AI的起源与崛起——从知识驱动、到数据驱动、再到具身智能。

当前，人工智能的五大学派——符号学派、连接学派、行为（进化）学派、统计学（频率学派）和统计学（贝叶斯学派）——分别代表了不同的理论基础和方法论，各具特色和优势。

点击+号关注本账号，可获得更多精彩内容。

AI（人工智能）可被认为是第三次计算革命，第一次革命是微处理器将计算的边际成本降为零，第二次革命是互联网将分发的成本降为零，而AI将把创造的边际成本降为零。

AI的起源可追溯至20世纪中叶的符号主义探索，人类最初尝试通过符号逻辑和人工规则赋予机器智能。达特茅斯会议首次将“人工智能”确立为学科方向，早期研究者以知识驱动为核心，构建专家系统模拟人类决策流程，例如医疗诊断系统MYCIN通过数千条手工规则实现推理。这种基于先验知识的范式虽在特定领域取得突破，却因规则系统的僵化陷入发展瓶颈。

随着互联网的兴起、数据的爆炸式增长、以及计算能力的极大提升，AI转向数据驱动范式，以机器学习和深度神经网络技术为核心，通过海量数据的训练，使AI系统能够从数据中自动提取特征并学习规律，从而在图像识别、自然语言处理等领域取得了突破性进展。从ImageNet竞赛中深度学习的惊艳亮相，到GPT系列大模型对语言本质的深度解构，数据洪流重塑了AI认知世界的维度，使其从“被动执行”迈向“主动生成”。

而具身智能让AI与物理世界深度融合，标志着AI技术从虚拟认知向实体交互的重要跨越。这一阶段强调智能体在动态环境中的感知、行动与实时进化，促使AI研究从单纯的算法优化转向多模态感知、运动控制和因果推理的融合。这类系统将算法嵌入实体，实现“大脑-身体-环境”的闭环学习。具身智能不仅重构了人机协作模式——如手术机器人通过触觉反馈调整力度，还通过强化学习和机器人技术的结合，推动AI向更加自主和灵活的方向发展。这种与环境深度耦合的智能形态，标志着AI正从“被动工具”向“主动认知体”进化，不再依赖预设规则或静态数据，而是在具身实践中形成持续演化的智能生态，为通用人工智能奠定认知革命的基石。

下图展示了AI从1956年到现在发展所经历的三次浪潮，每次都经历了从高潮到低谷，而2006年深度学习引发的目前第三次浪潮将很有可能将AI推向真正的工业革命，比尔盖茨因此说：2022年ChatGPT推出的重要性不亚于互联网的发明。

当前，人工智能的五大学派——符号学派、连接学派、行为（进化）学派、统计学（频率学派）和统计学（贝叶斯学派）——分别代表了不同的理论基础和方法论，各具特色和优势。符号学派强调逻辑推理和知识表示，连接学派依赖于数据驱动和神经网络，行为学派关注行为与环境的交互，统计学派（频率与贝叶斯）则以统计推断和概率建模为核心。尽管各学派在方法论上存在差异，但它们并非完全对立，而是相互补充。当前研究呈现出融合的趋势，如符号学派与连接学派的结合催生了神经符号系统、贝叶斯学派与连接学派的结合催生了贝叶斯神经网络等，推动AI向更通用、可解释的方向演进。下图展示了各个学派的历史发展脉络。

更详细内容，请见本书的完整版。如果你有任何感想，请在评论区留言，一起讨论。

“AI哲学一吴怀宇”（中国科学院博士、北大博士后）作者主页：www.OpenDAI.org；邮件：huaiyuwu@sina.com

视频号/公众号：AI哲学一吴怀宇中国科学院（人工智能哲学）