摘要：2018年以来，以ChatGPT、Sora、DeepSeek等为代表的预训练大模型持续取得突破，推动人工智能从感知向认知、从分析判断式向生成式、从专用向通用转变，带来“全民AI”热潮。然而，人工智能的发展过程也跌宕起伏，在其发展历史过程中逐步形成具有较强解释力

2018年以来，以ChatGPT、Sora、DeepSeek等为代表的预训练大模型持续取得突破，推动人工智能从感知向认知、从分析判断式向生成式、从专用向通用转变，带来“全民AI”热潮。然而，人工智能的发展过程也跌宕起伏，在其发展历史过程中逐步形成具有较强解释力的符号主义、连接主义和行为主义三大人工智能学派。从现实来看，人工智能三大学派各有优势与不足，但对人工智能不同时期的发展均起到重要助力作用。

符号主义学派：智能即程序

符号主义认为人工智能起源于数理逻辑，因而又被称为逻辑主义或计算机学派，代表人物有西蒙、麦卡锡等。他们主张符号作为人工智能最基本的元素，旨在用数学或物理学中的各类符号来表达人工智能思维的形成，将人脑与电脑都看作符号系统，把人的思维看作计算机程序。其主要科学方法是基于实验心理学与软件计算相结合，利用计算机来模拟人的思维过程和功能。在计算机问世之后，符号主义学派取得了重大成功。1956年问世的第一个启发程序LT逻辑理论机，证明了38条数学定理。1968年，世界第一个化学分析专家系统DENTRAL诞生，从而说明应用计算机可以研究人的思维过程、模拟人类智能活动。随后，符号主义长期成为人工智能研究领域的主流，在人工智能这个学科里占据较长时间统治地位。尤其是1997年国际象棋的人机对战中，IBM超级计算机“深蓝”战胜人类国际象棋世界冠军卡斯帕罗夫让符号主义名声大震。可以说，人机大战是人工智能符号学派1980年以来极为吸引世人眼光的应用。当前，人工智能符号主义学派最新发展主要集中在如何将符号主义理论应用于机器学习、强化学习和其他机器学习方法。

连接主义学派：智能即仿生

连接主义学派认为人工智能源于仿生学，因而又被称作仿生学派，代表人物有麦克洛克、皮茨、霍普菲尔德等。连接主义是一种以仿生主义为代表的认知心理学理论，它试图通过模拟人脑中神经元的节点网络，以神经生理学和物理模拟方法以及数学模拟等科学手段来模拟人脑进行智能活动的过程，进而实现机器思维和智能学习的目的。连接主义学派认为人工智能是基于神经网络及神经网络间的突触连接机制和学习算法的仿生，把人的智能归结为由大量简单的单元通过复杂的相互连接和并行运行的结果，特别是通过模拟生物神经元的构造特征来使机器实现智能。1943年，美国心理学家麦克洛奇和数理逻辑学家皮茨提出第一个人工神经细胞——MP模型，开始了这一理论的发展。早期受到理论模型以及生物技术的限制，连接主义及其相关神经网络模型和算法的研究一度处于低潮，但是在1986年鲁梅哈特等人提出用硬件模拟神经网络以及反向传播算法之后，连接主义研究开始复苏。2006年，杰弗里·辛顿发表的深度信念网络概念再次把深度学习推向学术界，使机器具备了理解文字、语音、图像等数据的能力，成为当前人工智能研究的热门方向。2016年发表在Nature上的一篇学术论文揭示了大脑语义地图的存在，并指出概念都可以在每个脑区找到对应的表示区，让连接主义有了扎实的物理基础。2024年，DeepSeek模型发布，在保持强大性能的同时大幅降低了成本，为人工智能的广泛应用创造了无限可能。目前，人工智能连接主义学派的最新发展包括深度学习、自然语言处理、机器学习等领域。

行为主义学派：智能即控制

行为主义认为人工智能源于20世纪40—50年代的控制论，行为主义学派延续了行为主义在心理学中的观点，专注于主体与环境的相互作用，假设智能取决于感知和行动，不需要知识、表示和推理，只要将智能行为表现出来就好，即能实现指物功能就可以认为具有智能。该学派倡导通过基于智能控制系统的理论、方法和技术研究人类智能控制行为，以模拟有机生物的智能行为为重点，代表作是布鲁克斯的六足行走机器人。早期控制论研究学者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，重点研究模拟人在控制过程中的智能行为和作用，从而催生出智能控制和智能机器人的研究。行为主义在复杂场景中存在试错学习成本高、动态环境适应性弱等缺陷，导致其早期发展滞后于符号主义和连接主义。但从20世纪六七十年代起，伴随着智能控制和机器人技术的突破，行为主义作为新一代人工智能学派开始兴起，研究重点放在模拟生物控制系统的智能行为上，以拟人化智能控制来模拟行为。2016年，融合了符号主义和行为主义的谷歌人工智能系统AlphaGo战胜世界围棋冠军、韩国棋手李世石。目前，人工智能行为学派的发展包括与连接主义结合开发智能系统、人机协作行为优化、工业智能机器人等。

总体来看，人工智能三大学派在学术观点和科学方法上有各自不同的看法，并且均存在各自优势和不足。比如，人工智能符号主义认为人的智能来自人的抽象表示和推理技能，连接主义认为智能来自人的思维连接，行为主义则认为智能来自通过环境反馈来维持行为的能力。但是，人工智能符号主义学派基于逻辑和符号推理，无法有效应对图像识别、语音处理等复杂问题；连接主义学派强调计算机和自然语言之间的联系，依赖训练数据的规模和代表性，模型可解释性与透明性不足；行为主义学派基于人类行为学，但缺乏对视觉、听觉等多模态信息的处理机制，导致复杂交互场景中响应能力受限。虽然当前人工智能发展正逐步融合这三大流派的优势——符号主义的可解释性、连接主义的抽象能力与行为主义的环境互动，但与人工智能不同的是，人类智慧是由发现问题和定义问题的“隐性智慧”和解决问题的“显性智慧”组成的能力体系，目前的人工智能只能模仿人类解决问题的能力，还较为缺乏发现问题和定义问题的能力。未来，要实现“弱人工智能”向“强人工智能”的转变，不仅需要符号主义、连接主义和行为主义的融合，也需要计算科学、神经科学和认知科学的融合。

来源：中国社会科学网