当今活跃的人工智能学家可粗略归入 6 大流派。
- 符号派重“可解释、可推理”
- 连接派重“表示、端到端”
- 行为派重“反馈、控制”
- 进化派重“搜索、多样性”
- RL 派重“序列决策、探索”
- 贝叶斯派重“不确定性、因果”。
- 今天的前沿研究往往是“混血”：大模型 + 符号工具 = Neuro-Symbolic；RL + 进化 = 种群-RL；深度网络 + 因果 = Causal Representation Learning。
- 符号主义（逻辑/知识派）
核心：认知 = 符号操作，可解释、可推理，知识库 + 搜索即智能。
旗手：Bart Selman、Henry Kautz、Leslie Kaelbling、Michael Wooldridge（多智能体逻辑）。
典型产出：SAT 求解器、知识图谱、可解释规划、程序综合。 - 连接主义（深度/表示派）
核心：认知 = 高维连续向量表示 + 端到端梯度优化，黑盒但泛化无敌。
旗手：Geoffrey Hinton、Yann LeCun、Yoshua Bengio、Andrew Ng、Fei-Fei Li、Kaiming He、Ilya Sutskever。
典型产出：CNN、Transformer、CLIP、Diffusion、大语言模型。 - 行为主义（具身/控制派）
核心：智能 = 感知-动作闭环，环境反馈即老师，不依赖内部世界模型。
旗手：Rodney Brooks、Russ Tedrake、Marc Raibert、Pieter Abbeel（早期）、Sergey Levine（强化学习+机器人）。
典型产出：波士顿动力机器人、UR5 强化抓取、Sim-to-Real 控制。 - 进化与群体智能派
核心：智能 = 种群级并行搜索 + 自然选择，用变异和选择替代梯度。
旗手：Kenneth De Jong、Hans-Paul Schwefel、Darrell Whitley、Marco Dorigo（蚁群）、Erol Gelenbe（网络弹性）。
典型产出：CMA-ES 调超参、蚁群调度、遗传编程、NAS 进化搜索。 - 强化学习与决策智能派
核心：智能 = 在序列决策中最大化长期回报，探索-利用权衡是灵魂。
旗手：Richard Sutton、Andrew Barto、David Silver、John Schulman、Pieter Abbeel、Chelsea Finn、Michael Littman。
典型产出：DQN、AlphaGo/AlphaStar、MuZero、PPO、Offline RL、具身 RL。 - 贝叶斯与因果推断派
核心：智能 = 用概率分布表示不确定性，用条件更新和反事实推理做决策。
旗手：Judea Pearl、Michael Jordan、Zoubin Ghahramani、David Blei、Elias Bareinboim。
典型产出：贝叶斯网络、因果图、Do-Calculus、变分推断、概率编程（Stan、Pyro）。
6 大流派“旗手级”人物的中英对照名、所在机构、代表性专著/教材（均仍活跃于一线）
一、符号主义（逻辑/知识派）
英文姓名 | 中文常用译名 | 现任主要机构 | 代表著作/教材 |
Bart Selman | 巴特·塞尔曼 | Cornell University | 《Handbook of Knowledge Representation》（主编） |
Henry Kautz | 亨利·考茨 | University of Rochester | 《Statistical Relational Artificial Intelligence》（合著） |
Leslie Kaelbling | 莱斯利·凯尔布林 | MIT | 《Artificial Intelligence: Foundations of Computational Agents》（合著，开源教材） |
Michael Wooldridge
| 迈克尔·伍尔德里奇 | University of Oxford | 《An Introduction to MultiAgent Systems》《The Road to Conscious Machines》 |
二、连接主义（深度/表示派）
英文姓名 | 中文常用译名 | 现任主要机构 | 代表著作/教材 |
Geoffrey Hinton | 杰弗里·辛顿 | University of Toronto（Emeritus, 兼任 Google Brain） | 《Deep Learning》（合著, 2016 红宝书） |
Yann LeCun | 扬·勒丘恩 | NYU, Meta AI | 《Deep Learning》（同上） |
Yoshua Bengio | 约书亚·本吉奥 | University of Montréal, Mila | 《Deep Learning》；近年《Deep Learning for AI》综述 |
Andrew Ng | 吴恩达 | Stanford University, AI Fund | 《Machine Learning Yearning》《CS229 讲义》 |
Fei-Fei Li | 李飞飞 | Stanford University（HAI 联席主任） | 《An Introduction to Computer Vision》（CS231n 讲义） |
Kaiming He | 何恺明 | MIT（2024 起全职教授） | ResNet/MAE 系列论文（单篇引用>7 万） |
Ilya Sutskever | 伊利亚·苏茨克沃 | Safe Superintelligence Inc.（2024 离开 OpenAI） | 序列到序列、GPT 系列奠基论文 |
