由于人们对人工智能本质的不同理解和认识，形成了人工智能研究的多种不同的途径。在不同的研究途径下，其研究方法、学术观点和研究重点有所不同，进而形成不同的学派。这里主要介绍认知学派、逻辑学派、行为主义学派和连接主义学派。

1. 认知学派

以Minsky、Simon和Newell等人为代表，从人的思维活动出发，利用计算机进行宏观功能模拟。该学派认为认知的基元是符号，智能行为通过符号操作来实现。它以美国人Robinson提出的消解法（即归结原理）为基础，以LISP和Prolog语言为代表，着重于问题求解中的启发式搜索和推理过程。该学派在逻辑思维的模拟方面取得成功，如自动定理证明和专家系统。

1976年，Simon和Newell提出了物理符号系统假设，认为物理系统表现智能行为的充分必要条件是，它是一个物理符号系统。这样，可以把任何信息加工系统看成是一个具体的物理系统，如人的神经系统、计算机的构造系统等。所谓符号就是模式，任何一个模式只要能与其他模式相区别，它就是一个符号。例如，不同的英文字母就是不同的符号。对符号进行操作就是对符号进行比较，即找出哪几个是相同的符号，哪几个是不同的符号。物理符号系统的基本任务和功能就是辨认相同的符号和区分不同的符号。

Minsky从心理学的研究出发，认为人们在日常的认识活动中，使用了大批从以前的经验中获取并经过整理的知识，这些知识是以一种类似框架的结构记存在人脑中，由此提出了框架知识表示方法。Minsky认为人的智能，根本不存在统一的理论。1985年，他出版了《心智的社会》（The Society of Mind）一书，书中指出思维社会是由大量具有某种思维能力的单元组成的复杂社会。

2. 逻辑学派

以Mccarthy和N.J.Nillson等人为代表，主张用逻辑来研究人工智能，即用形式化的方法描述客观世界。

该学派主要观点如下：首先，智能机器必须有关于自身环境的知识；其次，通用智能机器要能陈述性地表达关于自身环境的大部分知识；再次，通用智能机器表示陈述性知识的语言至少要有一阶逻辑的表达能力。

逻辑学派在人工智能研究中，强调的是概念化知识表示、模型论语义、演绎推理等。Mccarthy主张任何事物都可以用统一的逻辑框架来表示，在常识推理中以非单调逻辑为中心。

3. 行为主义学派

以布鲁克斯（R.A.Brooks）等人为代表，认为智能行为只能在现实世界中，由系统与周围环境的交互过程中表现出来。

1991年，Brooks提出了无须知识表示的智能和无须推理的智能。他还以其观点为基础，研制了一种机器虫。该机器用一些相对独立的功能单元，分别实现避让、前进、平衡等功能，组成分层异步分布式网络。该学派对机器人的研究开创了一种新方法。

该学派的主要观点可以概括如下：首先，智能系统与环境进行交互，即从运行的环境中获取信息（感知），并通过自己的动作对环境施加影响；其次，指出智能取决于感知和行为，提出了智能行为的“感知-行为”模型，认为智能系统可以不需要知识、不需要表示、不需要推理，像人类智能一样可以逐步进化；再次，强调直觉和反馈的重要性，智能行为体现在系统与环境的交互之中，功能、结构和智能行为是不可分割的。

4. 连接主义学派

以Rumelhart、Mcclelland和Hopfield等人为代表，从人的大脑神经系统结构出发，研究非程序的、适应性的、类似大脑风格的信息处理的本质和能力，人们也称它为神经计算。这种方法一般通过人工神经网络的“自学习”获得知识，再利用知识解决问题。由于它近年来的迅速发展，大量的人工神经网络的机理、模型、算法不断地涌现出来。人工神经网络具有高度的并行分布性、很强的鲁棒性和容错性，使其在图像、声音等信息的识别和处理中广泛应用。

此外，还有知识工程学派和分布式学派。知识工程学派以Feigenbaum为代表，研究知识在人类智能中的作用和地位。分布式学派以 Hewitt 为代表，研究智能系统中知识的分布行为。