在科技飞速发展的当下，人工智能（AI）已成为重塑生活与工作的核心力量。从达特茅斯会议起，连接主义与符号主义两大基石奠定了AI的基础，开启了科技革命的新篇章。如今，生成式AI的崛起，正是算法、算力与数据三重奏的辉煌成果，也是学术界不断探索与创新的结晶。
今天是我们的第二章第2节第2篇：智能先声：思想碰撞到流派的产生
通过前一小节，各位老铁得出什么结论？
是感慨“计算机之父”太多，还是感叹“天才”和普通人的差距之大？恐怕都不是，有些老铁心里可能早已五味杂陈。
其实，人类社会中天才永远是少数，天才也往往是在某一方面存在“缺陷”的，用西方的话来讲，就是上帝在给你打开一扇窗的时候往往要给你关上一扇门，而用东方语言来讲就简练多了，阴阳总是处于一种动态平衡之中。
所以，我们得出的结论应该是“你所处的圈子决定你的高度”。比如，本科生的圈子可能就是一帮本科生，硕士生的圈子可能就是一帮硕士。硕士和本科的知识面完全不同。正所谓：近朱者赤，近墨者黑。物以类聚，人以群分。
达特茅斯会议召开的两个月时间里，代表们提出了许多关于这一新兴领域的基础概念和研究方向，会议上基本形成了人工智能领域的两大派系，也就是未来AI的两大研究方向：连接主义和符号主义。
连接主义，也称为神经网络，其理论基础在于通过模拟大脑神经元的连接方式来处理信息，进而模拟人类行为。连接主义模型通常由大量简单的、相互连接的单元（类似于神经元）组成，通过调整单元之间的连接权重来学习和存储信息。
连接主义的代表人物主要有皮茨和麦卡洛克，他俩的成就在前面我已经提到过，除了这哥俩外还有杰弗里·辛顿和杨立昆，而这哥俩我们介绍当代AI发展史时也说过。另外，夹在四人中间的还有个叫弗兰克·罗森布莱特。
·感知器
1957年，也就是集成电路诞生的前一年，罗森布莱特发明了感知器，感知器能够进行简单的模式识别和分类任务，是一种单层神经网络。
举个例子，我们有两种水果，草莓和菠萝。我们现在要用感知器来分类。需要给感知器输入一些特征，比如水果的颜色、形状、大小等。
对于草莓，可能的特征值是红色、线坠型、小；对于菠萝，可能的特征值是黄色、圆柱形、较大。然后，感知器会根据这些特征值，通过计算和判断，输出一个结果“草莓”或“菠萝”。这就是一个简单感知器的分类过程。
总体来讲，连接主义的应用主要体现在三大块：图像识别、语音识别、深度学习。现如今的生成式AI，如GPT、豆包、Kimi、通义千问、文心一言等AI助手以及Google的语音识别系统等主要采用的都是连接主义的方法。
虽然上述技术迭代发展的时间有先后，但它们的基本工作原理和架构都相似。（可参考下图）。只不过，每个AI助手都融入了其平台独特的技术特点和并进行了优化。
再说一下符号主义，它也称为逻辑主义或规则主义。顾名思义就是使用符号和规则来表示和处理知识，进而去模拟人类的思维过程。符号主义的核心理念在自然语言处理和知识表示与推理方面得到了深入应用。
符号主义的代表人物主要有麦卡锡、明斯基、司马贺、纽厄尔，以及爱德华·费根鲍姆、特里·温诺格拉德。我为啥要把最后这俩人放在一起，主要是因为他们与前面几人所处的AI时代有所不同，下一节我们会具体说，这里先帮各位点个眼。
·自然语言处理
通俗来讲，NLP就是教计算机学会“读”和“写”人类的语言。比如，我们每天使用的汉语、英语等语言，囊括了丰富的词汇、复杂的语法和微妙的情感表达。NLP旨在使计算机能够像智能伙伴一样流畅对话，回答问题、生成文本和进行翻译。
所以说NLP算是帮助人类开启了与计算机对话的大门。
·知识表示与推理
如果说NLP是让计算机理解语言的表面形式，那么知识表示与推理就是赋予计算机深入理解和运用知识的能力。
知识表示就好比把一本书的内容提炼成目录、索引和关键概念，方便我们快速查阅和理解，从而帮助我们快速定位信息，理解知识结构。在计算机领域，这需要将各类知识结构化为数据模型。比如知识图谱、本体论或者规则系统。这些模型清晰地描绘出各个知识点之间的关系，比如“北京是中国首都”、“猫是哺乳动物”等。
至于知识推理，其更像是利用这些整理好的知识去解答问题、做出判断或预测未知。比如，当问到“中国的首都是哪里”时，计算机通过知识图谱迅速定位到“北京”，这就是知识推理的一个简单例子。在更复杂的情况下，知识推理可能涉及多个知识点的逻辑关联与推理，以解答更复杂、更抽象的问题。
·ELIZA
ELIZA 是20世纪60年代自然语言处理领域的一个重要程序，它是由MIA的约瑟夫·魏岑鲍姆开发，能够以心理治疗师的对话风格，通过模式匹配原理回应用户输入，其目标就是让用户感觉他们在与真实的人交流。
