AI的办法有许多，除了咱们较为了解的“五大门户”，本文作者对AI的各门户进行细分，梳理了最少17种办法，并用一张图直观地展示。作者说，各种AI办法并不相等，站错队或许导致自掘坟墓。

“人工智能”是一个十分迷糊的术语。这是由于人工智能（AI）是1955年在一种十分高傲的情境下被发明出来的一个术语：

咱们主张于1956年夏天在新罕布什尔汉诺威的达特茅斯学院进行一个为期2个月，10个人参与的人工智能研讨会。

该研讨会将依据如下幻想进行：学习的每个方面或有关智能的其他特征原则上能够十分精确地进行描绘，以至于能被机器模仿。咱们将测验找到让机器运用言语、办法笼统和概念的办法，处理现在只能由人类处理的问题，并提高人类智能。

——达特茅斯AI项目方案提议书；J. McCarthy et al.; Aug. 31, 1955.

AI阅历了半个多世纪，也带上了太多其他学科的印记。在很长一段时间里，AI被符号主义者控制。符号主义是一种依据规矩的体系，具有“零学习”（Zero Learning）特色。20世纪80年代，一种新的AI办法开端呈现，咱们称之为机器学习。最终，还有“简略学习”（Simple Learning）。可是，在最近十年里，最大的改变是咱们偶尔发现了“深度学习”，并且它杀伤力极强，好像无所不能。

当然，这是一个十分简化的AI前史。实际上，AI范畴有许多不同的办法和门户。Pedro Domingo在《终极算法》一书中描绘了5个不同的AI “学派”。一位名为solidrocketfuel的Y Combinator用户不甘示弱，发了条帖子，说AI 至少有“21个不同的门户”。

关于任何方案搞AI 的人来说，一个十分重要的工作是了解AI 的这些不同学派和办法之间之间的差异。AI 不是一个同质的范畴，而是不断产生不同学派之间的争议的范畴。下图是一个概略：

符号学派（Symbolists）：是运用依据规矩的符号体系做推理的人。大部分AI 都围绕着这种办法。运用 Lisp 和 Prolog 的办法归于这一派，运用 SemanticWeb，RDF 和 OWL 的办法也归于这一派。其间一个最雄心壮志的测验是 Doug Lenat 在80年代开发的 Cyc，企图用逻辑规矩将咱们对这个国际的了解编码。这种办法首要的缺点在于其脆弱性，由于在边际情况下，一个死板的知识库好像总是不适用。但在实际中存在这种含糊性和不确定性是不可避免的。

进化学派（Evolutionists）：是运用进化的进程，例如穿插和骤变以到达一种初期的智能行为的一派。这种办法一般被称为遗传算法（Genetic Algorithm，GA）。在深度学习中，GA 的确有被用来代替梯度下降法，所以它不是一种孤立的办法。这个学派的人也研讨细胞自动机（cellular automata ），例如 Conway 的“生命游戏”和杂乱自适应体系（GAS）。

贝叶斯学派（Bayesians）：是运用概率规矩及其依靠联系进行推理的一派。概率图模型（PGM）是这一派通用的办法，首要的核算机制是用于抽样散布的蒙特卡罗办法。这种办法与符号学办法的相似之处在于，能够以某种办法得到对成果的解说。这种办法的另一个长处是存在能够在成果中表明的不确定性的测量。Edward 是一个将这种办法与深度学习相结合的库。

核保守派（Kernel Conservatives）：在深度学习之前，最成功的办法之一是 SVM。Yann LeCun 曾称这种办法为模板匹配办法。该办法有一个被称为核的技巧，能够使非线性别离问题变成线性问题。这一派的研讨者喜爱他们的办法所具有的数学美感。他们以为深度学习派只不过是炼金术士，在没有对成果有所了解的情况下就念起咒语。

Tree Huggers?：是运用依据树的模型的人，例如随机森林和梯度提高决策树。这些本质上都是逻辑规矩树，它们递归地切割域以构建分类器。这种办法实际上在许多 Kaggle 竞赛中都适当有用。微软提出的一种办法是将依据树的模型与深度学习结合起来。

