争之初的几十年间，连接主义派的论文引用率一直领先对手。
别看奉行“连接主义”的机器学习如何风光，早年间他们长期受到另一个派别——“符号主义”者的鄙视。
60年代初，美国国防高级研究计划署（DARPA）对AI领域进行了数百万美元的投资，人工智能也迎来的第一黄金发展期。
第一次AI危机
情况在1969年起了变化，“符号主义”代表人物 马文·明斯基 （Marvin Minsky）写了一本名为《感知器》（Perceptron）的书，结果直接把神经网络给写死了。
感知器是那个年代的神经网络。明斯基在书中向“连接主义”发难，你们的感知器连最基本的异或（XOR）都做不到，做出来还有什么用？
也是在那一年，闵斯基获得了图灵奖。
“符号主义”派胜利后不久，AI就迎来了第一次寒冬。或者说，计算力的匮乏导致了第一次AI寒冬，帮助“符号主义”实现逆袭。
符号主义的高峰
到了70年代中期， 专家系统 （expert system）的出现带来了AI的黄金时代。它其实就是一套计算机软件，能够模拟人类专家回答问题，不过它的智能仅局限在一个很窄的领域，说它是“活字典”可能更准确。
与此同时，“连接主义”也在悄悄发展，约翰·霍普菲尔德（John Hopfield）在1982年发现了具有学习能力的神经网络算法。
就在“符号主义”志得意满的时候， Lisp machine 的失败让两派力量再次发生了逆转。Lisp是当时研究AI领域常用的编程语言，Lisp machine是专门被优化用来运行Lisp程序的计算机。
80年代，研究AI的学校都买入了这种机器，最后却发现用它们做不出来AI。之后就出现了IBM PC和苹果机，比Lisp machine便宜，运算力更强。
Lisp machine顺理成章“狗带”，AI进入第二次寒冬。
连接主义的逆袭
“连接主义”者在这时候也找到了更简单的统计方法： 支持向量机 （SVM），它消耗的计算资源更少。之后， 长短期记忆 （LSTM）算法也被提出。
后来的事情，你们也知道了，深度学习终于又重新霸占了学术和工业界。
时间再回到当下，从2010年开始，机器学习成为AI行业主导。人工智能在机器学习的帮助下，取得了巨大的成就，标志着AI的彻底复苏。如今最热的AI概念均出自“连接主义”派。
近年来，计算机硬件的发展更是让“连接主义”如鱼得水，连手机的计算力都能完成识图的任务，深度学习能实现“反杀”也就不奇怪了。
双方代表人物
说到两派的斗争，就不得不提一下双方的“将领”了：
符号主义派： 马文·明斯基 （Marvin Minsky），麻省理工人工智能实验室创始人之一，他奠定了人工神经网络的研究基础，早在1951年，他设计构建了第一个能自我学习的人工神经网络机器。
连接主义派： 约翰·霍普菲尔德 （John Hopfield），美国科学家，在物理学和计算机学方面均有很高的成就，1982年发明了联想神经网络，也就是知名的霍普菲尔德网络。
△ 两派之间也相互引用文章
除了这两位名人外，符号主义这边的大牛还有Herbert A. Simon、Allen Newell。如今连接主义当道，这一派的大佬更为我们所熟知：比如Yann LeCun、李飞飞、Geoffrey Hinton等人。
关于两派更详细的内容，有兴趣的同学可以看原文，不过是全法文哦：
https://
neurovenge.antonomase.fr
目前，人工智能主要分为三大流派：——符号主义、连接主义和行为主义。三大流派对智能有不同的理解，延伸出了不同的发展轨迹：
符号主义（Symbolicism）
1.符号主义的源头
符号主义(Symbolicism)，又称为逻辑主义(Logicism)，这一派认为实现人工智能必须用逻辑和符号系统。自动定理证明起源于逻辑，初衷就是把逻辑演算自动化。符号派的思想源头和理论基础就是定理证明。逻辑学家戴维斯在1954年完成了第一个定理证明程序。
2.专家系统的黄金时代
专家系统是符号主义的主要成就。
1965年，费根鲍姆等人在总结通用问题求解系统的成功与失败经验的基础上，结合化学领域的专门知识，研制了世界上第一个专家系统DENDRAL。
专家系统时代最成功的案例是DEC的专家配置系统XCON。当客户订购DEC的VAX系列计算机时，XCON可以按照需求自动配置零部件。从1980年投入使用到1986年，XCON一共处理了八万个订单。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。
3.日本五代机的幻灭——符号主义逐渐衰落
