让机器拥有人类智能一直是人工智能学者的目标。不同学科或应用领域的学者从不同的角度，使用不同的方法，沿着不同的路径探索了智力。其中，象征主义，连接主义和行为主义是人工智能发展史上的三大技术流派。象征主义，也称为逻辑主义，在人工智能的早期占主导地位。这所学校认为，人工智能源于数学逻辑，其本质是模拟人类抽象的逻辑思维并使用符号来描述人类的认知过程。早期的研究思路是通过基本的推理步骤找到一个完整的解决方案。逻辑理论家和几何定理证明者出现了。在1970年代，大量专家系统出现了，它们结合了领域知识和逻辑推理，使人工智能能够进入工程应用。个人计算机的出现和专家系统的高昂成本已通过连接主义逐渐取代了符号学在人工智能领域的统治地位。连接主义，也称为仿生学派，目前占主导地位。这所学校认为，人工智能源自仿生学，人类大脑和神经系统的结构和功能应通过工程技术进行模拟。连接主义可以追溯到1943年McCulloch和Pitts创建的大脑模型。由于理论模型，生物学原型和技术条件的限制，它在1970年代跌入低谷。直到1982年Hopfield提出Hopfield神经网络模型和Rumelhart等人提出的反向传播算法。于1986年在神经网络的理论研究中取得了突破。 2006年，连接主义的领导者Hinton提出了一种深度学习算法，该算法极大地提高了神经网络的功能。 2012年，使用深度学习技术的AlexNet模型在ImageNet竞赛中获得了冠军。行为主义，也称为进化论，近年来随着AlphaGo的突破而受到广泛关注。这所学校认为，人工智能是从控制论中衍生出来的，并且智能行为的基础是“知觉行为”的反应机制，因此智能不需要知识表示或推理。智能仅表现在与环境的交互中，这要求不同的行为模块与环境交互以生成复杂的行为。在人工智能的发展中，象征主义，连接主义，行为主义等学校不仅在各自领域取得了成绩，而且各所学校也逐渐相互学习，融合发展。特别地，将连接主义技术引入行为主义思维中，催生了深度强化学习技术，该技术成为AlphaGo击败Lee Sedol之后的重要技术手段。