人工智能的三大流派:符号主义、联结主义和行为主义

科技   2024-11-25 10:27   吉林  
人工智能(Artificial IntelligenceAI)是指通过计算机技术实现对人类智能的模拟,以实现某些特定的智能任务或行为。20世纪50年代以来,人工智能逐渐发展出三大流派:符号主义、联结主义、行为主义,并在不同领域大放异彩。

01
符号主义:智能源于逻辑与规则

符号主义(Symbolicism)也称为逻辑主义或认知主义,是人工智能最早的研究方向。它认为人工智能源于数理逻辑,旨在用数学和物理学中的逻辑符号来表达思维的形成,通过大量的"如果-"规则定义,产生像人一样的推理和决策。这一流派广泛应用于知识工程和专家系统等领域

专家系统是一种模拟人类专家决策过程的人工智能系统,它集成了大量专业知识与经验,以规则的形式存储,然后根据输入的问题,应用这些规则进行处理,并给出解决问题的答案。专家系统可以用于解决特定领域的复杂问题。

比如IBM Watson ,具有强大的理解能力,可以通过自然语言理解技术与用户进行交互,并理解和应对用户的问题。现已在医疗、金融、教育等多个领域提供智能决策支持,助力决策者从大量非结构化数据中揭示非凡的洞察。


02 
联结主义:智能源于神经网络

联结主义(Connectionism)源于仿生学,又称为仿生学派或生理学派。联结主义认为,智能产生于大脑神经元之间的连接机制及信息往来的学习与统计过程,例如视觉、听觉等基于大脑皮层神经网络的下意识的感知处理。联结主义建立人工神经网络来模拟生物神经系统,通过调整神经网络中的权重,让神经网络能够学习和识别模式。

深度学习就是联结主义的典型应用,在图像识别、语音识别、自然语言处理、游戏等领域中取得了非常突出的成绩。

深度学习技术需要大规模的计算资源和丰富的数据集。业界开源了许多深度学习平台和预训练模型,简化了深度学习的应用过程。最有名的深度学习框架包括GoogleTensorFlowFacebookPyTorch


03
行为主义:智能源于行为与反馈

行为主义(Behaviorism)源于心理学与控制论,又称为进化主义或控制论学派,其主要原理是控制论及感知-动作型控制系统。行为主义认为智能是产生于主体与环境的交互过程,把智能的研究建立在可观测的具体的行为活动基础上。行为主义认为智能的本质是能够根据环境反馈来调整行为,而不仅仅是内部的思考。就像动物在长大过程中探索世界的时候,通过不断的尝试、反馈、调整,学会了很多生存技能。人工智能模型训练过程中引入奖惩机制,就是提供反馈,这样可以不断优化模型。

行为主义广泛应用于自动控制、机器人、自动驾驶等领域。比如,机器人在未知环境中寻找目标,它会不断尝试,根据结果调整行动策略,这就是行为主义的体现。无人机领域的大疆、自动驾驶汽车领域的特斯拉都是行为主义的杰出代表。


04
三大流派的发展历程

  1. 1.符号主义的发展

人工智能最早是在20世纪50年代出现的,起源于逻辑学和数学。1956年,约翰.麦肯锡在达特茅斯会议上提出了“人工智能”概念,并主张通过符号逻辑推理来模拟人类智能,从而诞生了符号主义。

随后,研究者们开发了一系列基于符号主义的系统,如纽厄尔与西蒙的逻辑理论机(Logic Theorist)、费根鲍姆的通用问题求解系统(General Problem SolverGPS)等。

20世纪6070年代,符号主义取得了显著的进展,专家系统成为其重要应用之一,主张通过知识库和推理机实现特定领域的智能决策。

然而,随着联结主义的兴起和深度学习的发展,符号主义在一定程度上受到了挑战。尽管如此,符号主义的思想和方法在人工智能领域仍然具有重要影响。

  1. 2.联结主义的发展

联结主义,最早源于20世纪初美国心理学家爱德华··桑代克的动物实验研究。桑代克通过动物实验,观察到了学习过程中的联结现象,并试图用这一理论来解释学习过程。

1957年,康奈尔大学的心理学教授弗兰克.罗森布拉特(Frank Rosenblatt)发明了第一款由两层神经元组成的神经网络,并命名为Perception,中文名称为感知机。但由于计算资源和数据等方面的限制,神经网络后来遇冷沉寂了十多年。

