回顾人工智能的发展历史，我们会发现它主要由 3 个方面相互交织发展：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。下面，我们来简单的回顾一下。
符号主义
符号主义，又称为逻辑主义，旨在用数学和物理学中的逻辑符号来表达思维的形成，通过大量的“如果 - 就”（if-then）规则定义。
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。
而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。
1978年，日本通产省委托日本计算机界大佬元冈达，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”进入了低潮。
连接主义
连接主义主张智能来自神经元之间的连接，它让计算机模拟人类大脑中的神经网络及其连接机制，这是一个自下而上的过程，包括人工神经网络等。
1943年，麦卡洛克和皮茨发表了《A Logical Calculus of the Ideas Immanent in Nervous Activity》，这是神经网络的开山之作。
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发明了“感知机”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。
罗森布拉特（1928 — 1971）
然而，明斯基认为神经网络不能解决人工智能的问题。他和麻省理工学院的佩珀特合作了《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”。
直到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。
霍普菲尔德（1933 — ）
而如今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。
在2012年图像识别国际大赛ILSVRC上，作为深度学习的先驱，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
行为主义，又称进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。
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基于感知行为，使每个基本单元实现自我优化和适应的观点。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。
免责声明：以上内容整理自网络，仅供交流学习之用。如有任何疑问或异议，请留言与我们联系。
