AI 的方法有許多，除了我們較為熟悉的“五大流派”，本文作者對 AI 的各流派進行細分，梳理了起碼 17 種方法，并用一張圖直觀地展現。作者說，各種 AI 方法并不平等，站錯隊可能導致自取滅亡。

“人工智能”是一個非常含糊的術語。這是因為人工智能（AI）是1955年在一種非常傲慢的情境下被創造出來的一個術語：

我們建議于1956年夏天在新罕布什爾漢諾威的達特茅斯學院進行一個為期2個月，10個人參加的人工智能研討會。

該研討會將基于如下設想進行：學習的每個方面或有關智能的其他特征原則上可以非常精確地進行描述，以至于能被機器模擬。我們將嘗試找到讓機器使用語言、形式抽象和概念的方式，解決現在只能由人類解決的問題，并提升人類智能。

——達特茅斯AI項目計劃提議書；J． McCarthy et al．； Aug． 31， 1955．

AI 經歷了半個多世紀，也帶上了太多其他學科的印記。在很長一段時間里，AI 被符號主義者統治。符號主義是一種基于規則的系統，具有“零學習”（Zero Learning）特點。20世紀80年代，一種新的 AI 方法開始出現，我們稱之為機器學習。最后，還有“簡單學習”（Simple Learning）。然而，在最近十年里，最大的變化是我們偶然發現了“深度學習”，而且它殺傷力極強，似乎無所不能。

當然，這是一個非常簡化的 AI 歷史。實際上，AI 領域有許多不同的方法和流派。Pedro Domingo 在《終極算法》一書中描述了5個不同的 AI “學派”。一位名為 solidrocketfuel 的 Y Combinator 用戶不甘示弱，發了條帖子，說 AI 至少有“21 個不同的流派”。

對于任何計劃搞 AI 的人來說，一個非常重要的事情是了解 AI 的這些不同學派和方法之間之間的差異。AI 不是一個同質的領域，而是不斷發生不同學派之間的爭議的領域。下圖是一個概況：

符號學派（Symbolists）：是使用基于規則的符號系統做推理的人。大部分 AI 都圍繞著這種方法。使用 Lisp 和 Prolog 的方法屬于這一派，使用 SemanticWeb，RDF 和 OWL 的方法也屬于這一派。其中一個最雄心勃勃的嘗試是 Doug Lenat 在80年代開發的 Cyc，試圖用邏輯規則將我們對這個世界的理解編碼。這種方法主要的缺陷在于其脆弱性，因為在邊緣情況下，一個僵化的知識庫似乎總是不適用。但在現實中存在這種模糊性和不確定性是不可避免的。

進化學派（Evolutionists）：是應用進化的過程，例如交叉和突變以達到一種初期的智能行為的一派。這種方法通常被稱為遺傳算法（Genetic Algorithm，GA）。在深度學習中，GA 確實有被用來替代梯度下降法，所以它不是一種孤立的方法。這個學派的人也研究細胞自動機（cellular automata ），例如 Conway 的“生命游戲”和復雜自適應系統（GAS）。

貝葉斯學派（Bayesians）：是使用概率規則及其依賴關系進行推理的一派。概率圖模型（PGM）是這一派通用的方法，主要的計算機制是用于抽樣分布的蒙特卡羅方法。這種方法與符號學方法的相似之處在于，可以以某種方式得到對結果的解釋。這種方法的另一個優點是存在可以在結果中表示的不確定性的量度。Edward 是一個將這種方法與深度學習相結合的庫。

核保守派（Kernel Conservatives）：在深度學習之前，最成功的方法之一是 SVM。Yann LeCun 曾稱這種方法為模板匹配方法。該方法有一個被稱為核的技巧，可以使非線性分離問題變成線性問題。這一派的研究者喜歡他們的方法所具有的數學美感。他們認為深度學習派只不過是煉金術士，在沒有對后果有所了解的情況下就念起咒語。

Tree Huggers ：是使用基于樹的模型的人，例如隨機森林和梯度提升決策樹。這些本質上都是邏輯規則樹，它們遞歸地分割域以構建分類器。這種方法實際上在許多 Kaggle 比賽中都相當有效。微軟提出的一種方法是將基于樹的模型與深度學習結合起來。

聯結學派（Connectionists）：這一派的研究者相信智能起源于高度互聯的簡單機制。這種方法的第一個具體形式是出現于1959年的感知器。自那以后，這種方法消亡又復活了好幾次。其最新的形式是深度學習。

深度學習中包含許多子方法。包括：

The Canadian Conspirators ：Hinton，LeCun，Bengio 等人，推崇無需人工進行特征工程的端到端深度學習。

Swiss Posse：基本上是 LSTM，以及兩種結合的 RNN 解決知覺的問題。根據 LeCun 的說法，GAN 是“最近20世紀最酷的東西”，也被聲稱是這幫人發明的。

British AlphaGoist：這幫人相信，AI ＝ 深度學習 ＋ 強化學習，盡管 LeCun 稱強化學習只是蛋糕上的櫻桃。DeepMind 是這一派的主要支持者。

Predictive Learners：這個詞是 Yann LeCun 用來形容無監督學習的，這是 AI 主要的一個未解決的領域。然而，我傾向于相信解決方案在于“元學習”（meta－Learning）。