人工智能三大流派
人工智能三大流派
三大流派三大流派（Artificial Intelligence，简称）是一门研究和开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的科学。
随着科技的不断发展，逐渐分化出了三大主要流派，即符号主义流派、连接主义流派和进化主义流派。
1、符号主义流派符号主义流派是领域最早兴起的一种方法论，也被称为经典（Classical ）。
该流派主要关注运用符号逻辑推理和知识表示方法来解决问题。
其核心思想是借助推理、规则和知识表示，将问题的符号表示与相应的问题解决方法进行匹配。
符号主义方法在机器学习、专家系统和自然语言理解等领域取得了一些重要的突破。
1.1 专家系统专家系统是符号主义流派的核心研究领域之一。
它通过建立一套用于模拟专家知识和推理的规则和方法，来解决特定领域中的问题。
专家系统可以将领域专家的经验和知识进行模拟，并通过推理机制提供相应的解决方案。
1.2 逻辑推理逻辑推理是符号主义流派的基础，它利用谓词逻辑和形式化推理来进行问题求解。
逻辑推理可以将问题的符号表示转换为逻辑表达式，然后利用逻辑推理规则进行推导和演绎，最终得到问题的解答。
2、连接主义流派连接主义流派（Connectionism）是对传统符号主义的一种批判和补充，也被称为神经网络。
该流派的核心思想是模拟神经元之间的连接、传递和处理信息的方式，来构建人工神经网络，并通过学习和调整网络参数来实现智能行为。
2.1 人工神经网络人工神经网络模拟了生物神经网络的结构和工作原理，通过模拟大量的人工神经元之间的连接和信息传递来实现智能行为。
人工神经网络具有较强的自学习和自适应能力，在图像识别、语音识别和自然语言处理等领域取得了很多重要的应用。
2.2 深度学习深度学习是连接主义流派的重要发展方向之一。
深度学习借鉴了人脑神经元之间的层次结构，通过构建深层神经网络来实现对大规模数据的学习与预测。
深度学习在图像处理、语音识别和自然语言处理等领域具有很强的表现力和泛化能力。
人工智能复习
•
添加表：AT(Monkey, w)，AT(Box,w)
• Climbbox
•
条件：⌐ONBOX ，AT(Monkey, w)，AT(Box,w)
•
动作：删除表：⌐ONBOX
•
添加表：ONBOX
• Grasp
•
条件：ONBOX，AT(Box, c)
•
动作：删除表：⌐HB
•
添加表：HB
• 猴子摘香蕉问题的求解过程如下：
推理的控制策略是指如何使用领域知识使推理过程尽快达到目标的策略。它 可分为推理策略和搜索策略。
推理策略 主要解决推理方向、冲突消解等问题，如推理方向控制策略、求解策略、限 制策略、冲突消解策略等 推理方向控制策略用于确定推理的控制方向，可分为正向推理、逆向推理、 混合推理及双向推理。 求解策略是指仅求一个解，还是求所有解或最优解等。 限制策略是指对推理的深度、宽度、时间、空间等进行的限制。 冲突消解策略是指当推理过程有多条知识可用时，如何从这多条可用知识中
也称泛化关系，体现的是“子类与超类”的概念，含义为“是一种”，表 示一个事物是另一个事物的一种类型。例“机器人是一种机器” 成员关系： A-Member-of
体现的是“个体与集体”的关系，含义为“是一员”，表示一个事物 是另一个事物的一个成员。例“张强是共青团员” 属性关系
指事物和其属性之间的关系。常用的有： Have：含义为“有”，表示一个结点具有另一个结点所描述的属性 Can：含义为 “能”、“会”，表示一个结点能做另一个结点的事情 例如：“鸟有翅膀” 包含关系（聚类关系） 指具有组织或结构特征的“部分与整体”之间的关系。常用的包含关系是： Part-of ：含义为“是一部分”，表示一个事物是另一个事物的一部分。 例如，“大脑是人体的一部分” 时间关系 指不同事件在其发生时间方面的先后次序关系。常用的时间关系有： Before：含义为“在前” After: 含义为“在后” 如：“伦敦奥运会在北京奥运会之后”， 位置关系 指不同事物在位置方面的关系。