我们以“人工神经网络”、“深度学习算法”的发展历程，来加看待人与AI的进一步联系，AI与人的异同，由此来认识AI的极限在哪儿，特别是关于“超越人的种种说辞”，或者数据能“赋予意识的说辞”。来平衡“狂喜”与“忧心”。

在AI的发展过程中，有两个研究和开发学派，或者说方法论：

联结主义，致力于用数学模型模仿人的大脑，产物就是最近爆红的“人工神经网络”。跟许多人想的不一样的是，这个流派不认为，人和电脑数据一样，因此电脑能成为人，相反，他们认为，电脑要成为人，必须模拟人。

符号主义，让电脑有数学定理证明的能力，获得人的逻辑运输能力，产物是pc电脑、手机等。他们认为人和电脑数据、字符编码一样，因此电脑能成为人。但事实证明在人工智能上陷入了瓶颈与困难。

所以在进一步展开前，首先要具体介绍一下，两者的概念，看看两者的异同

联结主义，将人对“自然神经网络”的研究理论作为启发与指导，假设人类的智能来自“大脑皮层神经网络”。认为人类大量的视觉听觉信号的感知处理，都是下意识的，是基于“大脑皮层神经网络”中的学习方法。而“大脑皮层神经网络”则是由神经元和连接不同神经元的连接强度构成。而联结主义就是在此基础上实现“人工神经网络”，探索人工智能的可能。

也就是说联结主义是基于仿生学的。而目前“人工神经网络”也正是基于“大脑皮层神经网络”的简单仿生还原，与“联结主义”在实现人工智能中过程中的经验累积。

说“简单”的原因是因为“大脑”的种种机制对于人类来说是真正的“黑箱”。人类目前观察到地是，大脑的基础结构与结构之间的关联，甚至有时候结构之间的关联是推论与假设。大脑为什么会形成这样的结构、为什么这些结构，能实现人类的心智过程与行为、这些结构，在实现这些过程与行为时，具体机制与作用是什么等等，更加深入的问题，现在都不明确。

这导致对于“人工神经网络”取得的突破没法彻底掌握，而输入的数据与得到的结果，有时会和预测计算的有较大出入，就没法精确预测，也就没法保证结果的稳定，一但产生问题也难以修改，最终当输出的结果对于调整“神经网络”的基础参数的影响微乎其微时，就陷入到了瓶颈之中。所以对于“人工神经网络”的研究目前还是一个盲人摸象的阶段，难以形成坚实的理论基础。

这就是让AI发展在当下取得重大进展的学派，也是接下来重点介绍发展历史的对象。

同时，联结主义也用对“人工神经网络”的研究来反推导、解释“人类心智”活动。但这一部分的解释极其有限，科学学术和哲学讨论也是一场场“口水战”，因为辩论的各方都缺乏生理、物理还原的绝对路径和证据，所以推导和论证，是依靠强烈主观意识的，但这些推导丰富了人对于“人类心智”的思考与理解角度、也从侧面反映了“人类心智”的复杂、诸多谜团与可能，其中的一些推导和论证也为“人工神经网络”的开发提供了指导和方向。

符号主义，符号主义认为人类思维的基本单元是符号，而基于符号的一系列运算就构成了认知的过程，所以人和计算机都可以被看成具备逻辑推理能力的符号系统，换句话说，计算机可以通过各种符号运算来模拟人的“智能”。

这种方法的实质就是模拟人的左脑抽象逻辑思维，通过研究人类认知系统的功能机制，用某种符号来描述人类的认知过程，并把这种符号输入到能处理符号演算方法的计算机中，就可以模拟人类的认知过程，从而实现人工智能。

但这一方法目前受到了很多挫折。

一来这一方法最终的实现是让AI能进行——数学定理证明，但目前此方法AI证明的数学定理是数学家早已证明过的，有时AI会以更“讨巧”的方式进行证明，但结果并没有实质改变；

二来符号主义目前的计算复杂度非常高，而时间复杂度、空间复杂度没有上限，这就意味着最好的计算法不存在，某个计算法可以永远改进下去，对于数学定理的推导来说是没有尽头的；

三来对于人类心智的构成并无定论，但符号主义假设人的心智活动过程，是一个具象的程序过程，这使其难以还原人类“形象”、“抽象”的心智过程；

总结一下

符号主义将数字计算机看作是操作（运算）物理符号的典型认知系统(人脑也是），联结主义则是将数字计算机看作是建立大脑或大脑神经系统模型的工具；

符号主义将问数理题解决看作人的智能的基本形式或者说核心内容，试图通过构建某种形式结构来赋予物理符号系统以问题解决的能力，

联结主义则把学习的能力当成人的智能的基本形式或者说核心内容，强调建立某种学习机制使得人工智能体能够获得或是拥有自我学习的能力。

持续更新