1978年，日本通产省委托日本计算机界大佬元冈达（Tohru Moto-Oka）研究第五代计算机系统。但最终五代机没有在任何相关领域取得突破性进展。随着日本五代机的幻灭，“专家系统”变成了一个不仅不时髦，反而含有负面含义的词。
互联网催生的电子商务，有很多和XCON类似的应用场景，于是专家系统摇身一变，改名 规则引擎 ，成为了中间件的标配。征信、反诈骗和风险控制一直是规则系统擅长的领域，征信公司FICO收购了一系列一直苟延残喘的专家系统公司，包括Forgy的RulesPower。目前已经很少有独立的专家系统公司了。
2006年，阿贡实验室的定理证明小组被裁掉了，这算是符号派低潮的标志性事件，一个时代结束了。
连接主义（Connectionism）
1.神经网络初创
1943年，麦卡洛克（Warren McCulloch）和皮茨（Walter Pitts）发表了《A Logical Calculus of the Ideas Immanent in Nervous Activity》，这是神经网络的开山之作。但在这之后的一段时间里，连接主义仍然被符号主义所鄙视。在1956年的达特茅斯会议上，符号主义仍然是主流。
2.感知机引起神经网络的轰动
1957 年，神经网络的研究取得了一个重要突破。康奈尔大学的实验心理学家 罗森布拉特 （Frank Rosenblatt）在一台IBM-704 计算机上模拟实现了一种他发明的叫作“感知机”（Perceptron）的神经网络模型，可以完成一些简单的视觉处理任务，在当时引起了轰动。
3.“感知机”缺陷——神经网络学科的消沉
符号主义派的代表人物明斯基认为神经网络不能解决人工智能的问题。后来，他和麻省理工学院的佩珀特（Seymour Papert）合作了《感知机：计算几何学》一书，指出了“感知机”存在的缺陷。政府资助机构逐渐停止了对神经网络研究的支持，从此，神经网络研究进入了长达二十年的“饥荒期”。
4.霍普菲尔德（Hopfield）模型——神经网络领域的复兴
1982年， 霍普菲尔德 提出了一种新的神经网络，可以解决一大类模式识别问题，还可以给出一类组合优化问题的最优解，这种神经网络模型后来被称为霍普菲尔德网络。霍普菲尔德模型的提出振奋了神经网络领域，一大帮早期神经网络研究的幸存者，开始了连接主义运动，一时间神经网络成为了显学，谁都想套套近乎。美国国防部、海军和能源部等也加大了对神经网络研究的资助力度。
5.深度学习——人工智能时代的主流
神经网络由一层一层的神经元构成。层数越多，就越深，所谓深度学习就是用很多层神经元构成的神经网络达到机器学习的功能。
辛顿 （Geoffrey Hinton）是连接主义运动的领导者之一，现在已经成为了神经网络领域最牛的人了，是深度学习的先驱。2012年，在图像识别国际大赛ILSVRC（ImageNet Large Scale Visual
Recognition Challenge）上，辛顿团队的SuperVision超过10%的惊人优势击败对手拔得头筹。随着硬件技术（如谷歌推出的TPU芯片）的发展，深度学习已经成为了人工智能时代的主流。
行为主义（Actionism）
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。
20世纪80年代以前，行为主义和连接主义一样，都被符号主义的光芒所掩盖了。
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。
人工智能领域的派系之争由来已久。三个流派都提出了自己的观点，它们的发展趋势也反映了时代发展的特点。有趣的是，斯坦福大学人工智能实验室的创办人麦卡锡，是铁杆的符号派，但后来该人工智能实验室的主任却分别是连接主义派的吴恩达和李飞飞。这或许也反映了符号派转向连接主义派的发展趋势。
对人工智能领域中的各种奇闻异事感兴趣的知友可以去阅读《人工智能简史》这本书。这本书的作者尼克和书中的诸多人物或为师友或相熟相知，书中除了详实的考证还有有趣的轶事。既适合专业人士了解人工智能鲜为人知的历史，也适合对人工智能感兴趣的大众读者作为入门向导。
参考资料：
[1]尼克,《人工智能简史》
[2]林晓瑞,马少平.人工智能导论[M].北京:清华大学出版社,1989:1.
[3]徐心和,么健石.有关行为主义人工智能研究综述[J].控制与决策,2004(3):241—246.
对人工智能以及相关的计算机知识感兴趣的知友可以关注 @人民邮电出版社 知乎机构号，了解更多计算机行业的动态。