本节将讨论这些学派的代表性方法，并探究它们背后的思维方式和适用场景。通过学习四大学派，读者不仅能掌握不同的技术手段，还能培养多角度分析和解决问题的能力，为未来学习和实践构建完整的知识框架。
符号学派认为，认知的基本单元是符号，而认知过程则是对这些符号进行逻辑运算。根据这一思想，可以让计算机通过符号演算来模拟人类的智能行为。符号学派的研究者坚信，只要能正确表示和操作符号，计算机就能表现出足够的智能。从 20 世纪 50 年代中期到 80 年代后期，符号学派一直是人工智能研究的主流，其基于符号演算的智能理论及实践在当时占据了主导地位。
传统上，符号系统中的知识是由人类专家预先定义的。然而，在实际应用中，预定义规则往往无法涵盖所有新知识。为解决这一问题，符号学派的研究者引入了学习方法，通过整理数据发现新规律，使符号系统更适应复杂多变的现实环境。
符号学派从数据中总结出新规则
我们以专家系统来说明符号学派的学习过程。专家系统通常使用产生式规则进行符号演算，这些规则一般以"如果－那么"的形式呈现。例如，观察到"天空有云"和"湿度大"这两个条件时，可以推理出"可能会下雨"的结论。这些规则最初可能基于气象专家的经验设计，但也可以从观测数据中提取出新的规则，如图"如果天空有云且空气湿度大于 80%，那么可能会下雨"，然后将其加入知识库以供后续推理，进而增强系统的适用性。
符号学派在人工智能早期取得了重要进展，但其局限性也逐渐显现。其主要问题在于学习能力有限------系统通常依赖预先定义的规则，且一旦规则确定，修改规则可能会破坏整个系统的稳定性，导致推理结果不可靠。