三大门派之符号主义
认为人工智能源于数理逻辑，其代表性的成果为启发式程序LT逻辑理论家，它证明了38条数学定理，表明了可以应用计算机研究人的思维过程，模拟人类智能活动。在这过程中，最重要的实际应用就是专家系统，通俗点说，在医院看病，一些德高望重的专家总是受欢迎的，应用一些专家的先验知识结合计算机进行工程应用。专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。
三大门派之连接主义
认为人工智能源于仿生学，特别是对人脑模型的研究。它从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。整个的发展阶段从成果来说，MP(单个神经元模型)- 感知器(单层神经网络)- 多层BP算法 - 深度神经网络(CNN、RNN等)。连接主义势头大振，从模型到算法，从理论分析到工程实现，为神经网络走向市场打下基础。
三大门派之行为主义
认为人工智能源于控制论，它是把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。早期的研究工作重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。代表性作品像是鲁克斯(Brooks)的六足行走机器人。
世界皆可二分类
提起在AI分类预测领域，能与人工神经网络与之相较的SVM(Support Vector Machine)，因为往往很多时候都是"杀鸡焉用牛刀"，一个小小的二分类往往用不上复杂且训练难度很大的神经网络。SVM最主要的思想就是低维向高维的映射，以及核函数的提出。像高维映射的最主要是解决在低维层面，分类边界的函数往往是不够的，但是高维的计算，往往就像是深度神经网络一样，计算难度很大，这个时候核函数就起到了一个中间的"桥梁"，只需按照核函数的规则，计算低维数据，便可等价为高维计算。由此也成为深度神经网络进入寒冬期的一个最主要的原因，因为SVM有时候确实表现的很好，分类效果有一种堪比"世界皆可二分类"的雄心壮志。
AI之神经网络寒冬期
像技术的发展规律一样，"人生总是起起伏伏"。作为AI主流的技术，人工神经网络也是经历起起伏伏。寒冬期之层级的限制：人工神经网络之所以能够在像人脸识别、音频转换等等任务中表现良好，最主要的原因就是仿真大脑的多层处理机制，但是当感知器(单层)进展到一定地步，一个最主要的问题凸显出来了，对于人脑一个简简单单的异或问题(XOR)线性不可分问题是很容易解决的，但是对于单层而言是不能解决的。所以Hinton提出BP算法，自然成为寒冬期的人工神经网络的救世主。Hinton也被人称为深度学习之父。
利用反向传播的思想，顺利解决了层级的限制。寒冬期之简单有效算法的出现：由于深度学习网络，其中涉及到的大量参数的计算，对于计算机的能耗是非常大的，所以在一些简单的任务上，一些简单明了的算法(SVM、决策树)，效果也如人工神经网络一样，所以至此深度神经网络也因此不被重用起来。但是层级加上单个神经元的模拟总是跟人是类似的，所以它的发展并不会消沉太久，目前已是呈现爆发式增长的应用。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
