​​人工智能早期发展的三大流派为符号主义、联结主义和行为主义，它们从不同角度探索人工智能的实现路径。符号主义注重逻辑推理与符号系统，联结主义聚焦神经网络模仿人脑，行为主义则基于感知行动机制。​​

符号主义源于数学逻辑，认为智能是符号运算，通过物理符号系统假设实现知识表征与推理，专家系统是其典型应用，但受限于知识获取与抽象能力。联结主义脱胎于仿生学，模拟人脑神经网络连接，早期受限于硬件与算法瓶颈，后来借助反向传播等技术突破，成为深度学习的基础，具备强泛化能力却牺牲可解释性。行为主义主张“感知-行动”闭环，通过环境交互学习，适用于机器人控制等场景，但因模型复杂性与封闭性难以扩展应用范围。

三大流派在发展历程中既曾分庭抗礼，亦逐渐显现融合趋势。当代神经符号系统结合符号与联结优势，大模型通过大规模数据训练接近行为主义感知互动，而具身智能更依赖三者的协同作用。人工智能的演进实质上是抽象推理、自主学习与环境适应能力的持续进化，其未来或需进一步融合多流派方法才能突破现有限制。