人工智能各学派简介
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。
人工智能的学派和发展历程
人工智能的学派和发展历程人工智能的主要学派及其观点：目前，在国际人工智能界公认的研究学派主要有符号主义、联结主义和行为主义。
下面分别对这些学派作些简单介绍。
1) 符号主义：（Symbolicism），又称逻辑主义（Logicism）、心理学派（Psychlogism）或计算机学派（Computerism）,是基于物理符号系统假设和有限合理性原理的人工智能学派。
符号主义认为人工智能起源于数理逻辑，人类认知（智能）的基本元素是符号（Symbol），认知过程是符号表示上的一种运算。
2) 联结主义：（Connectionism）,又称仿生学派（Bionicsism）或生理学派（Physiologism）,是基于神经网络及网络间的联结机制与学习算法的人工智能学派。
联结主义认为人工智能起源于仿生学，特别是人脑模型的研究。
3) 行为主意：（Actionism）,又称进化主义（Evolutionism）或控制论学派（Cyberneticsism）,是基于控制论和“感知---动作”型控制系统的人工智能学派。
行为主义认为人工智能起源于控制论，提出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。
一、算术运算阶段1614年苏格兰人John Napier发表了一篇论文，其中提到他发明了一种可以进行四则运算和方根运算的精巧装置；1623年Wilhelm Schickard制作了一个能进行6 位数以内加减法运算，并能通过铃声输出答案的“计算钟”，该装置通过转动齿轮来进行操作；1625年William Oughtred发明计算尺；1642年，法国哲学家兼数学家Blaise Pascal发明了第一台真正的机械计算器——滚轮式加法器，其外观上有6个轮子，分别代表着个、十、百、千、万、十万等，只需要顺时针拨动轮子，就可以进行加法，而逆时针则进行减法，原理和手表很像，算是计算机的开山鼻祖了；1668年英国人Samuel Morl制作了一个非十进制的加法装置，适宜计算钱币；1671年德国数学家Gottfried Leibniz 设计了一架可以进行乘法运算，最终答案长度可达16位的计算工具；1822年英国人Charles Babbage设计了差分机和分析机，其设计理论非常超前，类似于百年后的电子计算机，特别是利用卡片输入程序和数据的设计被后人所采用；1834年Babbage 设想制造一台通用分析机，能够完成所有的算术运算，该分析机由四个基本部件构成：存储库、运算室、传送机构和送人取出机构，类似于现代计算机的五大装置：输入、控制、运算、存储和输出装置，因此他被公认为计算机之父；1848年英国数学家George Boole创立二进制代数学，提前近一个世纪为现代二进制计算机的发展铺平了道路；1890年美国人口普查部门希望能得到一台机器帮助提高普查效率，Herman Hollerith (后来他的公司发展成了IBM 公司)借鉴Babbage的发明，用穿孔卡片存储数据，并设计了机器，结果仅用6 周就得出了准确的人口统计数据(如果用人工方法，大概要花10 年时间)。
人工智能
1.近年来AI研究形成三种不同的研究学派：符号主义：（AI研究的传统观点），强调物理符号系统联接主义：又称仿生学派，强调神经元的运作。
行为主义：智能行为的基础是“感知-行动”，是在与环境的交互作用中表现出来的。
2.知识就是人类认识自然界（包括社会和人）的精神产物，是人类进行智能活动的基础。
知识表示以适当方式表示知识，才导致智能体展示出智能行为知识表示=符号（结构）+处理机制3.4.命题常量：如果一个命题标识符表示确定的命题，就称为命题常量。
命题变元：如果命题标识符只表示任意命题的位置标志，就称为命题变元。
谓词逻辑：根据对象和对象上的谓词（即对象的属性和对象之间的关系），通过使用连接词和量词来表示世界。
5.一阶谓词逻辑表示法的优点（1）严密性（2）自然性（3）通用性（4）知识易表达（5）易于实现一阶谓词逻辑表示法的缺点（1）效率低（2）灵活性差（3）组合爆炸6.产生式系统的组成规则库是专家系统的核心，也是一般产生式系统赖以进行问题求解的基础，其中知识的完整性和一致性、知识表达的准确性和灵活性以及知识组织的合理性，都将对产生式系统的性能和运行效率产生直接的影响。
综合数据库又称为事实库，用于存放输入的事实、从外部数据库输入的事实以及中间结果(事实)和最后结果的工作区。
推理机是一个或一组程序，用来控制和协调规则库与综合数据库的运行，包含了推理方式和控制策略。
产生式系统推理机的推理方式有正向推理、反向推理和双向推理三种。
7.产生式系统的优缺点优点:(1)清晰性(2)模块性(3)自然性缺点:(1)难以扩展(2)规则选择效率较低(3)控制策略不灵活(4)知识表示形式单一8.AKO(A-Kind-of):表示一个事物是另一个事物的一种类型。
