什么是AI三大学派？
人工智能的发展历程中，形成了三种主要的研究思路，被称为AI三大学派：
符号主义（Symbolism）
核心思想：智能的本质是符号运算，可以通过逻辑推理来模拟人类思维。
符号主义认为，人类的认知过程就是对符号的操作过程。只要把知识用符号和规则表示出来，机器就能像人一样思考。
代表成果：
- "逻辑理论家"程序（1956年，纽厄尔和西蒙）——能自动证明数学定理
- 专家系统——用规则库模拟专家决策
优点：推理过程透明、可解释性强
局限：难以处理不确定性和模糊信息，知识获取困难
连接主义（Connectionism）
核心思想：智能来源于大量简单单元的连接和协作，模拟大脑神经元的工作方式。
连接主义的研究基础是人工神经网络。通过调整神经元之间的连接权重，网络可以从数据中学习规律。
代表成果：
- 感知机（1958年，Rosenblatt）
- 深度学习（2010年代至今）
优点：擅长处理模式识别、分类等任务，能从数据中自动学习
局限：模型可解释性较差（"黑箱"问题）
行为主义（Behaviorism）
核心思想：智能不需要内部表示，而是通过与环境的交互和反馈来产生的。
行为主义关注的是智能体如何在环境中感知和行动，强调"感知-行动"循环。
代表成果：
- 强化学习（如AlphaGo）
- 机器人控制
优点：适合动态环境中的决策问题
局限：难以处理复杂的抽象推理任务
三大学派的关系
三大学派并非互相排斥，现代AI研究越来越倾向于融合多种方法。例如，深度强化学习就结合了连接主义（深度神经网络）和行为主义（强化学习）的思想。
考试要点
- 能区分三大学派的核心思想和代表成果
- "逻辑理论家"是符号主义的代表
- 神经网络属于连接主义
- 强化学习体现行为主义思想