常用的有： Located-on：含义为“在…上面” Located-under：含义为“在… 下面” Located-at：含义为“在…” 如，“书在桌子上” 相近关系 指不同事物在形状、内容等方面相似或接近。常用的相近关系有： Similar-to：含义为“相似” Near-to：含义为“接近” 如，“猫 似虎” 语义网络表示的特征 主要优点： 结构性 把事物的属性以及事物间的各种语义联系显式地表示出来， 是一种结构化的知识表示方法。在这种方法中，下层结点可以继承、新增、变异 上层结点的属性。 联想性 本来是作为人类联想记忆模型提出来的，它着重强调事物间 的语义联系，体现了人类的联想思维过程。 自然性 语义网络可以比较直观把知识表示出来，符合人们表达事物间
人工智能的三大学派
人工智能的三大学派人工智能的三大学派近年来，人工智能技术的快速发展已引起了广泛关注。
人工智能（AI）是一种通用术语，它涵盖了一种包括机器学习、自然语言处理、神经网络和语音识别在内的科技，其目的是使计算机系统能够模拟人类的思考和行为，进而以更快的速度和更高的准确率完成任务。
人工智能技术的成功应用不仅将让人们的生活更加便利，而且将促进科技创新、经济发展和人类进步。
然而，在人工智能的发展过程中，出现了三种不同的观点，它们被称为人工智能的三大学派：符号学派、连接学派和进化学派。
本文将通过对这三派的简要介绍和比较，探讨每一种观点的优点和缺点，以及它们的重要性和发展潜力。
第一章符号学派符号学派是人工智能的早期学派之一，它的主要思想是将人类的逻辑思维过程表示为一系列符号和规则，并以此为基础实现人工智能。
符号学派认为，计算机程序必须使用符号和规则才能进行推理、学习和决策，而计算机程序中的符号和规则必须与人类思维中的符号和规则相对应。
这使得计算机程序能够使用符号和规则生成推理和输出结果，并正确认识和解决问题，而不是单纯地将符号和规则组合成输入输出关系。
符号学派的代表性人物是新康菲尔德的约翰·麦卡锡（John McCarthy），他是人工智能术语“人工智能”的发明者之一，同时也是计算机界的名字之一。
早在上世纪50年代，麦卡锡就开始探索计算机如何能理解人类的语言和思维方式。
符号学派诞生于这个时期，它的核心思想是将人类的语言和思维方式转化成文本表达式，然后计算机可以读取并理解这些表达式。
符号学派在人工智能发展的早期得到了广泛的讨论和认可。
符号学派的优点在于，它提供了一种清晰简洁的方式来表示人类的逻辑思考，符号和规则的规范化表示使计算机程序更加易于编写，可以使计算机处理复杂的逻辑问题。
然而，符号学派的不足之处是，它无法完整地体现人类的非形式逻辑思考模式，特别是不能处理模糊的信息，也不能进行自我培训和自我发现，其应用局限很大。
人工智能三大流派
人工智能三大流派在当今科技飞速发展的时代，人工智能（AI）已经成为了一个备受瞩目的领域。
人工智能的发展历程中，逐渐形成了三大主要流派，它们分别是符号主义、连接主义和行为主义。
这三大流派各自有着独特的理论基础、研究方法和应用领域，共同推动着人工智能的不断进步。
符号主义，也被称为逻辑主义，是人工智能领域中最早出现的流派之一。
符号主义的核心思想是，通过对人类思维和知识的符号化表示，利用逻辑推理和规则来实现智能。
简单来说，就是把人类的知识和思维过程转化为一系列的符号和规则，让计算机按照这些符号和规则进行运算和推理。
符号主义的一个重要特点是强调知识的表示和推理。
它认为，只要能够将知识准确地表示为符号，并建立起合理的推理规则，计算机就能够像人类一样进行思考和解决问题。
在符号主义的框架下，专家系统是一个典型的应用。
专家系统是一种基于知识库和推理机的计算机程序，它能够模拟专家的知识和经验，为用户提供专业的建议和解决方案。
例如，在医疗领域，专家系统可以根据患者的症状和检查结果，给出诊断和治疗建议。
然而，符号主义也存在一些局限性。
首先，知识的获取和表示是一个非常困难的问题。
人类的知识非常复杂和多样化，很难将其完全准确地转化为符号和规则。