三、行为主义（具身/控制派）
英文姓名 | 中文常用译名 | 现任主要机构 | 代表著作/教材 |
Rodney Brooks | 罗德尼·布鲁克斯 | MIT（Emeritus, 创办 Robust.AI） | 《Cambrian Intelligence: The Early History of the New AI》 |
Russ Tedrake | 拉斯·特德拉克 | MIT CSAIL | 《Underactuated Robotics》（开源课程教材） |
Marc Raibert | 马克·雷伯特 | Boston Dynamics（董事长） | 《Legged Robots That Balance》 |
Pieter Abbeel | 彼得·阿比尔 | UC Berkeley（Covariant 创始人） | 《Deep Reinforcement Learning》（CS285 讲义） |
Sergey Levine | 谢尔盖·莱文 | UC Berkeley | 《Deep Robotic Learning》《Reinforcement Learning for Robotics》系列讲义 |
四、进化与群体智能派
英文姓名 | 中文常用译名 | 现任主要机构 | 代表著作/教材 |
Kenneth De Jong | 肯尼思·德容 | George Mason University | 《Evolutionary Computation: A Unified Approach》 |
Hans-Paul Schwefel | 汉斯-保罗·施韦费尔 | University of Dortmund（Emeritus） | 《Evolution and Optimum Seeking》 |
Darrell Whitley | 达雷尔·惠特利 | Colorado State University | 《Evolutionary Algorithms in Theory and Practice》 |
Marco Dorigo | 马可·多里戈 | Université libre de Bruxelles | 《Ant Colony Optimization》 |
Erol Gelenbe | 埃罗尔·盖伦贝 | Imperial College London | 《Analysis and Synthesis of Computer Systems》（网络弹性模型章节） |
五、强化学习与决策智能派
英文姓名 | 中文常用译名 | 现任主要机构 | 代表著作/教材 |
Richard Sutton | 理查德·萨顿 | University of Alberta | 《Reinforcement Learning: An Introduction》（2018 第 2 版） |
Andrew Barto | 安德鲁·巴托 | University of Massachusetts Amherst | 同上合著者 |
David Silver | 大卫·西尔弗 | Google DeepMind | UCL RL 课程讲义、AlphaGo/AlphaZero 系列论文 |
John Schulman | 约翰·舒尔曼 | Anthropic（前 OpenAI） | PPO 原始论文、UC Berkeley CS294-112 讲义 |
Pieter Abbeel | 彼得·阿比尔 | UC Berkeley | 见上（RL+机器人交叉） |
Chelsea Finn | 切尔西·芬恩 | Stanford University | 《Model-Based Meta RL》《CS330 Meta-Learning》讲义 |
Michael Littman | 迈克尔·利特曼 | NSF / Brown University | 《Reinforcement Learning: An Introduction》合著者 |
六、贝叶斯与因果推断派
英文姓名 | 中文常用译名 | 现任主要机构 | 代表著作/教材 |
Judea Pearl | 朱迪亚·珀尔 | UCLA | 《Causality》《The Book of Why》 |
Michael Jordan | 迈克尔·乔丹 | UC Berkeley | 《Machine Learning: A Probabilistic Perspective》（合著指导） |
Zoubin Ghahramani | 祖斌·加拉马尼 | University of Cambridge | 《Information Theory, Inference, and Learning Algorithms》合作章节 |
David Blei | 大卫·布莱 | Columbia University | 《Variational Inference: Review for Statisticians》 |
Elias Bareinboim | 埃利亚斯·巴林博伊姆 | Columbia University | 《Causal Inference: The Mixtape》配套课程、Pearl 高阶因果算法扩展论文 |
- 想打基础：先读各流派“教材级”著作（标粗书），再追顶会论文。
- 跨流派混血是当下主流——例如“深度 + 符号”= Neuro-Symbolic；“RL + 因果”= Causal RL；“进化 + 深度”= Evolutionary NAS。
- 机构列的是“当前主要 affiliation”，旗手们常兼职工业实验室，可关注其主页/课程讲义获取最新动态。
