AI 发展主要有以下两个学派：
早在 20 世纪 50 年代，AI 作为计算机领域的一门学科被确立以来，这两个流派就已存在。在最初的 20 多年里，因感知器模型的发明，仿生学派一直是 AI 研究的主要方向，但受制于当时的算力和神经网络的算法，以及计算机编程语言的快速进化，用程序逻辑来实现机器智能的“符号主义”开始占据主导。只有以约翰·霍普菲尔德为代表的少数研究人员还在为“连接主义”的理想而奋斗，欣顿教授就是其中之一。
早在20世纪50年代，AI作为计算机领域的一门学科被确立以来，如何让机器能够像人类一样思考，处理自然语言、读懂图像、做逻辑推理，当时就出现了两个流派。一个是主张用人类归纳知识的逻辑形式来实现机器智能的“逻辑学派”，另一个是模仿人类大脑神经元连接来实现机器智能的“仿生学派”，这两个学派分别代表了符号主义（Symbolicism）和连接主义（Connectionism）。神经元的复仇-[Neurons spike back](https://mazieres.gitlab.io/neurons-spike-back/index.htm?ref=indigox.me)在最初的20多年里，因为感知器模型（[Perceptron Model](https://towardsdatascience.com/perceptron-learning-algorithm-d5db0deab975?ref=indigox.me)）的发明，仿生学派一直是AI研究的主要方向，但受制于当时的算力和神经网络的算法，在计算机编程语言的快速进化的压力之下，用程序逻辑来实现机器智能的“符号主义”开始大行其道。只有以约翰·霍普菲尔德（[John Hopfield](https://en.wikipedia.org/wiki/John_Hopfield?ref=indigox.me)）为代表的少数研究人员还在为“连接主义”的理想而奋斗，欣顿教授就是其中之一。
持续学习和跟进：AI是一个快速发展的领域，新的研究成果和技术不断涌现。关注AI领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。考虑加入AI相关的社群和组织，参加研讨会、工作坊和会议，与其他AI爱好者和专业人士交流。
技术背景丰富：大多数人具备扎实的技术背景，包括编程、算法工程、AI应用开发、后端开发等，许多是AI行业内的技术专家或初学者。产品开发与管理经验：不少人有产品经理的经验，尤其在互联网和AI产品开发方面。同时，他们有丰富的项目管理与执行能力，能够推动AI产品的落地与优化。多元化应用场景：参与者广泛涉足AI的应用场景，包括AIGC内容创作、自动驾驶、金融数据分析、教育、医疗健康、影视创作、营销等，展现了AI在各行业的广泛应用。[heading4]AI爱好者与学习者[content]AI学习与技能提升：许多参与者处于AI技术的初学阶段，渴望通过学习提升技能，并将AI技术应用到实际工作和生活中。广泛使用AI工具：群体中广泛使用生成式AI工具，如Midjourney、Stable Diffusion（SD）、Coze、GPT等，展示出对AI工具的强烈兴趣。协作与共学氛围：他们活跃在各种AI学习社群和线上线下的活动中，热衷于共学与交流，进一步提升自己的技能与认知。[heading4]内容创作与营销能力[content]内容创作经验：许多人是自媒体运营者、视频博主、内容创作者，具有强大的文案策划、视频剪辑、图文制作等创意能力。营销策划与品牌运营：该群体中的营销和品牌运营人士熟练掌握商业化路径，能够将AI技术与商业化需求结合，提供完整的解决方案。活动策划与执行：他们有丰富的活动策划和运营经验，涉及线下工作坊、社群活动、比赛等，展示了较强的资源整合和组织协调能力。