原文中此处为链接，暂不支持采集
AI技术成长路径
年达特茅斯会议之后，人工智能问题的研究主要沿着机器思维、机器感知和机器行为3个方向发展，并相应形成了符号主义、联结主义和行为主义3大学术派别。
基于逻辑推理的符号主义
符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，主要代表人物是美国科学家西蒙、纽厄尔、费根鲍姆（EdwardFeigenbaum）等。他们认为，思维的基元是符号，思维过程就是符号的运算；智能的核心是知识，利用知识推理进行问题求解；智能活动的基础就是物理符号系统，人脑、电脑都是物理符号系统；知识可用符号表示，可以建立基于符号逻辑的智能理论体系。该学派经历了从启发程序（HeuristicProgram）到专家系统（ExpertSystem）再到知识工程的发展路径。
启发程序是一种模拟人的思维方法与规律的计算机程序。第一个著名的启发程序是年由纽厄尔、西蒙和肖（CliffShaw）合作研制成功的“逻辑理论机”（LogicTheoryMachine，简称LT）。LT模拟了数学家证明数学定理过程中的某些思维方法，应用心理学方法设计了称为“大声想”的心理实验，以记录分析思维的过程和智能活动。他们将问题分解、变量代入、符号替换等方法编写成计算机程序，成功证明了英裔美国科学家怀特海（AlfredNorthWhitehead）和英国科学家罗素（BertrandRussell）著的《数学原理》一书第二章中的数学定理，开创了用计算机模拟人的高级智能活动之先河，被认为是人工智能的真正开端。同年，塞缪尔通过模拟自己的下棋策略和方法研制成功了具有自主学习能力的“跳棋程序”。起初，这个跳棋程序下不过塞缪尔本人，但是经过学习其他高手的棋艺，于年终于击败了它的设计者。年，它又成功战胜了美国一个州的跳棋冠*。塞缪尔的研究成果大大推动了人工智能领域中“机器博弈”“机器学习”等的研究工作。年，纽厄尔、西蒙和肖再度合作研制成功了“通用问题求解程序”（GeneralProblemSolver，GPS）。GPS可以求解11种不同类型的问题，提高了启发程序的通用性，扩大了计算机进行脑力劳动的应用范围。年，华裔美国数理逻辑家王浩提出命题逻辑的机器定理证明的新算法，用计算机证明了集合论中的多条定理。年，美国科学家鲁宾逊（JohnAlanRobinson）提出词逻辑的“消解原理”，简化了判定步骤。年，我国数学家吴文俊提出了初等几何判定问题的机器定理证明方法，并推广到初等微分几何、非欧几何领域。
专家系统是一种基于专家专业知识和工作经验，用于求解专门问题的计算机系统。第一个专家系统（DENDRAL）是化学分析专家系统，它是由费根鲍姆于年提出，年研制成功的。化学专家分析系统的问世，标志着人工智能学科中“专家系统”分支学科的诞生。美国斯坦福大学的肖特利夫（EdwardHanceShortliffe）等人于年开始，年完成了第一个用于血液感染病的诊断、治疗和咨询服务的医疗专家系统（MYCIN）。该系统首次采用“知识库”“推理机”“可信度”等概念，利用非确定性知识推理对用户咨询提出的问题进行回答，并给出答案的可信度估计。MYCIN的成功为其他许多专家系统的研究开发提供了良好的范本。斯坦福研究所的杜达（RichardO.Duda）等人于年开始，年完成地质勘探专家系统（PROSPECTOR），并成功用于钼矿勘探，取得了重大社会经济效益。我国学者涂序彦、郭荣江等人于年开始，年完成了世界上第一个中医专家系统“中医关幼波肝炎诊断治疗程序”。年，费根鲍姆提出“知识工程”概念，大大推动了基于知识的专家系统及其开发工具的发展。
20世纪80年代是专家系统的*金时代。年，英国赫特福德大学教授克洛克森（WilliamF.Clocksin）出版了《PROLOG语言编程》一书，奠定了新一代专家系统编程语言的基础。年，美国斯坦福大学教授海斯罗斯（BarbaraHayes-Roth）出版了《建立专家系统》一书，为研究与开发各种类型的专家系统提供了理论依据。年，美国加利福尼亚大学教授哈蒙（PaulHarmon）出版了《专家系统：人工智能业务》，推动了专家系统的商业化发展。专家系统的大量研究、开发及成功应用，一方面推动了知识表达、知识推理、知识获取、知识利用等知识工程方法和技术的发展，另一方面也大大促进了人工智能的普及。90年代，人们对专家系统的研究转向了与知识工程、模糊技术、实时操作技术、神经网络技术和数据库技术等相结合的发展方向。进入21世纪，专家系统开始进入缓慢发展时期。
基于神经网络的联结主义
联结主义是一种从人脑的生理结构出发来研究人的智能行为、模拟人脑信息处理功能的方法，主要代表人物是麦卡洛克、皮茨、罗森布拉特（FrankRosenblatt）、霍普菲尔德（JohnHopfield）等。他们从仿生学观点出发，以神经系统的结构和功能为重点进行数学模拟和物理模拟，形成了从神经细胞模型到感知机再到人工神经网络的发展路径。神经细胞模型就是从脑的生物原型出发来探讨人工智能。人们一般把年MP模型的诞生作为联结主义研究的开始年份。此后，经过人们对MP模型的不断改进，以及对各种“脑模型”的研究，科学家制造了很多模拟大脑的既能运算又能处理逻辑问题的人工神经网络系统，在20世纪50年代末和60年代初形成了一次基于神经网络联结主义的小高潮。其中，影响最大的是年美国认知心理学家罗森布拉特研制成功的具有视角感知和学习功能的脑模型“感知机”（Perceptron）。感知机能进行简单的文字识别、图像识别和声音识别，在60年代初期风行一时，有多达近百家研究机构和公司从事感知机的研发工作。年，德国学者斯泰布什（KarlSteinbuch）从宏观仿生学观点提出“学习矩阵”。年，明斯基等人出版了关于感知机的专著。
由于感知机无法识别线性不可分的模式，70年代感知机的研究陷入低谷。20世纪80年代初期，人工神经网络研究取得较大进展。年，加拿大多伦多大学教授欣顿（GeoffreyHinton）和美国布朗大学教授安德森（JamesA.Anderson）发表了《联想记忆的并行模型》一文，再次掀起了人工神经网络研究的热潮。年，霍普菲尔德提出一种叫“Hofield”的新的全互连型人工神经网络，成功解决了计算复杂的“旅行商”的问题。年，美国科学家鲁姆哈特（DavidRumelhart）、维伯斯（PaulWerbos）等研制出被称为“反向传播”神经网络的新一代多层次感知机，简称BP网络。同年，格罗斯伯格（StephenGrossberg）、卡彭特（RolloCarpenter）提出自适应共振理论ART，所研制出的ART神经网络具有良好的自适应特性。年，首届国际神经网络学术大会在美国圣迭戈举行，并成立了“国际神经网络协会”，使神经网络研究再掀新高潮。进入20世纪90年代，联结主义各项研究取得了长足的进展。90年代初，美国生物学家埃德尔曼（GeraldEdelman）提出了Darwinims模型，建立了神经网络系统理论。日本科学家相原（K.Aihara）等人提出了混沌神经元模型，井上（HirotakaInoue）构造出混沌神经网络模型。目前，联结主义模型的研究已成为世界各国