数理逻辑从19世纪末起得以迅速发展，到20世纪30年代开始用于描述智能行为。
打算机涌现后，又在打算机上实现了逻辑演绎系统。
其有代表性的成果为启示式程序LT逻辑理论家，它证明了38条数学定理，表明了可以运用打算机研究人的思维过程，仿照人类智能活动。

正是这些符号主义者，早在1956年首先采取“人工智能”这个术语。
后来又发展了启示式算法 > 专家系统 > 知识工程理论与技能，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，为人工智能的发展作出主要贡献，尤其是专家系统的成功开拓与运用，为人工智能走向工程运用和实现理论联系实际具有特殊主要的意义。
在人工智能的其他学派涌现之后，符号主义仍旧是人工智能的主流派别。

优点：越来越多的人认识到，高风险决策领域对人工智能系统有需求，因此这些系统的行为要有可验证性与可阐明性，而这正好是符号主义AI的上风，联结主义算法的短板。

不敷：虽然符号主义AI技能可以处理部分不可不雅观察概率模型，但这些技能并不适用于有噪输入旗子暗记，也不适用于无法精确建模的场合。
在那些可以准确判断出特定条件下特定动作利弊与否的场合中，它们会更有效。
此外，算法系统还要供应适当的机制来实现清晰的规则编码与规则实行。

符号主义算法会剔除不符合特定模型的备选值，并能对符合所有约束条件的所求值做出验证，往后者而言，符号主义AI远比联结主义AI便捷。
由于符号主义AI险些或根本不包括算法演习，以是这个模型是动态的，能根据须要迅速调度

连接主义（壮年最普遍的人工智能）

认为人工智能源于仿生学，神经网络，特殊是对人脑模型的研究,主见模拟人类的神经元，用神经网络的连接机制实现人工智能。

它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型，首创了用电子装置模拟人脑构造和功能的新路子。

它从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。
20世纪60~70年代，连接主义，尤其是对以感知机(perceptron)为代表的脑模型的研究涌现过热潮，由于受到当时的理论模型、生物原型和技能条件的限定，脑模型研究在20世纪70年代后期至80年代初期落入低潮。

直到Hopfield教授在1982年和1984年揭橥两篇主要论文，提出用硬件仿照神经网络往后，连接主义才又重新举头。
1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播(BP)算法。
此后，连接主义势头大振，从模型到算法，从理论剖析到工程实现，伟神经网络打算机走向市场打下根本。

现在，对人工神经网络(ANN)的研究激情亲切仍旧较高，但研究成果没有像预想的那样好。

行为主义

行为人工智能源于掌握论。
掌握论思想早在20世纪40~50年代就成为时期思潮的主要部分，影响了早期的人工智能事情者。
维纳(Wiener)和麦克洛克(McCulloch)等人提出的掌握论，和自组织系统以及钱学森等人提出的工程掌握论和生物掌握论，影响了许多领域。

掌握论把神经系统的事情事理与信息理论、掌握理论、逻辑以及打算机联系起来。
早期的研究事情重点是仿照人在掌握过程中的智能行为和浸染，如对自寻优、自适应、自沉着、自组织和自学习等掌握论系统的研究，并进行“掌握论动物”的研制。

到20世纪60~70年代，上述这些掌握论系统的研究取得一定进展，播下智能掌握和智能机器人的种子，并在20世纪80年代出身了智能掌握和智能机器人系统。
行为主义是20世纪末才以人工智能新学派的面孔涌现的，引起许多人的兴趣。

这一学派的代表作者首推布鲁克斯(Brooks)的六足行走机器人，它被看作是新一代的“掌握论动物”，是一个基于感知-动作模式仿照昆虫行为的掌握系统。

总结

三大主义，从不同的侧面研究了人的自然智能，与人脑的思维模型有着对应的关系。
粗略地划分，可以认为

符号主义研究抽象思维；连接主义研究形象思维；而行为主义研究感知思维。

研究人工智能的三大学派、三条路子发挥到各个领域，又各有千秋。

符号主义看重数学可阐明性；连接主义倾向于仿人脑模型，更加感谢；行为主义倾向于运用和仿照。