ISA(Is-a):表示一个事物是另一个事物的实例。
9.搜索策略评价标准:(1)完备性：如果存在一个解答，该策略是否保证能够找到？(2)时间复杂性：需要多长时间可以找到解答？(3)空间复杂性：执行搜索需要多少存储空间？(4)最优性：如果存在不同的几个解答，该策略是否可以发现最高质量的解答？10. OPEN-存放待扩展节点的表CLOSE-存放已被扩展的节点的表11.问题归约表示方法就是由初始问题出发，运用操作算子产生一些子问题，对子问题再运用操作算子产生子问题的子问题，这样一直进行到产生的问题均为本原问题，则问题得解。
人工智能复习资料整理(修正版-如发现计算错误请指出)
一、填空题(40分)1.人工智能的主要学派：(1)符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要是为物理符号系统假设和有限合理性原理。
(2)连接主义：又称仿生学派或生理学派，其原理主要是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：又称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。
2.人工智能三个基本问题：知识获取、知识推理、知识利用。
3.常用的知识表示方法包括：状态空间法、问题归纳法、谓词演算法、语义网络法、框架表示法、本体表示法、过程表示法和神经网络表示法。
4.机器学习分为：监督学习、无监督学习、强化学习。
5.遗传算法基本操作分为：选择、交叉和变异。
6.产生式系统的构成分为：规则库、综合数据库和推理机。
7.问题状态空间包含的三种说明集合分别为：初始状态集(S)、操作符集合(F)、以及目标状态集合(G)。
8.可信度方法中，不精确推理规则的一般形式为：IF E THEN H (CF(H,E))，其中(CF(H,E))是该规则的可信度，称为可信度因子或规则强度。
(1)当证据E的可信度CF(E)的取值范围与CF(H,E)相同，即-1 ≤ CF(E)≤ 1；(2)当证据以某种程度为真时，CF(E) > 0(3)当证据肯定为真时，CF(E) = 1(4)当证据以某种程度为假时，CF(E) < 0(5)当证据肯定为假时，CF(E) = -1(6)当证据一无所知时，CF(E) = 09.用产生式方法表示张和李是同学关系：（classmate，Zhang，Li）10.模糊集合表示，例如有一组数据：85,90,82,70,98，模糊集合表示为：11.自然语言理解过程的层次有：语音分析、句词分析、语义分析。
12.人工生命研究实例有：人工脑、计算机病毒、计算机进程、细胞自动机、人工核苷酸。
13.计算智能涉及神经计算、模糊计算、进化计算、粒群计算、自然计算、免疫计算和人工生命等研究领域。
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。
人工智能的分类
人工智能的分类1.按照学派的不同第一，符号主义，代表人物纽厄尔、西蒙。
该学派认为人是一个物理符号系统，人的认知基元是符号，认知过程就是符号操作过程，智能行为是符号操作的结果，而计算机也是一个物理符号系统，可以从模拟人脑功能的角度实现人工智能，即用计算机通过符号来模拟人的认知过程。
符号主义人工智能研究在定理证明、博弈、自然语言处理、专家系统等方面取得显著成绩。
但是符号主义在面临自然语言复杂多变的问题时陷入困境，若问题过于复杂很容易耗尽计算机的计算资源。
第二，联结主义，代表人物麦卡洛克。
该学派认为人的思维基元是神经元而不是符号，大脑才是智能活动的物质基础，要知晓人类智能的奥秘，就要了解大脑的结构以及大脑信息处理过程的机理，由此提出了联结主义的大脑工作模式。
人工智能神经网络在模式识别、机器学习、图像处理等方面具有优势。
第三，行为主义，代表人物布鲁克斯。
该学派认为智能行为是通过现实世界和周围环境交互作用而表现出来，行为主义通过模拟人在控制过程中的智能活动和行为特性，如自适应、自学习等来实现人工智能。
行为主义在智能控制、机器人等领域成绩显著。
三个学派从不同角度揭示了智能的特性，同时反映出人工智能的复杂性。
从21世纪初开始，三个学派从三足鼎立走向互通互融，学派综合成为人工智能发展的主流。
2.按照发展层次的不同第一，弱人工智能，指专注于且只能解决特定领域问题的人工智能。
目前，我们看到接触到的所有人工智能算法和应用都属于弱人工智能的范畴。
如Alpha Go只能在围棋领域傲视群雄，如果让它去做其他的事情，也只能陷入举步维艰的境地。
限于弱人工智能的局限性，目前大多数人是将弱人工智能作为一种使用工具，而不是威胁。
少部分人仍然担心弱人工智能的使用会带来致命的风险，存在诸多隐患，但是我们应明白人类使用的任何技术都会存在一定的风险，弱人工智能与其他技术在本质上并没有太大的不同。
第二，强人工智能，也称通用人工智能或完全人工智能，它能够胜任人类的全部工作。
人工智能主流学派 课程思政
