有人的地方，就有斗爭。

華山派有“劍宗”和“氣宗”，相互斗了幾十年。人工智能界也有“山頭”，AI兩大派系的斗爭早在第一臺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“神經元的復仇”

這兩大派系就是：

在符號主義者的眼里，人工智能應該模仿人類的邏輯方式獲取知識，而連接主義者奉行大數據和訓練學習知識。

派系斗爭與兩次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。斗爭之初的幾十年間，連接主義派的論文引用率一直領先對手。

別看奉行“連接主義”的機器學習如何風光，早年間他們長期受到另一個派別——“符號主義”者的鄙視。

60年代初，美國國防高級研究計劃署（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，“符號主義”代表人物馬文·明斯基（Marvin Minsky）寫了一本名為《感知器》（Perceptron）的書，結果直接把神經網絡給寫死了。

感知器是那個年代的神經網絡。明斯基在書中向“連接主義”發難，你們的感知器連最基本的異或（XOR）都做不到，做出來還有什么用？

也是在那一年，閔斯基獲得了圖靈獎。

“符號主義”派勝利后不久，AI就迎來了第一次寒冬。或者說，計算力的匱乏導致了第一次AI寒冬，幫助“符號主義”實現逆襲。

符號主義的高峰

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件，能夠模擬人類專家回答問題，不過它的智能僅局限在一個很窄的領域，說它是“活字典”可能更準確。

與此同時，“連接主義”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“符號主義”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領域常用的編程語言，Lisp machine是專門被優化用來運行Lisp程序的計算機。

80年代，研究AI的學校都買入了這種機器，最后卻發現用它們做不出來AI。之后就出現了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。

連接主義的逆襲

“連接主義”者在這時候也找到了更簡單的統計方法：支持向量機（SVM），它消耗的計算資源更少。之后，長短期記憶（LSTM）算法也被提出。

后來的事情，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，標志著AI的徹底復蘇。如今最熱的AI概念均出自“連接主義”派。

近年來，計算機硬件的發展更是讓“連接主義”如魚得水，連手機的計算力都能完成識圖的任務，深度學習能實現“反殺”也就不奇怪了。

雙方代表人物

說到兩派的斗爭，就不得不提一下雙方的“將領”了：

符號主義派：馬文·明斯基（Marvin Minsky），麻省理工人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，他設計構建了第一個能自我學習的人工神經網絡機器。

連接主義派：約翰·霍普菲爾德（John Hopfield），美國科學家，在物理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。

△兩派之間也相互引用文章

除了這兩位名人外，符號主義這邊的大牛還有Herbert A. Simon、Allen Newell。如今連接主義當道，這一派的大佬更為我們所熟知：比如Yann LeCun、李飛飛、Geoffrey Hinton等人。