一、现在人工智能有哪些学派它们的认知观是什么
人工智能各学派简介：符号主义，连接主义，行为主义人工智能各学派简介
目前人工智能的主要学派有下面三家：
(1)符号主义(symbolicism)，又称为逻辑主义(logicism)、心理学派(psychologism)或计算机学派(computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
(2)连接主义(connectionism)，又称为仿生学派(bionicsism)或生理学派(physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。
(3)行为主义(actionism)，又称为进化主义(evolutionism)或控制论学派(cyberneticsism)，其原理为控制论及感知-动作型控制系统。
他们对人工智能发展历史具有不同的看法。
认为人工智能源于数理逻辑。数理逻辑从19世纪末起得以迅速发展，到20世纪30年代开始用于描述智能行为。计算机出现后，又再计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序LT逻辑理论家，证明了38条数学定理，表了可以应用计算机研究人的思维多成，模拟人类智能活动。正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。后来又发展了启发式算法->专家系统->知识工程理论与技术，并在20世纪80年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。在人工智能的其他学派出现之后，符号主义仍然是人工智能的主流派别。这个学派的代表任务有纽厄尔(Newell)、西蒙(Simon)和尼尔逊(Nilsson)等。
认为人工智能源于仿生学，特别是对人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途径。它从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。20世纪60~70年代，连接主义，尤其是对以感知机(perceptron)为代表的脑模型的研究出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80
二、人工智能框架表示法的优点
通常有以下几种知识表示方法及应用特点：
利用一阶逻辑公式描述事物对象、对象性质和对象间关系。这种方法是将自然语句写成逻辑公式，采用演绎规则和归结法进行严格的推理，能够证明一个新语句是由已知正确的语句推导出来的，即可断定这个新的语句（新知识）是正确的。知识库可以视为一组逻辑公式的集合，增加或删除逻辑公式即是对知识库的修改。
逻辑表示法有明确和规范的规则构造复杂事物，结构清晰，可以分离知识和处理知识的程序。具有完备的逻辑推理方法，不局限于具体领域，有较好的通用性。缺点是适合于事物间确定的因果关系，难于表示过程和启发式知识，推理过程中可能产生组合爆炸，推理效率较低。
根据串代替规则提出的一种计算模型，模型中的每条规则称为产生式。产生式的基本形式P→Q，P是产生式的前提（前件），Q是一组结论或操作（后件），如果前提P满足，则可推出结论Q或执行Q所规定的操作。
产生式可以表示人类心理活动的认知过程，已经成为人工智能中应用最多的一种知识表示模式，许多成功的专家系统都是采用产生式知识表示方法。
语义网络是一种用实体及其及关系来表达知识的有向图。结点代表实体，表示各种事物、概念、属性、状态、事件和动作等；弧线代表语义关系，表示它所连结的两个实体之间的联系。用语义网络表示知识以求解问题，主要包括两部分，一部分是由语义网络构成的知识库，另一部分是用于问题求解的推理机制。语义网络的推理过程主要有继承和匹配两种。
主要优点：结构性、联想性，自索引性，自然性；主要缺点：非严格性，复杂性。
框架表示法是在框架理论的基础上发展起来的一种结构化知识表示方法。框架理论是对理解视觉、自然语言对话和其它复杂行为的一种“框架”认识：人们对现实世界中各种事物的认识都是以一种类似于框架的结构存储在记忆中的，当遇到一个新事物时，就从记忆中找出一个合适的框架，并根据新的情况对其细节加以修改、补充，从而形成对这个新事物的认识。
当事物的知识比较复杂时，需要通过多个框架之间的横向或纵向联系形成一种框架网络。框架系统的问题求解主要是通过对框架的继承、匹配与填槽来实现的。框架表示法的优点：结构性，深层性，继承性，自然性。不足之处：缺乏框架的形式理论，缺乏过程性知识表示，清晰性难以保证。