其次，符号主义对于处理不确定性和模糊性的问题能力较弱。
在现实世界中，很多问题都存在不确定性和模糊性，而符号主义的方法往往难以应对这些情况。
连接主义则是基于神经网络的理论和方法发展起来的流派。
连接主义认为，智能是由大量简单的神经元相互连接和协同工作而产生的。
神经网络是连接主义的核心模型，它通过模拟生物神经元的工作方式，对输入的数据进行处理和学习。
神经网络的学习过程是通过调整神经元之间的连接权重来实现的。
通过大量的数据训练，神经网络能够自动学习到数据中的特征和模式，从而实现对新数据的预测和分类。
连接主义在图像识别、语音识别、自然语言处理等领域取得了显著的成果。
例如，深度学习技术就是基于连接主义的神经网络发展而来的，它在图像识别任务中的准确率已经超过了人类水平。
人工智能三大分类
人工智能三大分类 Revised by BETTY on December 25,2020人工智能三大分类人工智能的概念不在陌生，但是其中的几大专业术语又是什么呢？人工智能进入了一切领域——从自动驾驶汽车，到自动回复电子邮件，再到智能家居。
似乎可以获得任何商品（例如医疗健康，飞行，旅行等），并通过人工智能的特殊应用使其更加智能。
所以除非相信事件具有终结者般的转折，可能会问自己，人工智能能够预示着工作场所或整体的业务线的什么利益。
人工智能主要有三个分支：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。
2) 机器学习AI （Machine Learning AI）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。
然而机器学习需要三个关键因素才能有效：a) 数据，大量的数据为了教给人工智能新的技巧，需要将大量的数据输入给模型，用以实现可靠的输出评分。
例如特斯拉已经向其汽车部署了自动转向特征，同时发送它所收集的所有数据、驾驶员的干预措施、成功逃避、错误警报等到总部，从而在错误中学习并逐步锐化感官。
一个产生大量输入的好方法是通过传感器：无论你的硬件是内置的，如雷达，相机，方向盘等（如果它是一辆汽车的话），还是你倾向于物联网(Internet of Things)。
符号主义联结主义行为主义三者的区别
从学术的观点看，人工智能主要分三大学派，分别是符号主义学派、连接主义学派和行为主义学派。
在对人工智能进行研究时，可能会按照某一理论或方法展开探讨分析，但在实地落地的项目或产品可能综合应用了多个学派的知识。
比如，最近我们为某制造企业提供智能客服系统，其中语音识别、语音合成和语义理解技术等属于连接主义的成果，同时，也使用了知识库等属于符号主义的成果。
一、符号主义学派符号主义，又称逻辑主义、心理学派或计算机学派，是一种基于逻辑推理的智能模拟方法，认为人工智能源于数学逻辑，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。
该学派认为人类认知和思维的基本单元是符号，智能是符号的表征和运算过程，计算机同样也是一个物理符号系统，因此，符号主义主张（由人）将智能形式化为符号、知识、规则和算法，并用计算机实现符号、知识、规则和算法的表征和计算，从而实现用计算机来模拟人的智能行为。
其首个代表性成果是启发式程序LT（逻辑理论家），它证明了38条数学定理，表明了可以应用计算机研究人的思维过程，模拟人类智能活动。
此后，符号主义走过了一条启发式算法——专家系统——知识工程的发展道路。
专家系统是一种程序，能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题。
1980年卡内基梅隆大学为数字设备公司设计了一个名为XCON的专家系统，在1986年之前，它每年为公司省下四千万美元。
专家系统的能力来自于它们存储的专业知识，知识库系统和知识工程成为了上世纪80年代AI研究的主要方向。
专家系统仅限于一个专业细分的知识领域，从而避免了常识问题，其简单的设计又使它能够较为容易地编程实现或修改。
