广州公主嫁到符号主义（Symbolism）是一种基于逻辑推理的智能模拟方法，又称为逻(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。

　　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。

　　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。

　　为什么人工智能无法取代人类论文？目前大部分的智能问题是需要设计损失函数的，都是由人类来定义什么时候智能系统值得奖励，什么时候需要惩罚以期最后达到优化目标。这样的机制下人工智能工作的前提都是人类定义的，人工智能怎么可能取代人类。

　　还有一个原因是人能够基于历史上的所有知识进行知识再生产，甚至跨领域再生产，也充分结合了集体多人的智慧，显然人工智能还不具备这么强的知识再组织能力，所以人工智能必然无法取代人类的论文。

　　研究的重点和难点一直是表示的问题。如何表示一个词，如何表示一个句子，如何表示一篇文章，如何表示一段语音，如何表示实体间的关系，如何....

　　可以说能够清楚将概念表示出来是所有人工智能技术的前提和保证，表示的好坏决定了人工智能技术能够取得的效果。一种好的表示也许能催生一个让人类惊叹的结果。

　　语音表示语音可以通过傅里叶变换等一步步操作产生fbank特征和mfcc特征，这就是一小个时间片的语音表示，有了这样高效的语音表示，才有了后面更加高效的神经网络计算能力。

　　词表示word2vec技术打开了词表示的新的时代，极大的促进了NLP技术的发展，词和词之间可以通过距离进行度量，词拥有了相当丰富的语音，后续在此基础上产生了更多的词的表示方法，句子的表示方法，文章的表示方法，都产生了非常神奇的效果。

　　图节点表示Node2vec是用来产生网络中节点向量的模型，输入是网络结构（可以无权重），输出是每个节点的向量。这里的节点可以是任何有关系的实体，人类的知识、结构等都可以用这种方式来表达，Node2Vec从某种方式具备了有联系的万物皆可表示的能力。

　　初次之外，还有很多表示方法值得我们进一步探索，也欢迎大家不断完善这种表示方法。