1.符号学习 　　符号学习就是基于符号处理的学习方法，包括机械学习、指导学习、解释学习、类比学习、示例学习、发现学习等等； 　　符号处理技术：基于符号演算的知识推理和知识学习技术。只有将人类能够理解的知识，用计算机能够理解的符号表示出来，才能够将知识传授给机器，才能够有智能系统的存在。因此，可以说符号处理是传统人工智能研究的根基，是知识工程的最基础技术之一。这一领域一直是人工智能的主要研究领域。 　　2.连接学习 　　连接学习也就是神经网络学习，是基于生物神经网络理论的机器学习方法。 　　神经网络技术：主要研究各种神经网络模型及其学习算法，这一领域是当前人工智能研究的一个十分活跃，且很有前途的分支领域。 　　将机器学习分为符号学习和连结学习的主要原因是，前者是建立在符号理论基础上的，它成立的前提是有大量的知识，而这些知识是人类专家总结出来的，至少解释这些知识的各种“事实”以及对事实的解释“规则”是专家总结归纳的。由于必须有人的参与，所以对于知识的可理解性，可读性非常重视。而所谓连结主义的神经网络则是强调大量的事实，以及对这些事实的反复观察。某种情况下需要人对事实的分类与标注，但是不需要人的解释。学习所形成的知识结构是人所难以理解的。系统本身对于使用的人来说就象是一个变魔术的黑盒子，根据输入给出输出，答案正确但不知道是怎么算出来的。神经网络的有关内容请参考第6章《神经网络》。