专家系统的成功开发与应用，对人工智能走向实际应用具有特别重要的意义，也是符号主义最辉煌的时候。
但凡事有利有弊，专家系统仅仅局限于某些特定情景，且知识采集难度大、费用高、使用难度大，在其它领域如机器翻译、语音识别等领域基本上未取得成果。
人工智能三大学派
人工智能三大学派综述1***摘要：论述了人工智能研究领域主要学派及其特点，给出了它们的主要观点、方法和成果，对比了三大学派的优缺点，最后论述了人工智能三大学派的发展。
关键词：人工智能；符号主义；联结主义；行为主义Summarizes of The Three Schools in AI ResearchZHAO Hong-wei(School of Computer and Information Technology，Beijing Jiaotong University，beijing，100044)Abstract：Summarizes the three school and their characteristics in AI research，their main viewpoints，methods and achievement are expounded. C ompares the advantages and disadvantages of the three major schools.T he development of the three schools are given at last. Key words: artificial intelligence; symbolism; connectionism; actionism1 引言通过机器实现模仿人类的行为，使之具有人类的智能，是人类长期以来追求的目标。
若从1956年正式提出人工智能学科算起，人工智能的研究发展已有50多年的历史。
这期间，不同学科或学科背景的学者对人工智能做出了各自的理解，提出了不同的观点，由此产生了不同的学术流派。
期间对人工智能研究影响较大的的主要有符号主义、联结主义和行为主义三大学派[1]。
2 人工智能三大学派及其成就2.1符号主义学派符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理主要为物理符号系统假设和有限合理性原理，长期以来，一直在人工智能中处于主导地位。
人工智能的学科派别
人工智能的学科派别从人工智能在1956年正式的成为一门学科算起，这门学科已经经过了60多年的发展。
人工智能在发展中逐渐形成了比较多的学术流派，它们分别从不同的学科背景或者运用不同的研究方法对人工智能进行了探索和发展，目前学界较为认可的，影响力较大的主要为三大学科派别，分别是符号主义学派、联结主义学派和行为主义三大学派。
（一）符号主义：基于逻辑推理的智能模拟方法符号主义（Symbolism）学派，又被称为逻辑主义（logicism）、心理学派（Psychlogism）或者计算机学派（Computerism），是基于物理符号系统的假设和有限合理性原理的人工智能学派。
”符号主义学派是一种早期的人工智能研究方法，该学派崇尚“符号”，因此取名符号主义，他们认为因为数理逻辑是人工智能的起点，所以符号才是我们认识整个客观世界的认知单元。
那么这样一来，人认识客观世界的过程其实就是运算符号和符号表达的过程，人通过不断地输入符号并进行处理，再将处理后的符号进行输出，这才是人认识客观世界的科学过程，从此意义上来说，人必然成为一个符号系统或者符号集成处理系统。
莱布尼茨曾经试图发明一种通用科学语言，想把所有的推理过程都演变成数学公式一样的形式来进行计算，这在当时确实是难以实现的。
直到计算机出现以后，因为数理逻辑和计算机科学具有完全相同的形式化方法，所以符号主义学派又开始寻求在计算机技术的帮助，来用某种符号描述人类的认知过程，并试图将这种符号输入计算机来模拟人类的认知过程，从而达到实现人工智能的目的。
