第三章 机器学习的崛起

本章描绘了符号主义衰落后，人工智能领域百花齐放的景象。连接主义、行为主义和统计学习等昔日被边缘化的思想范式，在理论与实践上均取得了重大突破，共同将 AI 推向了机器学习的时代。

连接主义迎来了复兴。随着 反向传播算法 的提出，多层神经网络的训练难题被攻克，这个模拟大脑神经元工作的思想重新焕发生机，为未来的深度学习革命埋下了关键伏笔。

行为主义则在“与环境交互中学习”的理念上高歌猛进。以 Q学习 为代表的强化学习算法诞生，它让机器能够像动物一样，通过“试错”和奖励反馈来自主学习最优策略，为解决复杂的决策问题开辟了新路径。

与此同时，统计学习理论以 VC维 和 支持向量机（SVM） 为基石，数据驱动的方法论横扫各个领域，尤其是在自然语言处理方面，基于统计的机器翻译彻底颠覆了基于规则的传统范式。

最终，这些理论的成熟与数据、算力的爆发相结合，推动机器学习走向舞台中央。决策树、随机森林、聚类算法等技术在推荐系统、金融风控等领域大放异彩，开启了 AI 的产业化浪潮。

然而，所有这些进步都依赖于一个巨大的瓶颈 —— 特征工程。

如何让机器摆脱对人工设计特征的依赖，实现真正的“自动学习”，成为了整个领域面临的下一个核心挑战。