人工智能主流学派课程思政人工智能（Artificial Intelligence，简称AI）作为一门前沿科学技术，涉及多个学科领域，对于培养高素质、高技能人才具有重要意义。
人工智能的主流学派主要包括符号主义、连接主义和进化主义。
而在人工智能的发展过程中，课程思政也应该贯穿其中，以引导学生在学习人工智能的同时，树立正确的世界观、人生观和价值观。
符号主义是人工智能的一种主流学派，它主张通过符号系统来模拟人类的思维过程。
符号主义的代表性算法是逻辑推理，它通过推理规则和知识库来实现智能的推理能力。
在课程思政中，我们应该引导学生深入理解符号主义的思想，扩展学生的思维边界，提高他们的逻辑思维能力和问题解决能力。
同时，我们还应该教育学生要注重道德伦理的约束，避免人工智能在应用过程中产生不良后果，引导学生将人工智能技术应用于社会发展，造福人类。
连接主义是人工智能的另一种主流学派，它主张通过模拟神经网络的方式来实现智能。
连接主义的代表性算法是人工神经网络，它通过神经元之间的连接和权重来模拟人类的学习和记忆能力。
在课程思政中，我们应该引导学生深入了解连接主义的原理和算法，培养学生的创新能力和团队合作精神。
同时，我们还应该教育学生要秉持科学精神，开展真实可行的人工智能研究，推动人工智能技术的进步和应用。
进化主义是人工智能的另一种主流学派，它主张通过模拟进化过程来实现智能。
进化主义的代表性算法是遗传算法，它通过模拟遗传、变异和选择的过程来优化问题的解。
在课程思政中，我们应该引导学生深入了解进化主义的原理和应用，培养学生的创新能力和环境保护意识。
同时，我们还应该教育学生要在人工智能研究和应用中注重可持续发展，避免对生态环境造成损害，推动人工智能与可持续发展相结合。
人工智能的主流学派包括符号主义、连接主义和进化主义，而课程思政应该贯穿其中，以引导学生树立正确的世界观、人生观和价值观。
通过课程思政的引导，学生不仅可以掌握人工智能的理论和算法，还可以在学习过程中培养创新能力、团队合作精神和环境保护意识。
- 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)。
人工智能各学派简介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。
1、符号主义
认为人工智能源于数理逻辑。
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。
计算机出现后, 又在计算机上实现了逻辑演绎系统。
其有代表性的成果为启发式程序LT 逻辑理论家,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,模拟人类智能活动。
正是这些符号主义者,早在1956 年首先采用“人工智能”这个术语。
后来又发展了启发式算法-＞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)和尼尔逊(Nilsson)等。
2、连接主义认为人工智能源于仿生学,特别是对人脑模型的研究。
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，开创了用电子装置模仿人脑结构和功能的新途
径。
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出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，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 年发表两篇重要论文，提出用硬件模拟神经网络以后，连接主义才又重新抬头。
1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播算法(BP) 算法。
此后，连接主义势头大振，从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场打下基础。
现在，对人工神经网络(ANN)的研究热情仍然较高，但研究成果没有像预想的那样好。
3、行为主义
认为人工智能源于控制论。
控制论思想早在20 世纪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(Wiener)和麦克洛克(McCulloch)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，如对自寻优、自适应、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。
到20 世纪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20世纪80年代诞生了智能控制和智能机器人系统。
行为主义是20 世纪末才以人工智能新学派的面孔出现的，引起许多人的兴
趣。
这一学派的代表作首推布鲁克斯(Brooks)的六足行走机器人，它被看作是新一代的控制论动物”是一个基于感知-动作模式模拟昆虫行为的控制系统。