其有代表性的成果为启发式程序，逻辑理论家，西蒙（Herbert A.Simon）、约翰·肖（John Cliff Shaw）和艾纽厄尔（Allen Newell）等几位科学家共同开发了该程序，证明了《数学原理》，其是由英国哲学家伯特兰·罗素（Bertrand Russell）和其老师怀特海（Alfred North Whitehead）合著的一本于1910-1913年出版的关于哲学、数学和数理逻辑的三大卷巨著，该书对逻辑学、数学、集合论、语言学和分析哲学有着巨大影响。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，又称为逻辑主义(Logicism)、心理学派(Psychlogism)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，长期以来，一直在人工智能中处于主导地位，其代表人物是纽威尔、肖、西蒙和尼尔森。
早期的人工智能研究者绝大多数属于此类。
符号主义的实现基础是纽威尔和西蒙提出的物理符号系统假设。
该学派认为：人类认知和思维的基本单元是符号，而认知过程就是在符号表示上的一种运算。
它认为人是一个物理符号系统,计算机也是一个物理符号系统,因此,我们就能够用计算机来模拟人的智能行为,即用计算机的符号操作来模拟人的认知过程。
这种方法的实质就是模拟人的左脑抽象逻辑思维，通过研究人类认知系统的功能机理，用某种符号来描述人类的认知过程，并把这种符号输入到能处理符号的计算机中，就可以模拟人类的认知过程，从而实现人工智能。
可以把符号主义的思想简单的归结为“认知即计算”。
从符号主义的观点来看，知识是信息的一种形式,是构成智能的基础，知识表示、知识推理、知识运用是人工智能的核心，知识可用符号表示,认知就是符号的处理过程，推理就是采用启发式知识及启发式搜索对问题求解的过程，而推理过程又可以用某种形式化的语言来描述，因而有可能建立起基于知识的人类智能和机器智能的同一理论体系.
符号主义学派认为人工智能源于数学逻辑. 数学逻辑从19 世纪末起就获得迅速发展,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。
符号主义的代表成果是1957年纽威尔和西蒙等人研制的成为“逻辑理论家”的数学定理证明程序LT。
LT的成功，说明了可以用计算机来研究人的思维过程，，模拟人的智能活动。
以后，符号主义走过了一条启发式算法——专家系统——知识工程的发展道路，尤其是专家系统的成功开发与应用，使人工智能研究取得了突破性的进展。
符号主义学派认为人工智能的研究方法应为功能模拟方法. 通过分析人类认知系统所具备的功能和机能,然后用计算机模拟这些功能,实现人工智能.
符号主义主张用逻辑方法来建立人工智能的统一理论体系，但却遇到了“常识”问题的障碍，以及不确知事物的知识表示和问题求解等难题，因此，受到其他学派的批评与否定。
连接主义（Connectionism）又称为仿生学派(Bionicsism)或生理学派(Physiologism)。
是一种基于神经网络及网络间的连接机制与学习算法的智能模拟方法。
其原理主要为神经网络和神经网络间的连接机制和学习算法。
这一学派认为人工智能源于仿生学，特别是人脑模型的研究。
这一方法从神经生理学和认知科学的研究成果出发，把人的智能归结为人脑的高层活动的结果，强调智能活动是由大量简单的单元通过复杂的相互连接后并行运行的结果。
人工神经网络（简称神经网络）就是其典型代表性技术，因此，我们可以把连接主义的思想简单地称为“神经计算”。
连接主义认为神经元不仅是大脑神经系统的基本单元，而且是行为反应的基本单元。
思维过程是神经元的连接活动过程，而不是符号运算过程,对物理符号系统假设持反对意见,认为人脑不同于电脑,并提出联结主义的大脑工作模式,用于取代符号操作的电脑工作模式。
他们认为任何思维和认知功能都不是少数神经元决定的，而是通过大量突触相互动态联系着的众多神经元协同作用来完成的。
实质上，这种基于神经网络的智能模拟方法就是以工程技术手段模拟人脑神经系统的结构和功能为特征，通过大量的非线性并行处理器来模拟人脑中众多的神经细胞（神经元），用处理器的复杂连接关系来模拟人脑中众多神经元之间的突触行为。
