人工智能三大学派

人工智能三大学派综述

***

摘 要：论述了人工智能研究领域主要学派及其特点，给出了它们的主要观点、方法和成果，对比了三大学派的优缺点，最后论述了人工智能三大学派的发展。 关键词：人工智能；符号主义；联结主义；行为主义

1

Summarizes of The Three Schools in AI Research

ZHAO Hong-wei

(School of Computer and Information Technology，Beijing Jiaotong University，beijing，100044)

Abstract：Summarizes the three school and their characteristics in AI research，their main viewpoints，methods and achievement are expounded. Compares the advantages and

disadvantages of the three major schools.The development of the three schools are given at last.

Key words: artificial intelligence; symbolism; connectionism; actionism

1 引言

通过机器实现模仿人类的行为，使之具有人类的智能，是人类长期以来追求的目标。若从1956年正式提出人工智能学科算起，人工智能的研究发展已有50多年的历史。这期间，不同学科或学科背景的学者对人工智能做出了各自的理解，提出了不同的观点，由此产生了不同的学术流派。期间对人工智能研究影响较大的的主要有符号主义、联结主义和行为主义三大学派[1]。

2 人工智能三大学派及其成就

2.1符号主义学派

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。 2.1.1 基本内容

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

1

Logical Foundation of Artificial Intelligence 赵宏伟 11120511

辑演绎系统。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。符号主义致力于用计算机的符号操作来模拟人的认知过程其，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，从而模拟人类的认知过程，实现人工智能。 2.1.2 代表成果

符号主义学派的代表性成果是启发式程序LT逻辑理论家，证明了38条数学定理，表明我们可以应用计算机研究人的思维过程，模拟人类智能活动。1956年，符号主义者首先采用“人工智能”这个术语，后来又发展了启发式算法——专家系统——知识工程理论与技术，并在80年代取得很大发展。尤其是专家系统的成功开发与应用，为人工智能走向工程应用具有特别重要意义。在其它的学派出现以后，符号主义仍然是人工智能的主流派。这个学派的代表有纽厄尔、肖·西蒙和尼尔逊等。

2.2联结主义学派

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[2]。 2.2.1 基本内容

联结主义学派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。其中人工神经网络（典型结构图见图1）就是其典型代表性技术。

图 1 典型神经网络的结构图

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。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。 2.2.2 代表成果

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。

2.3行为主义学派

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。 2.3.1 基本内容

行为主义最早来源于20世纪初的一个心理学流派，认为行为是有机体用以适应环境变化的各种身体反应的组合，它的理论目标在于预见和控制行为[3]。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，并在80年代诞生了智能控制和智能机器人系统。 2.3.2 代表成果

目前 行为主义人工智能的研究已经迅速发展起来，并取得了许多令人瞩目的成果。

它所采用的结构上动作分解方法，分布并行的处理方法以及由底至上的求解方法已成为人工智能领域中新的研究热点，其智能系统的构造原理如图2 所示[4]。

图2 行为主义智能系统的构造原理

行为主义学派的代表作首推布鲁克斯的六足机器人，它被看做新一代的“控制论动物”，是一个基于感知——动作模式的模拟昆虫行为的控制系统。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。

3 发展与超越

3.1 三大学派的特点

人工智能研究进程中的这三种假设和研究范式推动了人工智能的发展。就人工智能三大学派的历史发展来看，符号主义认为认知过程在本体上就是一种符号处理过程，人类思维过程总可以用某种符号来进行描述，其研究是以静态、顺序、串行的数字计算模型来处理智能，寻求知识的符号表征和计算，它的特点是自上而下。而联结主义则是模拟发生在人类神经系统中的认知过程，提供一种完全不同于符号处理模型的认知神经研究范式。主张认知是相互连接的神经元的相互作用。行为主义与前两者均不相同。认为智能是系统与环境的交互行为，是对外界复杂环境的一种适应。这些理论与范式在实践之中都形成了自己特有的问题解决方法体系，并在不同时期都有成功的实践范例。而就解决问题而言，符号主义有从定理机器证明、归结方法到非单调推理理论等一系列成就。而联结主义有归纳学习，行为主义有反馈控制模式及广义遗传算法等解题方法。它们在

人工智能的发展中始终保持着一种经验积累及实践选择的证伪状态。

3.2 理论发展与争论

三大从不同的侧面在不同的时空阶段推动着人工智能科学的发展。尽管它们在不同的发展时期有所“兴盛”或“衰竭”，但它们都在实践中不断地进行着各自理论的修正和完善[5]。例如，在符号主义传统下，从启发式方法、通用问题求解程序的提出，到专家系统及知识工程的相继出现，从知识工程中对知识的传统逻辑表达到常识的非单调逻辑的深入研究等，都表明人工智能中不断地进行着大量的理论变形和特设性修改，而且这种变形并非随意进行，而是受到这一时期理论认识特点所支配。这就是说，在人工智能发展中出现的各种思想假设和理论选择并未出现理论化的全面归并或抛弃倾向，而是表现出理论、经验及实践能力不断累积，并且几乎是并行地、互为补充地发展着。

人工智能科学兴起以后，“电脑能不能代替人脑”、“机器能够思维吗”，就一直是争论不休的话题。早在五十年代，符号主义学派与联结主义学派就出现了激烈争论。符号主义学派认为计算机是处理思维符号的系统，坚信用计算机一定能达到模拟人类思维的基本操作，致力于用数理逻辑方法利用计算机形式化地表达世界。尽管按照这种方式来工作的专家系统已经在表达科学思维的某些方面达到了人类专家的水平，甚至超过了专家水平，如在矿物勘测、化学分析、规划和医学诊断方面，但这并没有说明我们制造了一个具有自我意识的“人工智能”系统。这事因为计算机解决问题，首先要对实际问题进行形式化表达，建立起相应的数学模型和形式系统，然后在形式化的基础上，把问题的推演过程转换成某种算法式或启发式规则，以便机器执行。面对现实问题的多样性和复杂性，就会遇到一个无限多的符号、无限多的规则而形成无限多的形式系统。因而，从根本上来说万能的逻辑推理体系是不可能存在的，要计算机或智能机器完全模拟人脑的活动几乎是不可能完成的工作。

认知神经学表明人脑并非以线性顺序进行思维，而是以复杂的并行操作来处理感觉信息。这一科学事实成了联结主义学派反对符号主义学派的理由。他们认为计算机是对大脑建模的媒介，主张从神经生物学的角度来模拟动物或人的大脑及各种感觉器官的结构和功能，力图寻找一种可以描述自然神经系统的方法，建立神经生理学模型。尽管目前有关脑的微观和宏观活动研究以及认知神经网络的研究取得了突破性的进展，以此为基础建立的神经网络模型在模式识别、故障检测、智能机器人、自适应控制、市场分析、决策优化、物资调运和认知科学等广泛的领域中得到发展，但人脑是一个异常复杂的组织，目前对人脑结构和活动机制的了解只是冰山一角，要建立一个与人类大脑神经网络

本文来源：https://www.bwwdw.com/article/hqg6.html