2.1.2 人工智能技术的流派之争

在人工智能近百年的发展历史中，人们对人工智能追求的目标基本一致，即使机器能够展现出与人类智能相似乃至一致的行为表现。但是，实现目标的技术发展路径却大相径庭，先后涌现出众多技术理论与流派，如符号主义、联结主义、贝叶斯派、频率主义、行为主义等。这些技术流派犹如华山论剑一般，各有特点与绝技，在不同的时期各领风骚，如图2-10所示。

图2-10 技术流派“华山论剑”（AI智能生成）

在众多技术流派中，其中能力最突出、影响最深远的是符号主义、联结主义和行为主义这三个技术流派。

1.符号主义

符号主义，又称逻辑主义，是人工智能领域最早兴起的流派。符号主义认为人类认知和思维的基本单元是符号，智能源自基于符号的表征与数理逻辑计算，人工智能就是一个物理符号系统。如果用大量逻辑符号来表达思维，通过大量的类似于“如果这样，就那样”的逻辑规则定义，就会产生像人类一样的智能推理与决策。

符号主义最早追溯到19世纪末。彼时，数理逻辑迅速发展，到20世纪30年代开始用于描述智能行为，并在计算机出现后实现逻辑演绎系统。符号主义的发展在20世纪80年代伴随着专家系统的成功达到巅峰，并在人工智能的第二次冬天中走向式微，日益衰落。

2.联结主义

联结主义又称仿生学派或生理学派，认为思维的本质在于生物神经元之间的连接与交互，如图2-3所示。并且，联结主义认为，通过模拟生物神经系统，建立一种基于神经元模型的学习算法来模拟人类的学习过程，就可以实现机器的智能化。

联结主义起源于1943年的MP模型，如图2-4所示，并在人工智能的黄金时代（20世纪50年代到70年代）出现过以感知机为代表的研究热潮。但该主义随着人工智能的第一次低谷而陷入低潮。随着20世纪90年代算力提升，联结主义又重新抬头，直到今天一直占据着人工智能的中心位置。以深度神经网络为代表的算法在各项人工智能任务上表现突出，证明了联结主义在实现机器智能上的有效性，如图2-11所示。多个神经元以层的方式相互连接，构成庞大网络结构，由于层数众多，被称为深度神经网络。

图2-11 深度神经网络示意图

深度神经网络从2012年开始被广泛关注，其标志性事件是在当年的ImageNet挑战赛上，深度神经网络AlexNet一骑绝尘，使图像分类的错误率大大降低，以远超第二名的成绩拿到了比赛的冠军，证明了深度学习的巨大潜力。AlexNet由Geoffrey Hinton和他的两个学生Alex Krizhevsky、Ilya Sutskever共同发表。其中Ilya Sutskever后来成为OpenAI的联合创始人和首席科学家。如此重大的进展自然逃不过科技巨头的敏锐触角，一场激烈的人才争夺战在DeepMind（后被谷歌收购）、微软、百度和谷歌之间展开。为了把公司卖个好价钱，在律师的建议下，Geoffrey Hinton组织了一场竞拍，并最终以4400万美元的价格由谷歌竞得。该故事颇具传奇色彩，感兴趣的读者可以在网络上搜索该故事，了解背后更多细节。

3.行为主义

行为主义又称进化主义或控制论学派，认为智能来源于智能体与环境交互的行为。行为主义认为人工智能是一种“感知-动作”型控制系统。基于对行为和反馈的研究，通过训练和奖惩机制就可以实现人工智能，如图2-12所示。

图2-12 行为主义“感知-动作”型控制系统

行为主义起源于控制论。行为主义在人工智能发展前期并未有太多的表现，直到20世纪80年代诞生了智能控制和智能机器人系统，行为主义才开始崭露头角。行为主义在20世纪末才成为人工智能新学派。以行为主义为理论基础的强化学习被应用在机器人领域，取得了令人瞩目的成果，其中波士顿动力公司的机器狗最为知名。

上述三种技术流派各自拥有独特的理论基础与方法论，如表2-1所示，它们在不同时期推动着人工智能的发展。

表2-1 人工智能三大技术流派对比

江湖纷争，分久必合。虽然这三个技术流派各有侧重，但现代人工智能的发展往往是它们相互融合的结果，在许多实际应用中都结合了多种流派的方法和技术手段。例如，ChatGPT就是多种技术融合的结果。在ChatGPT实现路径中，在数据处理上采用符号主义构建知识库；在模型训练时采用联结主义构建Transformer模型；为保证模型对齐，又通过行为主义的强化学习进行微调，以符合人类的使用期望。

由此可见，在通往通用人工智能的路上，技术融合的趋势已是必然。我们可以畅想一下，未来人工智能可能以行为主义为骨架，以联结主义为灵魂，以符号主义为血液。正如我们人类的智能表现一样，它通过学习大量知识，以大脑神经结构的方式形成智慧，并在与外界交互的过程中不断改进，不断成长，不断升级智慧。