这种方法在一定程度上可能实现了人脑形象思维的功能，即实现了人的右脑形象抽象思维功能的模拟。
连接主义的代表性成果是1943年由麦克洛奇和皮兹提出的形式化神经元模型，即M-P 模型。
他们总结了神经元的一些基本生理特性，提出神经元形式化的数学描述和网络的结构方法，从此开创了神经计算的时代，为人工智能创造了一条用电子装置模仿人脑结构和功能的新途径。
1982年，美国物理学家霍普菲尔特提出了离散的神经网络模型，1984年他又提出了连续的神经网络模型，使神经网络可以用电子线路来仿真，开拓了神经网络用于计算机的新途径。
1986年，鲁梅尔哈特等人提出了多层网络中的反向传播（BP）算法，使多层感知机的理论模型有所突破。
同时，由于许多科学家加入了人工神经网络的理论与技术研究，使这一技术在图像处理、模式识别等领域取得了重要的突破，为实现连接主义的智能模拟创造了条件。
行为主义又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，是一种基于“感知——行动”的行为智能模拟方法。
这一方法认为，智能取决于感知和行为，取决于对外界复杂环境的适应，而不是表示和推理，不同的行为表现出不同的功能和不同的控制结构。
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，这一学派认为人工智能源于控制论。
控制论思想早在40 —50 年代就成为时代思潮的重要部分,影响了早期的人工智能工作者. 维纳和麦洛克等人提出的控制论和自组织系统以及钱学森等人提出的工程控制论和生物控制论,影响了许多领域. 控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来. 早期的研究工作重点是模拟人在控制过程中的智能行为和作用,对自寻优、自适应、自校正、自镇定、自组织和自学习等控制论系统的研究,并进行“控制动物”的研制. 到60 —70 年代,上述这些控制论系统的研究取得一定进展,播下智能控制和智能机器人的种子,并在80 年代诞生了智能控制和智能机器人系统.
行为主义的主要观点可以概括为：
1 知识的形式化表示和模型化方法是人工智能的重要障碍之一；
2 应该直接利用机器对环境发出作用后，环境对作用者的响应作为原型；
3 所建造的智能系统在现实世界中应具有行动和感知的能力；
4 智能系统的能力应该分阶段逐渐增强，在每个阶段都应是一个完整的系统。
行为主义的杰出代表布鲁克斯教授在1990、1991年相继发表论文，对传统人工智能进
行了批评和否定，提出了无须知识表示和无须推理的智能行为观点。
在这些论文中，布鲁克斯从自然界中生物体的智能进化过程出发，提出人工智能系统的建立应采用对自然智能进化过程仿真的方法。
他认为智能只是在与环境的交互作用中表现出来的，任何一种“表达”都不能完善地代表客观世界的真实概念，因而用符号串表达智能是不妥当的。
布鲁克这种基于行为（进化）的观点开辟了人工智能的新途径，从而在国际人工智能界形成了行为主义这个新的学派。
布鲁克斯的代表性成果是他研制的6足机器虫。
布鲁克斯认为要求机器人像人一样去思维太困难了，在做一个像样的机器人之前，不如先做一个像样的机器虫，由机器虫慢慢进化，或许可以做出机器人。
于是他在美国麻省理工学院（MIT）的人工智能实验室研制成功了一个由150个传感器和23个执行器构成的像蝗虫一样能做6足行走的机器人试验系统。
这个机器虫虽然不具有像人那样的推理、规划能力，但其应付复杂环境的能力却大大超过了原有的机器人，在自然（非结构化）环境下，具有灵活的防碰撞和漫游行为。
行为主义的思想提出后引起了人们的广发关注，其中感兴趣的人有之，反对者也大有人在。
例如，有人认为布鲁克斯的机器虫在行为上的成功并不能引起高级控制行为，指望让机器从昆虫的智能进化到人类的智能只是一种幻想。
尽管如此，行为主义学派的兴起，表明了控制论、系统工程的思想将进一步影响人工智能的发展。