有人的地方，就有鬥争。
華山派有“劍宗”和“氣宗”，互相鬥了幾十年。人工智能界也有“山頭”，AI兩大派系的鬥争早在第一台電子計算機問世前就已經開始了。
△ 有三名法國人把兩派的勢力對決畫成圖，名字叫“神經元的複仇”
這兩大派系就是：
“符号主義”（Symbolicism），又稱邏輯主義、計算機學派，主張用公理和邏輯體系搭建一套人工智能系統。
“連接配接主義”（Connectionism），又叫仿生學派，主張模仿人類的神經元，用神經網絡的連接配接機制實作人工智能。
在符号主義者的眼裡，人工智能應該模仿人類的邏輯方式擷取知識，而連接配接主義者奉行大資料和訓練學習知識。
派系鬥争與兩次AI危機
早在達特茅斯會議之前，圖靈就提出過“圖靈機”這樣的人工智能前沿概念。鬥争之初的幾十年間，連接配接主義派的論文引用率一直領先對手。
别看奉行“連接配接主義”的機器學習如何風光，早年間他們長期受到另一個派别——“符号主義”者的鄙視。
60年代初，美國國防進階研究計劃署（DARPA）對AI領域進行了數百萬美元的投資，人工智能也迎來的第一黃金發展期。
第一次AI危機
情況在1969年起了變化，“符号主義”代表人物馬文·明斯基（Marvin Minsky）寫了一本名為《感覺器》（Perceptron）的書，結果直接把神經網絡給寫死了。
感覺器是那個年代的神經網絡。明斯基在書中向“連接配接主義”發難，你們的感覺器連最基本的異或（XOR）都做不到，做出來還有什麼用？
也是在那一年，闵斯基獲得了圖靈獎。
“符号主義”派勝利後不久，AI就迎來了第一次寒冬。或者說，計算力的匮乏導緻了第一次AI寒冬，幫助“符号主義”實作逆襲。
符号主義的高峰
到了70年代中期，專家系統（expert system）的出現帶來了AI的黃金時代。它其實就是一套計算機軟體，能夠模拟人類專家回答問題，不過它的智能僅局限在一個很窄的領域，說它是“活字典”可能更準确。
與此同時，“連接配接主義”也在悄悄發展，約翰·霍普菲爾德（John Hopfield）在1982年發現了具有學習能力的神經網絡算法。
就在“符号主義”志得意滿的時候，Lisp machine的失敗讓兩派力量再次發生了逆轉。Lisp是當時研究AI領域常用的程式設計語言，Lisp machine是專門被優化用來運作Lisp程式的計算機。
80年代，研究AI的學校都買入了這種機器，最後卻發現用它們做不出來AI。之後就出現了IBM PC和蘋果機，比Lisp machine便宜，運算力更強。
Lisp machine順理成章“狗帶”，AI進入第二次寒冬。
連接配接主義的逆襲
“連接配接主義”者在這時候也找到了更簡單的統計方法：支援向量機（SVM），它消耗的計算資源更少。之後，長短期記憶（LSTM）算法也被提出。
後來的事情，你們也知道了，深度學習終于又重新霸占了學術和工業界。
時間再回到當下，從2010年開始，機器學習成為AI行業主導。人工智能在機器學習的幫助下，取得了巨大的成就，标志着AI的徹底複蘇。如今最熱的AI概念均出自“連接配接主義”派。
近年來，計算機硬體的發展更是讓“連接配接主義”如魚得水，連手機的計算力都能完成識圖的任務，深度學習能實作“反殺”也就不奇怪了。
雙方代表人物
說到兩派的鬥争，就不得不提一下雙方的“将領”了：
符号主義派：馬文·明斯基（Marvin Minsky），麻省理勞工工智能實驗室創始人之一，他奠定了人工神經網絡的研究基礎，早在1951年，他設計建構了第一個能自我學習的人工神經網絡機器。
連接配接主義派：約翰·霍普菲爾德（John Hopfield），美國科學家，在實體學和計算機學方面均有很高的成就，1982年發明了聯想神經網絡，也就是知名的霍普菲爾德網絡。
△ 兩派之間也互相引用文章
除了這兩位名人外，符号主義這邊的大牛還有Herbert A. Simon、Allen Newell。如今連接配接主義當道，這一派的大佬更為我們所熟知：比如Yann LeCun、李飛飛、Geoffrey Hinton等人。
原文釋出時間為：2018-11-23
本文來自雲栖社群合作夥伴“
量子位”，了解相關資訊可以關注“
”。