赫伯特西蒙和艾伦纽厄尔一一人工智能符号主义学派的创始人
1975年度的图灵奖授予卡内基一梅隆大学的两位教授：赫伯特西蒙(Herbert Alexander Simon)和艾伦纽厄尔(Allen Newell)。
他们两人曾是师生，后来成为极其亲密的合作者，共事长达42年，直至纽厄尔于1992年去世。
这是图灵奖首次同时授予两位学者。
西蒙是一个令人敬佩而惊叹的学者，具有传奇般的经历。
他多才多艺，兴趣
广泛，会画画，会弹钢琴，既爱爬山、旅行，又爱学习各种外国语，能流利地说多种外语。
作为科学家，他涉足的领域之多，成果之丰，影响之深远，令人叹为观止。
他和纽厄尔同获图灵奖，是因为他们在创立和发展人工智能方面的杰出贡献，当然是计算机科学家。
但是西蒙在1978年更荣获诺贝尔经济学奖，不言而
喻是世界一流的大经济学家。
1986年他又因为在行为科学上的出色贡献而荣获美国全国科学奖章(National Medal of Scienee)。
1969年，美国心理学会由于西蒙在心理学上的贡献而授予他杰出科学贡献奖” (Disti nguished Seie ntific Contributions Award)。
而他1943年在匹兹堡大学研究生院毕业时被授予的是政治学博士头衔！
西蒙自己在他1991年出版的自传《我的生活的模型》(Models of My Life，Basic Books) —书中这样描写他自己：我诚然是一个科学家，但是是许多学科的
科学家。
我曾经在许多科学迷宫中探索，这些迷宫并未连成一体。
我的抱负未能
扩大到如此程度，使我的一生有连贯性。
我扮演了许多不同角色，角色之间有时难免互相借用。
但我对我所扮演的每一种角色都是尽了力的，从而是有信誉的，这也就足够了”
西蒙1916年6月15日生于威斯康辛州密歇根湖畔的密尔沃基(Milwaukee)，他的父亲是一个在德国出生的电气工程师，母亲则是颇为成功的钢琴演奏家（西蒙弹得一手好钢琴恐怕来自家教吧）。
西蒙从小就很聪明好学，在密尔沃基的公立学校上学时跳了两级，因此在芝加哥大学注册入学时年方17。
还在上大学时，西蒙就对密尔沃基市游乐处的组织管理工作进行过调查研究，这项研究激发起了
西蒙对行政管理人员如何进行决策这一问题的兴趣，这个课题从此成为他一生事业中的焦点。
1936年他从芝加哥大学毕业，取得政治学学土学位以后，应聘到国际城市管理者协会ICMA（International City Managers ' Assoc工作，）很快
成为用数学方法衡量城市公用事业的效率的专家。
在那里，他第一次用上了计算机（当然还只是机电式的），因为他作为城市年鉴” （MunicipalYearbook）的助理编辑，需要在计算机上对数据进行统计、分类、排序和制表。
对计算机的兴趣和实践经验对他后来的事业产生了重要影响。
1939年，他转至加州大学伯克利分校，负责由洛克菲勒基金会资助的一个项目，这个项目是对地方政府的工作和活动进行研究。
这期间，他完成了博士论文，内容就是关于组织机构如何决策的。
经他的母校芝加哥大学进行评审与答辩后，被授予政治学博士学位。
1942年，在完成洛克菲勒基金项目以后，西蒙转至伊利诺伊理工学院政治科学系，在那里工作了7年，其间还担任过该系系主任。
1949年他来到他最后一个落脚点卡内基一梅隆大学（当时还叫学院），在新建的经济管理研究生院任教。
他一生中最辉煌的成就就是在这里做出的。
20世纪50年代，他和纽厄尔以
及另一位著名学者约翰，肖（John Cliff Shaw）—起，成功开发了世界上最早的启发式程序逻辑理论家"LT（1ogicTheorist）。
逻辑理论家证明了数学名著《数学原理》一书第二章52个定理中的38个定理（1963年对逻辑理论家进行改进后可证明全部52个定理），受到了人们的高度评价，认为是用计算机探讨人类智力活动的第一个真正的成果，也是图灵关于机器可以具有智能这一论断的第一个实际的证明。
同时，逻辑理论家也开创了机器定理证明（mechanical theorem proving这一新的学科领域。
1956年夏天，数十名来自数学、心理学、神经学、计算机科学与电气工程等各种领域的学者聚集在位于美国新罕布什尔州汉诺威市的达特茅斯学院（这个学院还因后来在1966年由John G. Kemeny和T. E. Kurtz发明简单易学、使用方便的交互式语言BASIC而闻名于世），即Dartmouth College,讨
论如何用计算机模拟人的智能，并根据麦卡锡（J. McCarthy, 1971年图灵奖获得者）的建议，正式把这一学科领域命名为人工智能” （Artificial Intelligenee）。
西蒙和纽厄尔参加了这个具有历史意义的会议，而且他们带到会议上去的逻辑理论家”是当时唯一可以工作的人工智能软件，引起了与会代表的极大兴趣与关注。
因此，西蒙、纽厄尔以及达特茅斯会议的发起人麦卡锡和明斯基（M . L. Min sky，
1969年图灵奖获得者）被公认为是人工智能的奠基人，被称为人工智能之父”。