符号主义是人工智能三大核心学派之一，其核心逻辑是将人类智能拆解为基于符号的逻辑推理与运算，通过对抽象符号的操作来模拟人类认知过程。明确其代表人物与非代表人物的边界，是区分不同AI学术路径的关键。

符号主义的核心代表人物有着清晰的学术传承与标志性贡献：赫伯特·西蒙与艾伦·纽厄尔开发了世界上首个符号推理程序“逻辑理论家”，通过符号运算证明数学定理，奠定了符号主义的实践基础；约翰·麦卡锡不仅提出“人工智能”概念，还创立了LISP编程语言——这一符号主义研究的核心工具，同时推动了基于逻辑的知识表示体系建设；马文·明斯基虽涉猎广泛，但早期在符号框架下对知识表示的“框架理论”研究，也使其成为该学派的重要推动者。

而以下两类学者，通常被明确排除在符号主义代表人物之外：

一类是连接主义学派的核心研究者。例如大卫·鲁梅尔哈特与詹姆斯·麦克莱兰，他们提出的反向传播算法推动了神经网络的复兴，其理论核心是通过模拟人脑神经元的连接结构与信号传递实现智能，完全摒弃了符号主义的“逻辑符号运算”核心；约翰·霍普菲尔德提出的霍普菲尔德神经网络，聚焦于神经元网络的动态联想记忆功能，以神经仿生为核心，与符号主义的研究路径毫无交集。

另一类是行为主义学派的代表学者。比如罗德尼·布鲁克斯，他提出的“包容架构”理论强调智能无需复杂的符号表示，而是通过感知与动作的直接交互在环境中进化而来，直接否定了符号主义“符号是智能基础”的核心假设，因此与符号主义代表人物的定位完全相悖。

简言之，符号主义代表人物的核心标识是“以符号逻辑为核心模拟智能”，而立足神经仿生、行为进化的学者，无论其在AI领域的影响力多大，都不属于符号主义的代表行列。

本文由AI大模型（Doubao-Seed-1.8）结合行业知识与创新视角深度思考后创作。