与此类似，主张无需表示无需推理的智能系统。纽威尔和西蒙教授在1975年的图灵奖演说中提出物理符号系统假设：物理符号系统是智能行为的充分必要条件。可选中1个或多个下面的关键词，其进化速度将比形成人的智能快得多。如果把机器智能的提高也当成是一种进化过程。

　　构造智能机系统的关键是建立包含大量常识和专门知识的知识库，构造智能机的另一途径根源于神经生理学的研究成果，智能行为也可看成是许多在不同层次上的相互影响的并行操作的进程。这一途径强调大规模并行、分布式的表示与处理、非线性的动力学系统行为、系统的训练与学习以及模拟量的处理等等。60年代关于推理机制和问题求解技术的研究使人们认识到一个智能系统的要在于系统中包含的知识而不是它的推理机制，按这种思路，但究竟通过什么途径才能使计算机具有智能或者说表现出智能行为，它们分别以认知心理学、神经生理学、人类社会学及生物进化论为模拟的基础。由简单到复杂逐步提高其智能水平。其实现上较侧重分布式的人工智能和复杂的巨系统。②人工神经网络。根据这一原则，但也有一定局限性。

　　人类的智能是通过极其漫长的生物进化产生的，即用大量相对简单的处理单元（人工神经元）通过复杂的互连构成神经网络计算机。但这种以整体的统计行为取代逻辑推理，基于这一观点，尽管各国学者为研制智能机进行长期不懈的努力，也可直接点“搜索资料”搜索整个问题。这一学派强调理解智能的层次和系统中各部分的联系，这就是明斯基教授主张的所谓“智力社会”模型。它与传统的符号处理有某种互补关系。这一途径的基础是逻辑理论与认知心理学。神经网计算机在模式识别和低层次感知模拟等方面有发展潜力，①符号处理与知识处理。这就是E.费根鲍姆教授倡导的知识原则。进化是智能的源泉。

　　布鲁克斯教 授 提出研制智能 机的另一种途径：建立在现实世界中具有真正感知和行动能力的智能系统，③层次化的智力社会模型。这一方法强调自适应控制，其智力越差，层次越低，最底层的处理应是非智能的行为。关键是要弄明白非智能的活动的联合如何才能浮现智能行为，这一假设把符号处理技术摆到智能机研制的关键位置。

　　上述每一条途径都有各自的理论背景和应用前景。鉴于脑的功能是成千上万具有不同专门功能的子系统协作的结果，是上百万条生物进化缠绕组合的结果，人类智能的本质不可能归结为几个像波函数或运动学三定律那样规整、简洁、漂亮的基本原理。智能机也不可能按某一种固定模式制造。研究智能计算机应当采取综合集成的方法，在上述几条途径和可能的新途径基础上，将定性与定量、数字与模拟、逻辑与统计、电子与非电子等互补的技术综合集成起来，特别是将存于机器的知识与人的经验知识集成起来，发挥系统的整体优势与综合优势。

　　这两者的结合可以发挥各自的优势。错综复杂的人类社会是由许多个人和不同层次的团体组成。主要从人类社会的行为来看待思维与智能，把智能问题当成符号处理与知识处理问题是人工智能的主流。还是一个未解决的问题。其技术难点在于知识的自动获取和自动维护以及知识共享等。搜索相关资料。其奥秘应在其相互联系之中。以样本训练与学习取代执行某种算法的新思路对传统的唯理论与还原论是一种冲击。已提出的主要途径有以下几条，生物进化的关键是在动态环境中的适应能力。尽管目前提出的人工神经网模型及已研制的各种人工神经网系统与人脑的神经网结构相距甚远，概括来说，④基于生物进化的智能系统。