1.2　竞争——三大学派

专家系统遇到的难题使人们开始寻求其他的解决方式——如果让知识通过自下而上的方式涌现，而不是让专家们自上而下地设计出来，那么机器学习的问题其实可以得到很好的解决。自此人工智能逐渐演化为三大学派：一些人认为可以通过模拟大脑的结构（神经网络）来实现，被称为联结主义学派；还有一些人认为可以从那些简单生物体与环境互动的模式中寻找答案，被称为行为主义学派；而传统的人工智能则被称为符号主义学派。

1.2.1　符号主义学派

符号主义学派认为人工智能源于数理逻辑。数理逻辑从19世纪末开始迅速发展，到20世纪30年代用于描述智能行为，并在计算机上实现了逻辑演绎系统。我们在前文提到的“逻辑理论家”程序表明了计算机通过研究人类的思维过程可以模拟人类的智能活动。在人工智能中，机器定理证明是典型的符号主义的一个代表，而机器定理证明的方法之一是吴文俊先生创立的“吴文俊方法”。

该学派认为人类认知和思维的基本单元是符号，而认知的过程是对符号的逻辑运算，因此，人类抽象的逻辑思维就可以通过计算机中逻辑门的运算来模拟，实现机械化的人类认知。而麦卡锡则强调人工智能的智能并不体现在真实的具体行为中，而是体现在思维方式上。

基于麦卡锡的观点，发明“逻辑理论家”程序的纽埃尔和西蒙进一步推演得到物理符号系统假说，该假说认为任何能够将某些物理模式或符号转化成其他模式或符号的系统都有可能产生智能的行为，这也是符号主义学派名字的由来。基于该假说，符号主义学派的研究者们聚焦人类智能行为，如推理、决策、知识表达等，并取得了巨大的成功。

2011年，在美国电视节目《危险游戏》中，超级计算机沃森通过处理自然语言线索，在涉及各个领域的知识问答上战胜了人类。这说明计算机不仅能在初始条件确定的棋盘中获胜，而且在不确定的初始条件下，仍能够表现优异。但是经过一段短暂的喜悦后，符号主义学派逐渐走向衰弱。

1.2.2　联结主义学派

联结主义学派并不认为人工智能源于数理逻辑，也不认为人工智能的关键在于思维方式，这一学派将人工智能建立在神经生理学和认知学的基础上，强调人工智能是由大量简单的单元通过复杂的相互连接后并行运行的结果。

1959年，Hubel和Wiesel进行了一项观察猫的视觉神经元反应的实验。实验发现，某些神经元具有简单的模式功能，而复杂的模式功能是由简单的模式功能所构成的。后来，通过对猴子的视觉中枢的解剖实验发现，从视网膜到大脑皮层的信息传输是从低级区域到高级区域的传递，低级区域的输出成为高级区域的输入。低级区域识别图像中像素级别的局部特征，高级区域将局部特征组合成全局特征，形成复杂的模式，模式的抽象程度逐渐提高，直至语义级别。

上述发现启发计算机科学家发明了人工神经网络。人类的智慧主要来源于大脑的活动，而大脑则是由一万亿个神经元细胞经过错综复杂的连接构成的。联结主义学派认为神经元不仅是大脑神经系统的基本单元，还是行为反应的基本单元。通过大量的低级神经元对信息的处理和传递，将形成的复杂的信息作用于高级神经元，完成复杂的思维过程。

基于上述思路，联结主义学派构建了人工神经网络来模拟人类大脑。通过编程的手段，模拟人类大脑中神经系统的结构和功能；通过构建不同的神经系统层次形成不同的网络，应用于不同的场景。

近年来，深度学习技术的发展使得人们能够模拟视觉中枢的层级结构，考察每一级神经网络形成的概念。底层网络总结出各种边缘结构，中层网络归纳出眼睛、鼻子、嘴巴等局部特征，高层网络将局部特征组合，得到各种人脸特征。这样人工神经网络就佐证了视觉中枢的层次特征结构。

有关人工神经网络的研究在20世纪80年代末至90年代初达到巅峰，联结主义学派的研究者们提出了形式化神经元模型，将反馈学习算法应用于神经网络和多层网络中的反向传播算法，这些研究成果使人工神经网络在各个领域得到了广泛的应用。但是随后人们发现，如果网络的层数加深，那么最终网络的输出结果对于初始几层的参数影响微乎其微，整个网络的训练过程无法保证收敛，并且从理解层面来讲，人们虽然可以模拟人类大脑构建神经网络，但是并不清楚这些神经网络究竟是如何工作的。在这一阶段，计算机科学家针对不同的任务开发出了不同的算法。例如，针对语音识别开发了隐马尔科夫链模型，针对人脸识别开发了Gaber滤波器、SIFT 特征提取算法、马尔科夫随机场的概率图模型。因此，在这一阶段，人们倾向于开发专用算法。

但是随后Sharma的实验结果说明，大脑实际上是一台“万用学习机器”，同样的学习机制可以用于完全不同的应用场景。人类的DNA并不提供各种用途的算法，而只提供基本的普适学习机制，人的思维功能主要依赖于学习所得。后天的文化和环境决定了一个人的思想和能力。也就是说，学习的机制人人相同，但是学习的内容决定了人的思想。相比于符号主义学派，联结主义学派的方法在一定程度上实现了人类大脑形象思维的功能。

1.2.3　行为主义学派

行为主义学派认为行为是有机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。行为主义学派认为人工智能源于控制论，控制论把神经系统的工作原理与信息理论、控制理论、逻辑及计算机联系起来，其研究重点落脚于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、自学习等控制论系统的研究。行为主义学派将研究焦点放在了昆虫上，昆虫可以灵活地摆动自己的身体行走，还能够快速躲避捕食者的攻击，并在大量昆虫聚集在一起时能够表现出非凡的群体智能，形成严密的社会性组织。从时间角度来看，生物体对环境的适应还会迫使生物体进化，从而实现从简单到复杂、从低级到高级的跃迁。

行为主义学派的机械代表作首推美国麻省理工学院教授罗德尼·布罗克斯设计的六足行走机器人，它被视为“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。行为主义学派的算法代表则是美国科学家约翰·霍兰提出的遗传算法和美国心理学家詹姆斯·肯尼迪提出的粒子群优化算法。遗传算法对进化中的自然选择现象进行了高度抽象，通过变异和选择实现目标函数的最优化。粒子群优化算法则通过模拟动物的群体行为解决最优化问题。

但是行为主义学派的研究方法具有很大的局限性。行为主义学派的研究切入点从动物开始，并将从动物身上得到的结论在人类身上推广，却忽视了人类的特殊性，过于极端；行为主义学派否认生理和遗传对心理的作用，认为只要给予适宜的环境刺激，就可以塑造人类相应的行为反应，却忽视刺激反应之间人的主体性因素的作用，把人类看成一台受到刺激而做出被动反应的机器，把环境特别是社会环境看作人类行为的决定力量。因此，行为主义学派在解释人类行为时，难免要犯机械环境决定论的错误。