回顧人工智能的發展歷史，我們會發現它主要由 3 個方面相互交織發展：符號主義、連接主義和行為主義。
三大流派對智能有不同的理解，延伸出了不同的發展軌跡。下面，我們來簡單的回顧一下。
符號主義
符號主義，又稱為邏輯主義，旨在用數學和物理學中的邏輯符號來表達思維的形成，通過大量的“如果 - 就”（if-then）規則定義。
專家系統是符號主義的主要成就。1965年，費根鮑姆等人在總結通用問題求解系統的成功與失敗經驗的基礎上，結合化學領域的專門知識，研製了世界上第一個專家系統DENDRAL。
而專家系統時代最成功的案例是DEC的專家配置系統XCON。
當客戶訂購DEC的VAX系列計算機時，XCON可以按照需求自動配置零部件。從1980年投入使用到1986年，XCON一共處理了八萬個訂單。
20世紀80年代初到20世紀90年代初，專家系統經歷了十年的黃金期。
1978年，日本通產省委託日本計算機界大佬元岡達，但最終五代機沒有在任何相關領域取得突破性進展。隨著日本五代機的幻滅，“專家系統”進入了低潮。
連接主義
連接主義主張智能來自神經元之間的連接，它讓計算機模擬人類大腦中的神經網絡及其連接機制，這是一個自下而上的過程，包括人工神經網絡等。
1943年，麥卡洛克和皮茨發表了《A Logical Calculus of the Ideas Immanent in Nervous Activity》，這是神經網絡的開山之作。
1957 年，神經網絡的研究取得了一個重要突破。康奈爾大學的實驗心理學家羅森布拉特發明了“感知機”的神經網絡模型，可以完成一些簡單的視覺處理任務，在當時引起了轟動。
羅森布拉特（1928 — 1971）
然而，明斯基認為神經網絡不能解決人工智能的問題。他和麻省理工學院的佩珀特合作了《感知機：計算幾何學》一書，指出了“感知機”存在的缺陷。
政府資助機構逐漸停止了對神經網絡研究的支持，從此，神經網絡研究進入了長達二十年的“饑荒期”。
直到1982年，霍普菲爾德提出了一種新的神經網絡，可以解決一大類模式識別問題，還可以給出一類組合優化問題的最優解，這種神經網絡模型後來被稱為霍普菲爾德網絡。
霍普菲爾德模型的提出振奮了神經網絡領域，一大幫早期神經網絡研究的倖存者，開始了連接主義運動，一時間神經網絡成為了顯學。
霍普菲爾德（1933 — ）
而如今所謂深度學習就是用很多層神經元構成的神經網絡達到機器學習的功能。
在2012年圖像識別國際大賽ILSVRC上，作為深度學習的先驅，辛頓團隊的SuperVision超過10%的驚人優勢擊敗對手拔得頭籌。
隨著硬件技術（如谷歌推出的TPU芯片）的發展，深度學習已經成為了人工智能時代的主流。
行為主義
行為主義，又稱進化主義或控制論學派，其原理為控制論及感知-動作型控制系統。
行為主義的貢獻主要是在機器人控制系統方面，希望從模擬動物的“感知——動作”開始，最終複製出人類的智能。
20世紀末，行為主義正式提出智能基於感知行為，使每個基本單元實現自我優化和適應的觀點。至此，行為主義成為了一個新的學派，在人工智能的舞臺上擁有了一席之地。
免責聲明：以上內容整理自網絡，僅供交流學習之用。如有任何疑問或異議，請留言與我們聯繫。
