在人工智能的整个发展过程中，不同学科背景的研究人员对人工智能有不同的理解，
因此也形成了人工智能的三大发展学派。
传统的人工智能被称为符号主义（Symbolicism）学派，符号主义
主要研究的是基于逻辑推理的智能模拟方法。而一些人则认为可通过模拟大脑的神经网络结构
结合脑认知原理实现，逐步形成连接主义（Connectionism）学派。
此外还有人认为可以从仿生学及生物体与环境互动的模式中寻找答案，进而形成行为主义（Actionism）
学派。
“符号主义”研究者认为人工智能源于数理逻辑。数理逻辑从19世纪末得以迅速发展，到20世纪30年代开始
用于描述智能行为。
计算机出现后，又在计算机上实现了逻辑演绎系统。
其中比较有代表性的研究成果为启发式程序逻辑理论家LT（Logic Theorist），它证明了
38条数学定理，表明可以应用计算机研究人的思维过程来模拟人类智 能活动。在1956年的美国达特茅斯会
议上首先提出“人工智能”术语的科学家大多来源于符号主义者学派。
在此基础上，符号主义学派发展了启发式算法->专家系统->知识工程理论与技术，并在20世纪80年代取得
很
大发展。符号主义曾长期一枝独秀，为人工智能的发展做出了重要贡献，尤其是专家系统的成功开发与应用，
为人工智能走向工程应用和实现理论联系实际具有特 别重要的意义。在人工智能的其他学派出现之后，符号主义
仍然是人 工智能的主流派别，这个学派的代表人物有纽厄尔（Newell）、西蒙（Simon）、尼尔逊（
Nilsson）等。
如今，基于大数据知识工程的知识图谱（Knowledge Graph）是符号主义学派人工智能代表性应用
成果。
大数据时代，由于拥有了前所未有的算力和数据，有着花样繁多的模型、大规模的众包平台及高质量的用户内容，
这使得自动化知识获取、自动化的知识 图谱构建成为可能。
知识图谱首先是一种大规模知识表示，所以它通常包含海量的实体，往往是数以亿计。
大规模也体现为多样的关系，以及成千上万的关系。知识图谱解决了语言表达鸿沟问题，并补全了缺失的因果链条
。
通过建设大量词汇知识图谱，包含领域的同义词、 缩略词、上下位词等关系，可以有效解决语言表达鸿沟的问题
，实现精准信息推送。这些都有着密集的专家知识、有限的数据资源和深度的知识应用等鲜明特性。在知识图
谱的带动下，自然语言理解 （Natural Language Processing，NLP）取得了飞
速进展并获得了长足进步，出现了知识问答、自动客服、智慧司法、答题机器人等各种
更高智能的应用形式。