联合学派（Connectionists）：这一派的研讨者信任智能起源于高度互联的简略机制。这种办法的第一个详细办法是呈现于1959年的感知器。自那今后，这种办法消亡又复活了好几次。其最新的办法是深度学习。

深度学习中包含许多子办法。包含：

The Canadian Conspirators?：Hinton，LeCun，Bengio 等人，推重无需人工进行特征工程的端到端深度学习。

Swiss Posse：基本上是 LSTM，以及两种结合的 RNN 处理感觉的问题。依据 LeCun 的说法，GAN 是“最近20世纪最酷的东西”，也被宣称是这帮人发明的。

British AlphaGoist：这帮人信任，AI = 深度学习 + 强化学习，虽然 LeCun 称强化学习仅仅蛋糕上的樱桃。DeepMind 是这一派的首要支持者。

Predictive Learners：这个词是 Yann LeCun 用来描绘无监督学习的，这是 AI 首要的一个未处理的范畴。可是，我倾向于信任处理方案在于“元学习”（Meta-Learning）。

除了上面描绘的干流办法外，还有一些不是特别干流的办法：

Compressionists：以为认知和学习就是紧缩（compression），这实际上也是其他学派一起的观念。信息理论起源于关于紧缩的证明。这是一个遍及的概念，比一切经常被乱用的调集核算东西更强壮。

Complexity Theorists：这一派的人选用来自物理学，依据能量的模型，杂乱性理论，混沌理论和核算力学的办法。Swarm AI 能够说归于这一派。假如任何团队称他们能找到深度学习为什么能起效的很好的解说，那么他们或许是这一派的。

Fuzzy Logicians?：这种办法从前很受欢迎，但最近比较罕见。最近有一个运用含糊规矩在 mock dogfight 中打败一个战斗机飞行员的研讨。

Biological Inspirationalists：这一派倾向于发明更接近于生物学中的神经元的模型。比如是 Numenta，pike-and-Integrate，以及 IBM 的 TrueNorth 芯片。

Connectomeist：这些人信任大脑的互连（即：Connectome）是智能的来历。有一个项目企图仿制一个虚拟的蠕虫，也有一些得到雄厚赞助的研讨，企图以这种办法映射大脑。

Information Integration Theorists：以为认识来历于机器的内部幻想，反映了实际的因果联系。这一派的动机是，假如咱们想要了解认识，那么咱们至少需求开端考虑认识。可是，我无法在他们的办法中找到学习和认识的联系。在他们以为，这两者或许是不相关的。

PAC Theorists：这一派的人并不是真的想评论人工智能，而仅仅喜爱研讨智能，由于至少他们供认智能的存在。他们的全体思维是自适应体系能够方便地履行核算，其成果都能大致正确。简言之，在他们看来智能不需求大规模的核算。

总而言之，这些 AI 的办法令人目不暇接。并且我坚信还有我没发现的其他办法。有些办法互相冰炭不洽，而另一些办法能够结合运用。可是，写这篇文章我想指出的是，对这些目不暇接的办法都了解一点，有助于让你在这个范畴找到途径。

最终，让咱们看看 Shivon Zilis 制造的《机器学习生态全景图》：

有许多公司宣称自己是 AI 公司，在搞 AI 研讨。你需求向他们提一个开门见山的问题。就是这些公司都在运用什么 AI 办法？由于这儿面的一个严峻的实际是，并不是一切的 AI 都是相等的。换句话说，“有些 AI 比其他 AI 更相等”。咱们的提议是，现在与深度学习相关的办法气势正猛。很简略，由于它与学习有关。假如你的 AI 办法没有一个强壮的学习机制，那么注定是 Doug Lenat 那般的命运，也就是有必要人工编写一切规矩！其他的办法往往都是死胡同。

最好的办法之一是将深度学习与其他算法相结合。AlphaGo 就是这样，运用了蒙特卡洛树查找技能和深度学习的结合。考虑到符号学的办法与深度学习具有互补的优势和缺点，它们的结合也是十分有出路的。展望未来，将是深度学习一统 AI 之全国。不过，深度学习与其他 AI 办法相结合相同有出路。不要忽视这个实际，不然只会自掘坟墓。

重视网易智能菌（微信大众号：smartman163），获取专业人工智能资讯与AI陈述。