符号主义：
应用逻辑推理法则，从公理出发推演整个理论体系。
典型代表：知识图谱
相比于联结主义更具有可解释性，但是推理难
联结主义：
无需指定模拟领域的规则，神经网络可以从训练数据中自行摸索。用户只需提供输入数据与输出数据采样（数据采样规模越大种类越多，效果则越好）。联结主义算法不断采用回归模型来调节中间变量的权重系数，直到找到最优模型为止。
典型代表：神经网络
数据驱动，难以解释
未来发展方向：
符号主义与联结主义的结合
通过联结方法将图像感知为一个固定符号，上层推理通过符号构建规则运算。
现如今仍然使用feature map抽取图像，并未获得图像中一个真正的含义（符号），没有指定一种具有可解释性的规则。