搜索
符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理，长期以来，一直在人工智能中处于主导地位，其代表人物是纽威尔、肖、西蒙和尼尔森。早期的人工智能研究者绝大多数属于此类。符号主义的实现基础是纽威尔和西蒙提出的物理符号系统假设。该学派认为：人类认知和思维的基本单元是符号，而认知过程就是在符号表示上的一种运算。它认为人是一个物理符号系统,计算机也是一个物理符号系统,因此,我们就能够用计算机来模拟人的智能行为,即用计算机的符号操作来模拟人的认知过程。这种方法的实质就是模拟人的左脑抽象逻辑思维，通过研究人类认知系统的功能机理，用某种符号来描述人类的认知过程，并把这种符号输入到能处理符号的计算机中，就可以模拟人类的认知过程，从而实现人工智能。可以把符号主义的思想简单的归结为“认知即计算”。从符号主义的观点来看，知识是信息的一种形式,是构成智能的基础，知识表示、知识推理、知识运用是人工智能的核心，知识可用符号表示,认知就是符号的处理过程，推理就是采用启发式知识及启发式搜索对问题求解的过程，而推理过程又可以用某种形式化的语言来描述，因而有可能建立起基于知识的人类智能和机器智能的同一理论体系.符号主义学派认为人工智能源于数学逻辑.数学逻辑从19世纪末起就获得迅速发展,到20世纪30年代开始用于描述智能行为.计算机出现后,又在计算机上实现了逻辑演绎系统。符号主义的代表成果是1957年纽威尔和西蒙等人研制的成为“逻辑理论家”的数学定理证明程序LT。LT的成功，说明了可以用计算机来研究人的思维过程，，模拟人的智能活动。以后，符号主义走过了一条启发式算法——专家系统——知识工程的发展道路，尤其是专家系统的成功开发与应用，使人工智能研究取得了突破性的进展。符号主义学派认为人工智能的研究方法应为功能模拟方法.通过分析人类认知系统所具备的功能和机能,然后用计算机模拟这些功能,实现人工智能.符号主义主张用逻辑方法来建立人工智能的统一理论体系，但却遇到了“常识”问题的障碍，以及不确知事物的知识表示和问题求解等难题，因此，受到其他学派的批评与否定。连接主义（Connectionism）又称为仿生学派(Bionicsism)或生理学派(Physiologism)。是一种基于神经网络及网络间的连接机制与学习算法的智能模拟方法。其原理主要为神经网络和神经网络间的连接机制和学习算法。这一学派认为人工智能源于仿生学，特别是人脑模型的研究。这一方法从神经生理学和认知科学的研究成果出发，把人的智能归结为人脑的高层活动的结果，强调智能活动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。人工神经网络（简称神经网络）就是其典型代表性技术，因此，我们可以把连接主义的思想简单地称为“神经计算”。连接主义认为神经元不仅是大脑神经系统的基本单元，而且是行为反应的基本单元。思维过程是神经元的连接活动过程，而不是符号运算过程,对物理符号系统假设持反对意见,认为人脑不同于电脑,并提出联结主义的大脑工作模式,用于取代符号操作的电脑工作模式。他们认为任何思维和认知功能都不是少数神经元决定的，而是通过大量突触相互动态联系着的众多神经元协同作用来完成的。实质上，这种基于神经网络的智能模拟方法就是以工程技术手段模拟人脑神经系统的结构和功能为特征，通过大量的非线性并行处理器来模拟人脑中众多的神经细胞（神经元），用处理器的复杂连接关系来模拟人脑中众多神经元之间的突触行为。这种方法在一定程度上可能实现了人脑形象思维的功能，即实现了人的右脑形象抽象思维功能的模拟。连接主义的代表性成果是1943年由麦克洛奇和皮兹提出的形式化神经元模型，即M-P模型。他们总结了神经元的一些基本生理特性，提出神经元形式化的数学描述和网络的结构方法，从此开创了神经计算的时代，为人工智能创造了一条用电子装置模仿人脑结构和功能的新途径。1982年，美国物理学家霍普菲尔特提出了离散的神经网络模型，1984年他又提出了连续的神经网络模型，使神经网络可以用电子线路来仿真，开拓了神经网络用于计算机的新途径。1986年，鲁梅尔哈特等人提出了多层网络中的反向传播（BP）算法，使多层感知机的理论模型有所突破。同时，由于许多科学家加入了人工神经网络的理论与技术研究，使这一技术在图像处理、模式识别等领域取得了重要的突破，为实现连接主义的智能模拟创造了条件。行为主义又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，是一种基于“感知——行动”的行为智能模拟方法。这一方法认为，智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为表现出不同的功能和不同的控制结构。其原理为控制论及感知---动作型控制系统。他们对人工智能发展历史具有不同的看法，这一学派认为人工智能源于控制论。控制论思想早在40—50年代就成为时代思潮的重要部分,影响了早期的人工智能工作者.维纳和麦洛克等人提出的控制论和自组织系统以及钱学森等人提出的工程控制论和生物控制论,影响了许多领域.控制论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.早期的研究工作重点是模拟人在控制过程中的智能行为和作用,对自寻优、自适应、自校正、自镇定、自组织和自学习等控制论系统的研究,并进行“控制动物”的研制.到60—70年代,上述这些控制论系统的研究取得一定进展,播下智能控制和智能机器人的种子,并在80年代诞生了智能控制和智能机器人系统.行为主义的主要观点可以概括为：1知识的形式化表示和模型化方法是人工智能的重要障碍之一；2应该直接利用机器对环境发出作用后，环境对作用者的响应作为原型；3所建造的智能系统在现实世界中应具有行动和感知的能力；4智能系统的能力应该分阶段逐渐增强，在每个阶段都应是一个完整的系统。行为主义的杰出代表布鲁克斯教授在1990、1991年相继发表论文，对传统人工智能进行了批评和否定，提出了无须知识表示和无须推理的智能行为观点。在这些论文中，布鲁克斯从自然界中生物体的智能进化过程出发，提出人工智能系统的建立应采用对自然智能进化过程仿真的方法。他认为智能只是在与环境的交互作用中表现出来的，任何一种“表达”都不能完善地代表客观世界的真实概念，因而用符号串表达智能是不妥当的。布鲁克这种基于行为（进化）的观点开辟了人工智能的新途径，从而在国际人工智能界形成了行为主义这个新的学派。布鲁克斯的代表性成果是他研制的6足机器虫。布鲁克斯认为要求机器人像人一样去思维太困难了，在做一个像样的机器人之前，不如先做一个像样的机器虫，由机器虫慢慢进化，或许可以做出机器人。于是他在美国麻省理工学院（MIT）的人工智能实验室研制成功了一个由150个传感器和23个执行器构成的像蝗虫一样能做6足行走的机器人试验系统。这个机器虫虽然不具有像人那样的推理、规划能力，但其应付复杂环境的能力却大大超过了原有的机器人，在自然（非结构化）环境下，具有灵活的防碰撞和漫游行为。行为主义的思想提出后引起了人们的广发关注，其中感兴趣的人有之，反对者也大有人在。例如，有人认为布鲁克斯的机器虫在行为上的成功并不能引起高级控制行为，指望让机器从昆虫的智能进化到人类的智能只是一种幻想。尽管如此，行为主义学派的兴起，表明了控制论、系统工程的思想将进一步影响人工智能的发展。