第2课：AI的三条路径——模拟功能、模拟结构、模拟行为

【学习目标】

1. 理解符号主义、连接主义、行为主义三种AI实现方式的核心思想

2. 能够分析不同技术路线的优势与局限

3. 认识人工神经网络中训练、模型、推理的含义

4. 评价三种技术路线融合发展的必要性

【情境导入】

当你向智能客服说“我要修改订单”时，它能精准识别你的意图并给出解决方案；当手机相册自动归类“人像”与“风景”时，它能自动提取并学习图像特征；当游戏AI与你对弈时，它通过不断试错学会了最优策略。这三种截然不同的“智能”背后，对应着AI实现的三条核心路径。它们各有何优势？又有何局限？为何当今的AI系统越来越倾向于三者融合？

【知识大揭秘】

概念引入：三种“模拟”的智慧

符号主义通过规则和逻辑模拟人类思维，典型应用是知识图谱；连接主义通过模拟人脑神经元连接机制构建人工神经网络，典型应用是图像识别；行为主义通过模拟生物行为实现智能，典型应用是强化学习。

深度解析：符号主义——用规则构建智慧

符号主义的核心是用符号操作和逻辑推理来模拟人类智能。“符号”可以理解为人类能清晰定义的概念、事物或规则。例如知识图谱中，“公交车”“晚点”“迟到”是符号，“爆胎导致晚点”“晚点导致迟到”是符号间的逻辑关系。当机器获取“爆胎”信息时，就能通过逻辑链推导出结论。但它依赖人类提前编写完整规则，遇到规则未覆盖的场景就无法灵活应对。

深度解析：连接主义——用数据训练智慧

连接主义的核心是通过模拟人脑神经元的连接机制构建人工神经网络。网络从大量数据中学习并发现规律的过程称为“训练”，训练完成后形成的稳定网络就是“模型”，利用模型对新数据进行处理并输出结果的过程则是“推理”。语音转文字、图像识别等都是连接主义的典型应用。当前的深度神经网络可能包含数十至上百个处理层，参数规模可达十亿、百亿甚至更高。

深度解析：行为主义——用试错磨练智慧

行为主义的核心是让机器通过与环境的交互、试错反馈积累经验，逐步优化行为。进行学习和决策的主体被称为“智能体”，环境根据动作结果给予奖励或惩罚，智能体根据反馈调整行为。例如下棋AI通过上万次与自身对弈，从赢得奖励、输掉惩罚中学习最优策略。但训练过程消耗较多时间和资源，反馈机制设计不合理还可能导致偏差行为。

案例时间：从“深蓝”到“AlphaGo”——三种路径的融合之道

1997年，IBM“深蓝”击败国际象棋世界冠军，主要依靠暴力搜索（符号主义思路）；2016年，“阿尔法狗”击败围棋世界冠军，它用深度神经网络（连接主义）学习棋局评估，用强化学习（行主义）不断自我对弈。这个案例生动展示了三种技术路径如何融合产生更强大的智能。

知识小结：三种路径的对比与融合

符号主义擅长逻辑推理但依赖人工规则；连接主义擅长模式识别但缺乏可解释性；行为主义擅长适应动态环境但训练成本高。当今的AI系统正在走向三者融合，例如现代大语言模型融合了连接主义的神经网络与符号主义的规则推理。

【AI看图学】

【动手练一练】

活动：体验三种技术路径

步骤： 1. 使用知识图谱工具（如豆包插件）输入一段文本，观察符号主义如何提取实体关系 2. 使用Teachable Machine训练一个图像分类模型，体验连接主义的训练与推理过程 3. 使用在线强化学习演示平台，观察智能体如何通过试错学习 4. 对比三种方式的特点，完成对比分析表

工具/平台：工具/平台：Teachable Machine、豆包、DeepSeek

预期成果：预期成果：一份三种技术路径的对比分析表，包含核心思想、优势、局限、典型应用四个维度

【想一想·辨一辨】

1. 如果你要设计一个能够“自主学习”的家庭机器人，你会优先采用哪种技术路径？为什么？

2. 有人说“连接主义是AI的未来，符号主义已经过时”，你怎么看？

【拓展阅读·前沿视窗】

了解“群体智能”的概念，它借鉴自然界中蜂群、鱼群的协作行为，让每个智能体具备感知与决策能力，通过实时信息交互实现协同。AI算法工程师是当前最热门的职业之一，他们需要根据实际问题选择合适的技术路径。