- 符号主义人工智能（Symbolic AI）为核心的逻辑推理
- 数据驱动（data-driven）为核心的机器学习
- 探索与利用（exploration and exploitation）为核心的强化学习
- 人工智能主流三种方法区别
| 学习模式 | 优势 | 不足 |
|---|---|---|
| 用规则教 | 与人类逻辑推理相似，解释性强 | 难以构建完备的知识规则库 |
| 用数据学 | 直接从数据中学 | 以深度学习为例：依赖于数据，解释性不强 |
| 用问题引导 | 从经验中进行能力的持续学习 | 非穷举式搜索而需更好策略 |
从数据到知识与能力，能力增强是最终目标
值得关注的是三种学习方法的综合利用！
- 莫拉维克悖论（Moravec's paradox）:困难的问题是易解的，容易的问题是难解的
- 见一叶落，而知岁之将暮；审堂下之阴，而知日月之行，阴阳之变；见瓶水之冰，而知天下之寒，鱼鳖之藏也。 《淮南子说山训》
