AI 领域七十多年的历史里，有一场争得最久的路线之争：符号主义与联结主义。一边主张智能来自对知识与规则的精确表示，符号摆弄清楚了，推理自然会来；一边主张智能应当从数据里自己学出来，人不必替机器把规则写尽。两条纲领各自拿过辉煌战绩，也都跌进过低谷。这篇只对照公开文献里的主张与节点，把这场争论的来龙去脉摆在一起看，不做高下结论。
两条纲领各自从哪起步
符号路线的公开起点一般记在 1956 年的达特茅斯会议（见达特茅斯会议一篇）：会议给这个学科起了名字，麦卡锡、明斯基、纽厄尔与西蒙等与会者此后多站在符号一侧。同一年，纽厄尔与西蒙的「逻辑理论家」程序公开演示了证明数学定理的能力。这条线的纲领后来由纽厄尔与西蒙在公开文献里概括为物理符号系统假设：智能行为的必要与充分条件，是作为一个物理符号系统在运转。在这套纲领里，知识写成符号与规则，推理就是在符号上做运算。
联结路线起步更早、节奏更慢。1943 年，麦卡洛克与皮茨发表神经元的数学模型，把神经活动写成逻辑运算；1958 年，罗森布拉特公开感知机（见感知机一篇），一台机器通过调整连接权重从样本里学会分类，学到的规则不需要人来写。两条纲领的分野由此清楚：知识是写出来的，还是学出来的。
符号与联结的此消彼长
把两条路线的公开节点排成一张对照表：
两条路线公开节点对照速查
- 1943：神经元数学模型公开，联结路线的理论起点
- 1956：达特茅斯会议与逻辑理论家，符号路线立纲
- 1958：感知机公开，联结路线展示学习能力
- 1969：《感知机》出版，单层局限被论证，联结路线进入低潮
- 1970 至 1980 年代：专家系统与定理证明推进，符号路线拿下主要战绩
- 1986：反向传播论文公开，多层网络可训练，联结路线回场
- 2012：深度网络在视觉竞赛大幅领先，学习路线成为主干
1969 年是第一次转折：明斯基与帕佩特的《感知机》一书论证单层结构连异或这样的函数都学不了，多层又缺少训练方法，联结路线的经费与关注度随之跌落，低潮的全貌见AI 寒冬一篇。符号路线在同期高歌猛进，专家系统（见专家系统一篇）在八十年代拿下真实行业订单。第二次转折在 1986 年：反向传播论文（见反向传播一篇）解决了多层训练问题，2012 年视觉竞赛的胜利让学习路线全面接管主干。两次低潮双方各领过一次，谁也没能把对方请出场——2012 年之后符号路线并未消失，而是换了个位置。
争的到底是什么：三个分歧点
剥开年代与人物，这场争论的分歧点公开文献里写得明白的有三个。其一是知识的来源：符号路线认为知识必须由人显式给出，机器负责运用；联结路线认为知识应当从数据中学出，人负责提供样本。其二是知识的形态：符号是可读的，一条规则写出来谁都能检查；联结主义的表示是分布式的，知识摊在亿万参数里，读不出来。其三是解释的方式：符号系统的推理链可以一步步展示；神经网络的判断难以逐条溯源，可解释性至今是公开研究课题。三个分歧互相咬合：来源之争决定形态，形态之争又牵动解释性。
| 分歧点 | 符号路线的主张 | 联结路线的主张 |
|---|---|---|
| 知识的来源 | 知识必须由人显式给出，机器负责运用 | 知识从数据中学出，人负责提供样本 |
| 知识的形态 | 符号可读，一条规则写出来谁都能检查 | 表示是分布式的，知识摊在亿万参数里，读不出来 |
| 解释的方式 | 推理链可以一步步展示 | 判断难以逐条溯源，可解释性至今是公开研究课题 |
2012 之后：从对峙到混编
2012 年之后，争论的形态从对峙转向分工与混编。今天的大模型被公开文献普遍归入联结主义路线的延伸：知识从大规模文本里学出，参数是知识的载体。但符号式的结构并没有离场：检索系统给模型外挂知识库，推理按步骤展开思维链，工具调用要按规则执行，这些都在把显式结构请回舞台；公开文献里神经符号方向的研究也在继续，尝试把两种表示放进同一个系统。落到日常：你用豆包查一个概念的定义、用腾讯元宝让它按固定格式输出一张表，前者用的是学出来的知识，后者靠的是人类预设的结构约束——两种传统的成分在同一件产品里合作。需要说明的分寸是：两条路线的优劣没有公认的裁决，本文只对照公开事实与公开主张，不做高下结论。
再多说几句符号与联结
- 两条路线的名字怎么来的？：符号主义得名于把智能看作符号运算的纲领；联结主义得名于把智能放在神经元之间的连接权重里，两者都是公开文献里的通行译名。
- 今天的大模型属于哪条路线？：公开文献普遍把神经网络类模型归入联结主义路线的延伸，但推理链、检索与工具调用里都有显式结构的成分，混编是常态。
- 神经符号方向是什么？：把符号表示与神经网络放进同一系统的公开研究方向，进展以公开论文为准。你可以让 DeepSeek 概括这个方向的代表性论文清单，再用 Kimi 核对清单里的年份与出处。