20世纪80年代,鲁滨逊提出联结主义概念,主张通过模拟神经元之间的相互连接和权重来实现人工智能。随着计算能力和数据量的提升,神经网络逐渐成为人工智能领域的研究热点。特别是1986年,大卫.莱姆哈特和杰弗里.辛顿等人提出了多层网络中的反向传播(BP)算法,使得神经网络的训练变得更为有效。

   

大卫.E.莱姆哈特(左) 杰弗里.E.辛顿(右)

此后,联结主义在语音识别、图像识别等领域取得了显著的成果。进入21世纪,深度学习和强化学习作为联结主义的重要方法,仍在持续发展中。

  1. 3.行为主义的发展

行为主义最初也是心理学的一个流派,强调对行为的客观研究和环境对行为的影响。在人工智能领域,行为主义关注于让机器通过与环境交互来学习和改进其行为。

20世纪80年代,随着机器人技术的兴起,行为主义在人工智能中得到了广泛的应用。研究者们试图通过让机器人在实际环境中进行试错学习来实现自主行为和决策。

目前,行为主义的方法在机器人导航、操作控制等领域取得了显著的成果。

然而,随着深度学习和强化学习等技术的发展,在自动驾驶、机器人控制、游戏AI等领域取得了显著成果,这些成果都在一定程度上挑战了传统行为主义方法的地位。

05
三大流派的优缺点

符号主义的优点在于逻辑规则的清晰和易解释性,但其局限在于难以处理模糊和不确定性的问题。

联结主义具有良好的模拟人脑处理信息的能力,但其缺点在于网络的训练需要大量的时间和计算资源,并且缺乏可解释性

行为主义的优点在于能够处理实时的环境信息,可解释性较好,但其缺点在于需要大量的数据和运算,且其应用范围相对较窄。

在应用领域上,符号主义主要应用于自然语言处理和知识表示推理,联结主义主要应用于图像和语音识别,行为主义则主要应用于机器人和自主控制系统。

而在发展趋势上,随着深度学习和强化学习的兴起,联结主义和行为主义已经成为人工智能领域中的主流,而符号主义则逐渐式微


06
知识图谱、生成式人工智能与三大流派的关系

三大流派并不是一直并行不悖的。随着人工智能技术的发展和应用需求的变化,三大流派的融合和交叉也日益增加。这里以知识图谱技术和生成式人工智能技术来做一下分析。

知识图谱的设计可以看作是符号主义和联结主义两者的结合。联结主义在知识图谱中的应用主要是使用图结构来实现节点的关联和网络化。符号主义在知识图谱中的应用主要是使用了语义和规则来表达和推理这些关系。具体来说,知识图谱通过图结构和语义标注连接实体,形成了一个具有可解释性的网络。

生成式人工智能(GenAI)技术的发展主要运用了符号主义和联结主义的思想和方法,但也受到了行为主义思想的启发。

符号主义在GenAI中体现在基于生成对抗网络(GAN)、大规模预训练模型等人工智能技术,通过已有数据寻找规律,并通过适当的泛化能力生成相关内容的技术。AIGC利用符号化的知识表示和推理方法,模拟人类的创作过程,实现自动化内容生成。

联结主义在GenAI中则体现在深度学习和神经网络的应用。通过构建深度神经网络模型,AIGC可以处理大规模的数据集,学习数据的内在规律和模式,进而生成高质量的内容。

虽然行为主义在GenAI中的直接应用相对较少,但其强调与环境的交互和反馈调整的思想对GenAI的发展也有一定启发。GenAI在生成内容时需要考虑与用户的交互和反馈,以不断优化生成的结果。


07
结语

总的来说,符号主义重视逻辑和规则,联结主义模仿生物神经系统,而行为主义关注行为和环境适应。三大流派各有特点,推动了人工智能技术的不断进步。通过学习三大流派,我们能够更深入地理解智能的本质和实现方式,有助于我们学习和掌握各种人工智能技术。



AI教母李飞飞智能体综述论文《Agent AI-Surveying the horizons of multimodal interaction》下载方式:
1、关注本公众号“金融IT那些事儿”

2、公众号后台回复关键字:智能体,即可下载


金融IT那些事儿
资深企业架构师,数字化转型专家,TOGAF企业架构鉴定级认证专家认证,《企业架构驱动数字化转型》专著作者,20年金融业、制造业企业信息化经验,分享数字化转型、企业架构、数据资产、商业模式、战略转型等内容
 最新文章