人工智能（AI）是一个多学科交叉的领域，它涵盖了计算机科学、数学、神经科学等多个学科。在人工智能的发展过程中，出现了许多不同的学派和思想流派。这些学派各有特点，对人工智能的研究和应用产生了深远的影响。以下是一些不属于人工智能的主流学派的特点：
1. 认知心理学派：该学派认为人工智能应该关注人类的认知过程，包括感知、记忆、学习、决策等。这种观点强调了人脑在处理信息时所采用的启发式方法，以及人类在解决问题时所依赖的直觉和经验。认知心理学派的研究者通常关注如何模拟人类的思维方式，以便开发更智能的机器。
2. 社会计算学派：该学派关注机器如何在人类社会中发挥作用，以及机器如何与人类进行交互。这种观点强调了机器的社会属性，以及机器在解决社会问题、提高生活质量等方面的潜在价值。社会计算派的研究者通常关注如何设计能够适应人类行为和社会规范的机器，以便更好地服务于人类社会。
3. 生物启发式学派：该学派借鉴了生物学中的进化和自然选择原理，试图将生物机制应用于人工智能的设计。这种观点强调了模仿自然界中的优化过程，以实现机器性能的不断提升。生物启发式派的研究者通常关注如何从生物系统中提取灵感，以便开发出更加高效、灵活的人工智能系统。
4. 分布式智能学派：该学派认为人工智能应该关注机器之间的协同工作，以及机器与环境之间的互动。这种观点强调了分布式计算和网络化结构在人工智能中的应用，以便实现大规模的并行计算和资源共享。分布式智能派的研究者通常关注如何构建分布式神经网络、协同处理器等技术，以便实现机器间的智能化协作。
5. 泛在智能学派：该学派关注机器如何在各种环境和情境下发挥作用，以及机器如何适应不断变化的环境。这种观点强调了机器的灵活性和适应性，以及机器在面对未知和不确定因素时的应对能力。泛在智能派的研究者通常关注如何设计具有自适应能力的人工智能系统，以便在不同的应用场景中发挥最大效能。
6. 量子机器学习学派：该学派利用量子力学的原理和技术，探索机器学习的新途径。这种观点强调了量子比特和量子门等量子计算元素在机器学习中的应用，以及量子算法在解决复杂问题上的优势。量子机器学习派的研究者通常关注如何开发基于量子理论的机器学习模型，以便在处理大规模数据和复杂问题时取得突破。
除了上述主流学派外，还有一些新兴的学派和思想流派，如深度学习派、贝叶斯统计派、强化学习派等。这些学派和流派在人工智能的发展过程中起到了重要的推动作用，为人工智能的研究和应用提供了新的思路和方法。随着人工智能技术的不断进步，这些学派和流派之间的界限可能会逐渐模糊，新的思想和技术可能会出现，从而推动人工智能向更高层次的发展。
