人工智能作為一門學科，誕生于20世紀中葉，它的目標是讓機器產生類似于人類的智能。由于對“智能”本質的理解不同，在人工智能的發(fā)展過程中，逐漸形成了三個具有影響力的學派：符號主義、連接主義和行為主義。它們有不同的學術思想和研究路徑，共同推動了人工智能的進步，并逐步在現(xiàn)實應用中融合協(xié)同發(fā)展。而今，人工智能已經走出實驗室，深入到人們的日常生活中，從智能手機中的語音助手到自動駕駛汽車，從“文生文”到“文生視頻”，人工智能正在以驚人的速度改變世界。今天，就讓我們沿著人工智能發(fā)展史的脈絡，共同回顧人工智能的誕生與三大學派的形成歷程。

序曲：人工智能的先聲

故事的開頭，要追溯到1936年，圖靈首次提出一種抽象的計算模型，它通過無限長的紙帶、讀寫頭和一組狀態(tài)規(guī)則來模擬人類計算過程，這就是人們常說的“圖靈機”。在奠定現(xiàn)代計算機理論先聲的同時，這種通過形式化符號操作模擬智能行為的思想也啟發(fā)了后續(xù)符號主義的研究。

1943年，《神經活動中內在思想的邏輯演算》一文發(fā)表，文章中提出的形式化的神經元數(shù)學模型為后續(xù)人工神經網(wǎng)絡的出現(xiàn)奠定了數(shù)學基礎，該文也被視為連接主義的起點。正是這個看似抽象的理論模型，在多年后催生了能寫詩作畫的生成式人工智能。

1950年，圖靈在哲學雜志《心智》上發(fā)表論文，提出了著名的“圖靈測試”：如果一臺機器能通過電傳設備與人類展開對話，與它進行對話的人又不能被辨別出它是機器還是人，那就可以認為這臺機器具有智能。雖然當時沒有提出“人工智能”這個概念，但是“圖靈測試”的理念為人工智能的誕生奠定了思想基礎。

圖1 圖靈測試示意圖（原圖片來自網(wǎng)絡，由百度AI圖片助手進行清晰化等處理）

誕生：人工智能進入公眾視野

讓我們把目光拉回到1956年的達特茅斯會議。這次會議上，學者們暢談如何利用剛問世不久的計算機來實現(xiàn)人類智能的問題。在會議籌備期，麥卡錫建議用“人工智能”來標識這個新興的學術領域，參會的學者都表示同意。從那一年開始，“人工智能”一詞開始出現(xiàn)在公眾的視野中，這次會議也標志著人工智能開始作為一門獨立學科而存在。彼時，計算機技術尚處于起步階段，但科學家們已開始嘗試讓機器模擬人類的邏輯思維與問題求解能力。

圖2 1956年達特茅斯會議（圖片來自網(wǎng)絡）

符號主義：邏輯規(guī)則的符號表達

符號主義是人工智能發(fā)展早期的主流學派，他們認為：智能的核心在于邏輯推理和知識的精準表達，智能活動的本質是對符號的操作與處理，因此人工智能的設計重點應該是將知識表示為一系列符號及其邏輯關系，并依據(jù)預設的規(guī)則進行運算，典型應用之一便是專家系統(tǒng)。

專家系統(tǒng)通過將特定領域的知識編碼為符號規(guī)則，利用推理引擎模擬專家的決策過程，為實際問題提供解決方案。它的優(yōu)點是能夠將領域知識編碼為顯式規(guī)則，不足之處是依賴于人工構建知識庫，存在知識獲取瓶頸，難以處理不確定性問題。在當代，符號主義的思想仍體現(xiàn)在諸多人工智能中。例如，智能語音助手在處理用戶指令時，會將語音信息轉化為文本符號，再依據(jù)預設的語義規(guī)則進行解析與響應，其底層邏輯編輯仍然是符號主義。

圖3 智能語音助手示意圖（該圖片由豆包生成）

連接主義：神經網(wǎng)絡的仿生探索

連接主義受到生物神經網(wǎng)絡的啟發(fā)，認為復雜行為涌現(xiàn)自簡單單元的協(xié)同作用，主張人工智能的實現(xiàn)重點是要對大腦神經網(wǎng)絡工作方式進行模擬。連接主義中具有代表性的研究成果是神經網(wǎng)絡，它通過神經元的連接和權重調整來學習數(shù)據(jù)中的模式，提取特征和規(guī)律，從而產生智能。

1957年，羅森布拉特發(fā)明了感知機，由于當時的計算能力和數(shù)據(jù)量的限制，它只能處理簡單的線性問題，無法解決復雜的非線性問題，這使得連接主義在早期的發(fā)展中一度陷入困境。1986年，魯梅爾哈特等人實現(xiàn)了反向傳播算法的工程化突破，使多層神經網(wǎng)絡訓練成為可能。21世紀初，在硬件革新、數(shù)據(jù)爆發(fā)、算法突破等因素的共同作用下，深度神經網(wǎng)絡開始崛起，它一方面帶來了自動駕駛和醫(yī)學影像分析等領域的突破，也催生了DeepSeek等諸多大語言模型，重塑了人機交互方式。

圖4 神經網(wǎng)絡示意圖（圖片來自網(wǎng)絡）

行為主義：從行為表現(xiàn)洞察智能

行為主義認為智能是通過智能體在環(huán)境中采取行動并接收反饋、逐步學習而形成的。他們關注的是智能體在環(huán)境中的行為表現(xiàn)，強調智能體與環(huán)境的交互。這是一種“做中學”的智慧：既然人類的學習是從每一次嘗試開始的，那么人工智能的行為模式和策略也可以在與世界的真實互動中逐步形成。想象一下，行為主義者設計的智能機器就像是一只在林間自由探索的小動物，通過不斷地嘗試和試錯，學會適應環(huán)境，找到食物，躲避危險。

行為主義的代表性成果是強化學習，其核心思想是通過試錯和獎勵機制來優(yōu)化行為策略，解決復雜決策問題。如今，強化學習被應用于多個領域，如機器人控制和游戲領域。今天，一些軟件的信息推薦算法也基于強化學習，它們通過分析用戶的行為反饋來優(yōu)化內容推薦。

圖5 強化學習示意圖（圖片來自網(wǎng)絡CSDN社區(qū)）

融合：共創(chuàng)人工智能未來

在人工智能的發(fā)展中，符號主義、連接主義和行為主義都起到了很重要的作用。雖然在初始階段，三大學派各自按照自己對“智能”的理解進行不同的探索，但這些學派的思想在當下常被融合使用。例如，知識圖譜就是基于符號主義與連接主義的合作，而擊敗世界頂級圍棋選手的圍棋程序AlphaGo則是連接主義和行為主義相結合的產物。人工智能的未來，一方面是建立在這些已有智慧之上，另一方面也需要在探索與學習中融合發(fā)展。讀者朋友們，你們準備加入到人工智能的探索之旅嗎？

圖6 AI生成的未來世界（該圖片由midjourney生成）