1.5.1 传统实现方法

1.符号主义方法

人类智能区别于动物智能的重要标志是人类不仅会使用语言，还会使用各种复杂符号表达思想。符号主义希望计算机处理符号，并通过符号表征来实现人工智能。根据符号主义的观点，一个完善的符号系统应具备6种基本功能：输入符号、输出符号、存储符号、复制符号、建立符号结构、条件性迁移。其中，建立符号结构是指通过找出各符号间的关系，在符号系统中形成符号结构；条件性迁移是指依据原来存储的信息加上当前的输入而进行一系列的活动，从而将符号转化为相应的行为。这一假设完全是从人类智能出发的，其意义在于将人类的抽象符号和概念系统转化成可以感觉、观察、操作的物理系统。该系统可以进行建立、修改、复制、删除等操作，以生成其他符号结构。符号主义又有逻辑学派、认知学派之分。

（1）逻辑学派

逻辑学派主张用逻辑来研究人工智能，即用形式化的方法描述客观世界。基于逻辑的人工智能常用于任务知识表示和推理，其核心思想如下。

① 通用智能机器必须具有关于自身环境的知识。

② 通用智能机器要能陈述性地表达关于自身环境的大部分知识。

③ 通用智能机器在表达陈述性知识的语言时至少要有一阶逻辑的表达能力。

逻辑学派强调的是概念化知识表示、模型论语义、演绎推理等。人工智能经典逻辑（特别是与统计学结合时）可以模拟学习、规划和推理。

（2）认知学派

随着符号主义研究的发展，人们逐渐认识到经验或知识在构建智能系统中的重要作用。认知学派从人的思维活动这一角度出发，利用计算机进行人类宏观认知智能模拟。认知学派认为，一个物理系统表现出智能行为的充分和必要条件是它是一个物理符号系统。这样，任何信息加工系统都可以被看作一个具体的物理系统，如人的神经系统、计算机的构造系统等。

认知学派假设人的智能活动是一个推理过程，尽管机器不知道其中的意义，但机器能像人一样对符号形式做出处理。因此，如果机器能完成人类的有语义性的推理任务，就有可能在较高层次上实现人的智能。由认知学派的成果发展而来的只是初级的机器认知智能，其与人类认知智能的距离还相当遥远。

2.联结主义方法

以模仿人脑神经网络结构形成人工神经网络，是联结主义的核心方法。联结主义方法本质上是一种结构范式，它主要通过构建各种结构不同的人工神经网络来模拟大脑神经处理信息的过程，进而实现许多非程序的适应性人工智能技术。其基本特点表现在以分布式方式存储信息，以并行方式处理信息，具有自组织、自学习能力等方面。正是这些特点，使人工神经网络为计算机等机器加工处理信息提供了全新的方法和途径。

传统的浅层神经网络有数百种模型，多数模型面向的只是特定问题和小规模问题。现代已经出现的可以多达数千层的深度人工神经网络，在形式上逼近极为复杂的人脑神经网络。联结主义的新模式，无论是深度神经网络还是硬件的人工大脑，与传统人工神经网络在对智能的认识上还是一致的，都隐含“智能”是从大规模神经网络中涌现出来的这一假设，即认为智能可以从由大量神经元连接所构成的复杂神经网络系统中涌现出来。

事实上，无论是传统人工神经网络还是深度神经网络，都与真实的大脑神经网络在结构上没有任何相似之处。虽然以深度神经网络为基础的深度学习技术在解决实际问题方面取得了很多成功，但是联结主义方法在语义理解、因果分析及逻辑推理等方面还远不及人类。

类脑芯片、人工大脑等是联结主义的新兴技术，它们试图通过电子材料等硬件从结构上模拟人类大脑，从而实现像人类智能一样的人工智能。但由于人类对于大脑各个神经元之间的复杂联结还没有完全搞清楚，因此还不能搭建出完整的人工大脑、电子大脑或类脑计算机等，这方面的技术还在持续发展中。无论是深度神经网络，还是类脑芯片，都说明联结主义方法在现阶段是实现人工智能系统的重要途径。

3.行为主义方法

行为主义学派认为，符号主义人工智能大部分建立在一些经过抽象的、过分简单的现实世界模型之上。行为主义主张以复杂的现实世界为背景，智能的形成不依赖于符号计算，也不依赖于联结主义，而是在与环境的交互与适应过程中不断进化，即不用考虑大脑内部的机制，而是直接通过行为模拟实现智能，可以称为“无脑”智能。从行为主义观点考察智能，人们会发现，实现智能系统的最直接的一种方法是仿造人或动物的“模式—动作”关系，无须知识表达与推理，即通过模仿人类或动物的行为实现智能。基于此，研究人员研制出了具有自学习、自适应、自组织特性的智能控制系统，开发出了各种工业机器人、人形机器人、机器动物等。

行为主义的基本思想来源于对人或动物行为的观察。它只是在行为方面反映了人或动物的智能特征。因此，行为主义人工智能的特征更多是本能性的、初级的，并不反映智能的内在本质和认知、决策、规划等高级智能。而人类的很多重要行动，甚至包括一些动物的行动，都是经过大脑精心规划和设计的，即语言理解、自主学习、主动决策等高级智能并不能通过行为主义实现。