过程表示是将有关某一问题领域的知识，包括如何使用这些知识的方法，均隐式地表示为一个求解问题的过程。
主要优点：表示效率高，过程表示法是用程序来表示知识的，可以避免选择和匹配无关的知识，不需要跟踪不必要的路径，从而提高了系统的运行效率。控制系统容易实现：控制机制已嵌入到程序中，控制系统比较容易设计。主要缺点：不易修改和添加新知识，当对某一过程进行修改时，可能影响到其它过程，对系统维护带来不便。
三、人工智能的市场定位及分析
1、以下是对人工智能的市场定位及分析：
2、行业应用领域广泛：人工智能技术已广泛应用于金融、医疗、交通、教育等众多领域。在金融领域，人工智能技术有助于反欺诈、授信决策、智能客服、智能投顾等；在医疗领域，人工智能技术可以辅助医学图像分析，帮助医生快速、准确地诊断病情，为病人提供更为精准的治疗方案；在交通领域，人工智能技术有助于实现智能交通管理，提高交通安全性和效率；在教育领域，人工智能技术可以为学生提供个性化教育服务，提高教育质量。
3、技术应用不断深入：随着人工智能技术的不断发展，其在各个行业的应用也在不断深入。例如，在金融领域，人工智能技术的应用已经从简单的数据分析向复杂的金融产品设计和风险管理等领域拓展；在医疗领域，人工智能技术的应用已经从简单的医学图像分析向疾病诊断和治疗方案制定等领域拓展。
4、市场需求持续增长：随着人们对人工智能技术的认识和需求的提高，人工智能市场的需求也在持续增长。同时，越来越多的企业开始将人工智能技术应用于产品研发、生产、销售等环节，以提高效率、降低成本、改善用户体验等。
5、竞争格局日益激烈：随着人工智能市场的不断发展，竞争格局也日益激烈。众多科技巨头如Google、Amazon、Facebook等都在人工智能领域进行了大量投资和布局。同时，新兴的人工智能初创企业也在不断涌现，试图在市场上占据一席之地。
6、政策支持力度加大：许多国家和地区都在加大对人工智能产业的政策支持力度。例如，美国、中国、欧洲等国家和地区都出台了相应的人工智能发展战略和政策，以推动人工智能技术的发展和应用。
7、综上所述，人工智能市场具有广阔的发展前景和巨大的潜力。然而，同时也面临着激烈的竞争和不断变化的市场环境。因此，对于人工智能企业来说，需要不断加强技术创新和市场开拓能力，以适应市场需求和竞争格局的变化。
四、从物质和意识的辩证关系谈谈对人工智能认识的收获
物质决定意识，意识依赖于物质并反作用于意识。物质对意识的决定作用表现在意识的起源，本质和作用上。从意识的起源来看，意识是物质世界长期发展的产物。人工智能的“意识”就基于他所处的躯壳以及其中的代码，因而也由该部分的物质所决定。
五、人工智能的功能分类
1、人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
2、认知计算是最受欢迎的一个人工智能分支，负责所有感觉“像人一样”的交互。认知AI必须能够轻松处理复杂性和二义性，同时还持续不断地在数据挖掘、NLP（自然语言处理）和智能自动化的经验中学习。
3、现在人们越来越倾向于认为认知AI混合了人工智能做出的最好决策和人类工作者们的决定，用以监督更棘手或不确定的事件。这可以帮助扩大人工智能的适用性，并生成更快、更可靠的答案。
4、二、机器学习AI（MachineLearningAI）
5、机器学习（ML）AI是能在高速公路上自动驾驶你的特斯拉的那种人工智能。它还处于计算机科学的前沿，但将来有望对日常工作场所产生极大的影响。机器学习是要在大数据中寻找一些“模式”，然后在没有过多的人为解释的情况下，用这些模式来预测结果，而这些模式在普通的统计分析中是看不到的。
6、如果机器学习是前沿的，那么深度学习则是尖端的。这是一种你会把它送去参加智力问答的AI。它将大数据和无监督算法的分析相结合。它的应用通常围绕着庞大的未标记数据集，这些数据集需要结构化成互联的群集。深度学习的这种灵感完全来自于我们大脑中的神经网络，因此可恰当地称其为人工神经网络。
7、深度学习是许多现代语音和图像识别方法的基础，并且与以往提供的非学习方法相比，随着时间的推移具有更高的准确度。
8、希望在未来，深度学习AI可以自主回答客户的咨询，并通过聊天或电子邮件完成订单。或者它们可以基于其巨大的数据池在建议新产品和规格上帮助营销。或者也许有一天他们可以成为工作场所里的全方位助理，完全模糊机器人和人类之间的界限。