​​人工智能研究的三大学派分别是符号主义、连接主义和行为主义，分别从逻辑推理、脑结构模拟和感知行为交互的角度探索智能本质。​​ 符号主义以数学逻辑为基础，连接主义仿生神经元网络，行为主义则强调环境互动，三者共同构成了AI发展的核心框架。

符号主义学派认为智能源于逻辑规则，通过符号系统和算法模拟人类抽象思维。其代表成果包括专家系统和定理证明程序，如IBM的“深蓝”在国际象棋领域的突破。这一学派优势在于可解释性强，但面对复杂现实问题时易受限于规则定义的局限性。

连接主义受脑科学启发，用神经网络模拟人脑学习机制。从早期的感知机到现代深度学习，该学派在图像识别、自然语言处理等领域取得突破，如GPT系列模型。其特点是擅长处理非结构化数据，但需依赖大量算力和数据支撑。

行为主义聚焦智能体与环境的实时交互，通过反馈机制优化决策。波士顿动力机器人和六足行走机器人等成果展示了其在自适应控制方面的潜力。这一学派更注重实用性，但智能行为的泛化能力仍需提升。

当前AI发展正呈现三大学派融合趋势：符号系统增强神经网络的可解释性，行为模型优化算法落地场景。未来突破或依赖于跨学派协作，推动通用人工智能的实现。