尽管它对输入的理解能力有限，仅能根据预设模式生成回复，但它开创了人机对话系统的先河，为后续发展奠定了基础，更证明了计算机可以与人进行简单的自然语言交互 ，这一点为今天的生成式AI指明了方向。
看到这里，大家脑子里就会蹦出一个问题，既然多年前“灯塔”就出现了，为何AI的大爆发反而拖到了21世纪？
原因很简单，因为他开发了ELIZA之后，就干了另外一件惊天地泣鬼神的事。约瑟夫·魏岑鲍姆后来不仅果断放弃了这一光明的AI发展方向，还开始大力批判人工智能。
1976年，他出版了一本名为《计算机权力和人类理性：从决断到计算》的书，这本书从数理到技术，从科学到哲学，从法律到政治，对以ELIZA为代表的人工智能展开全方位、深刻而尖锐的批判。
比如，书中对人工智能的信赖性、可解释性、可问责性等方面的探讨，至今仍不过时，甚至仍代表着批判人工智能的最高水准。如今，随着人工智能高度发展，争议也已重新袭来。这方面我们后面会单独探讨。
·逻辑理论家程序
在AI发展1.0时代，司马贺和纽厄尔师徒共同开发了逻辑理论家程序，这是一个能够证明数学定理的系统，该程序能够证明《数学原理》一书中的定理，最初能证明其中的38个，后来经过改进，能够证明全部52个定理。
逻辑理论家程序是当时唯一有关人工智能的程序，它不仅展示了计算机模拟人类智力活动的可能性，还为图灵关于“机器可以具有智能”的论断提供了实际证明，而且它的诞生标志着机器定理证明这一学科领域的开端。
另外，师徒俩还开发了通用问题求解器。
·通用问题求解器
这是一个基于符号主义方法的早期人工智能程序，能够解决各种逻辑和数学问题。他们的工作强调了问题表征和搜索策略在智能行为中的关键作用。
说实话，不管是连接主义还是符号主义，都有着各自的优势和局限性。连接主义在处理模糊、连续的数据和模式识别方面表现出色，而符号主义则在处理结构化知识、逻辑推理和明确规则方面更为有效。
我在前面说过，现代生成式AI主要基于连接主义，但符号主义并不是消亡了。一些系统，比如就拿自然语言处理（NLP）来讲，就属于典型的符号主义代表，但GPT中的生成预训练变换器反而是一种先进的神经网络类型。
这些系统基于DL（深度学习），可能会结合规则引擎或知识图谱来提供更准确的信息或执行特定任务。而在模型的可解释性和透明度方面，“攻城狮”又需要将符号主义的知识表示和推理方法与神经网络相结合，以提高AI的性能和可用性。
因此，当前的生成式AI应该算是一种融合了符号主义和连接主义优点的混合模型。简而言之，就是既结合了神经网络的学习能力又拥有了符号主义的知识表示能力形成的一种模型。
实际上，无论哪一种模型，算法、算力和数据都是必不可少的三大核心要素，这三者突飞猛进式的发展，再加上先驱们的努力，最终才成就了当下生成式AI的大爆发。
符号主义和连接主义，其实更像是瓜和蔓、鱼和水的关系。蔓竭则瓜枯，蔓盛则瓜盈，水干则鱼亡，水活则鱼欢。
而学术界的百家争鸣，不应该是你死我活的竞争，而是在竞争中欣欣向荣，其他方面也是如此，这就像人是靠两条腿走路，瘸一条腿都不会走太远。
展望未来，随着跨学科融合与技术创新的不断深入，AI技术将持续蓬勃发展，深刻改变人类社会的方方面面。我们期待在享受AI带来的便利与进步的同时，也能积极应对其带来的伦理、隐私与安全挑战，共同创造一个更加美好的智能未来。
------------------------
本节完
【携手踏入AI奇幻之旅，共筑未来辉煌愿景】
我们满怀热忱地向您发出盛情邀请，加入“荣茂AI粉丝圈”，与一群怀揣梦想的同路人，在科技的星辰大海中乘风破浪，共同揭开人工智能新时代的神秘面纱。仅需369，即可开启您的专属AI智慧之旅，收获满满：
在“荣茂AI粉丝群”，您将体验到：
官方AI资讯与工具推荐：每天为您推送最新的AI行业动态、技术进展以及实用的AI工具，解决您的信息焦虑，让您轻松掌握与AI助理协作的必备知识；
AI助理实战干货：分享李荣茂老师及其团队是如何与AI助理高效协作的实用技巧和心得，专业助教老师手把手辅导AI工具使用方法，助您快速的成为AI助理时代的佼佼者；
深度思考分享：李荣茂老师机及其团队会不定期分享关于AI人工智能、AIGC和元宇宙的一些深度思考文章，与大家共同学习，共同拓展思维边界；
“轻运营”模式：社群内不推销、无广告、不加入，纯净资料群，沉浸式学习，极大限度节约大家时间！
此刻，让我们携手启程，带着对未知的渴望与对未来的美好憧憬，踏上这场激动人心的AI奇幻之旅。共同书写属于我们的时代传奇，共创一个更加璀璨夺目的明天！请点击下方视频，立即加入，让我们在智慧与梦想的交织中，共赴这场非凡的盛宴！
