行为学派，有时也被称为进化计算学派，通过适应环境、进化学习来提升生存与繁衍的能力。

行为学派通过模拟生物进化的“适者生存”，能自主学习和进化，代表技术包括强化学习和遗传算法。

其优势在于其强大的适应性、灵活性和鲁棒性，擅长在动态变化的环境中自适应地调整行为。

点击+号关注本账号，可获得更多精彩内容。

行为学派（Behaviorism），有时也被称为进化计算学派（Evolutionary Computation），是以行为主义、进化论、控制论为理论基础的学派。强调智能是通过行为与环境的交互中逐渐形成的，通过适应环境、进化学习来提升生存与繁衍的能力，而不是通过预设的逻辑推理规则或知识库实现的。该学派的核心思想是通过模拟生物进化的“适者生存”过程，借鉴了自然选择、遗传算法、群体智能（如蚁群算法）等生物进化原理，如选择、交叉和变异等机制，不断优化迭代。行为学派认为，智能不仅体现在认知层面，更体现在行为和动作层面，即如何通过感知、决策、行动的循环来适应环境变化。行为学派强调通过试错和适应性自主学习来实现智能，这与传统的符号学派和连接学派有很大的不同。行为学派模仿人自身的进步过程，能自主学习和进化，代表性技术包括强化学习（如下图所示，例如AlphaGo的自我对弈，更多介绍参见章节“5.27  【3D智能十八篇之十六】深度学习：像人脑一样深层次地思考”）和遗传算法（如优化问题中的种群迭代）。

行为学派的典型应用包括机器人控制、路径规划、自动导航、组合优化等，尤其是在缺乏明确数学模型的情况下。通过模拟生物进化和自然选择过程，逐步优化解决方案，从而在复杂的搜索空间中找到最优解。其优势在于其强大的适应性、灵活性和鲁棒性，擅长在动态变化的环境中自适应地调整行为。然而，由于依赖随机搜索，行为学派也面临着计算复杂度高、收敛速度慢等问题。为了提升效率与性能，研究者们不断探索新的进化策略、混合算法、并行计算技术、以及引入元学习策略，以期在更短的时间内找到更好的解；并尝试将进化算法与深度学习结合，如神经进化（NeuroEvolution），让神经网络的结构和参数通过进化方式优化。

更详细内容，请见本书的完整版。如果你有任何感想，请在评论区留言，一起讨论。

“AI哲学一吴怀宇”（中国科学院博士、北大博士后）作者主页：www.OpenDAI.org；邮件：huaiyuwu@sina.com

视频号/公众号：AI哲学一吴怀宇中国科学院（人工智能哲学）