大家好，今天小编关注到一个比较有意思的话题，就是关于aiism要多久的问题，于是小编就整理了1个相关介绍的解答，让我们一起看看吧。
人工智能 思维可以分为三种类型？
目前人工智能的主要学派有下面三家：
(1)符号主义(symbolicism)，又称为逻辑主义(logicism)、心理学派(psychologism)或计算机学派(computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
(2)连接主义(connectionism)，又称为仿生学派(bionicsism)或生理学派(physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。
(3)行为主义(actionism)，又称为进化主义(evolutionism)或控制论学派(cyberneticsism)，其原理为控制论及感知-动作型控制系统。
他们对人工智能发展历史具有不同的看法。
人工智能的发展，在不同的时间阶段经历了不同的流派，并且相互之间盛衰有别。目前人工智能的主要学派有下列三家：
符号主义(symbolicism)，又称为逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统，即符号操作系统，假设和有限合理性原理。
连接主义(connectionism)，又称为仿生学派或生理学派，其主要原理为神经网络及神经网络间的连接机制与学习算法。
行为主义(actionism)，又称为进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。
1、 认知AI （cognitive AI）
认知计算是最受欢迎的一个人工智能分支，负责所有感觉“像人一样”的交互。认知AI必须能够轻松处理复杂性和二义性，同时还持续不断地在数据挖掘、NLP（自然语言处理）和智能自动化的经验中学习。
现在人们越来越倾向于认为认知AI混合了人工智能做出的最好决策和人类工作者们的决定，用以监督更棘手或不确定的事件。这可以帮助扩大人工智能的适用性，并生成更快、更可靠的答案。 二、机器学习AI （Machine Learning AI）
2、机器学习（ML）AI是能在高速公路上自动驾驶你的特斯拉的那种人工智能。它还处于计算机科学的前沿，但将来有望对日常工作场所产生极大的影响。机器学习是要在大数据中寻找一些“模式”，然后在没有过多的人为解释的情况下，用这些模式来预测结果，而这些模式在普通的统计分析中是看不到的。

3、深度学习(Deep Learning)
如果机器学习是前沿的，那么深度学习则是尖端的。这是一种你会把它送去参加智力问答的AI。它将大数据和无监督算法的分析相结合。它的应用通常围绕着庞大的未标记数据集，这些数据集需要结构化成互联的群集。深度学习的这种灵感完全来自于我们大脑中的神经网络，因此可恰当地称其为人工神经网络。
第一种是认知自动化：通过程序实现人类的抽象思维（从具体归纳总结到普遍规律）并将其用于自动化执行人类的任务。当前几乎所有的机器学习和符号AI都属于此类。
第二种是认知辅助：使用AI帮助我们理解世界。人工智能可以帮助我们感知，思考，理解。我相信这就是AI真正的潜力所在。今天，机器学习的一些应用属于这一类，但它们之间相距甚远。
最后一种是认知自主性：创造可以独立于我们而蓬勃发展的人造思想，这些思想将为自己着想。今天和可预见的将来，这是科幻小说。
另外一种视角：
1）[手册]，明确的编程/规则。例如专家系统
2）[半自动]，反复试验参数优化。例如机器学习
3）[全自动]，自我解释需求，无需人工参与即可创建。例如，也许
到此，以上就是小编对于的问题就介绍到这了，希望介绍的1点解答对大家有用。
