心智计算的发展历程可以追溯到 20 世纪 60 年代，由最初的对心智的具体问题求解，逐渐演变为系统的心智计算理论形态，包括了以表征—计算为核心的第一代心智计算理论[1]，以及以具身性为理论特征的第二代心智计算理论[2]。
20 世纪早期，Warren McCulloch 和 Walter Pitts 最先提出了神经活动具有计算性的观点，并认为认知可以由计算来解释。20 世纪 60年代起，经过 Hilary Putnam、Jerry Fodor、David Marr 等人的发展，心智的计算理论（Computational Theory of Mind，CTM）正式被提出并成为第一代心智计算理论的核心，在人工智能和认知科学领域逐渐占据了主流地位。心智的计算理论认为，心智是一个通过大脑神经活动物理实现的计算系统，认知和意识都是一种计算形式。1975 年， Jerry Fodor 提出思维语言假设后，心智计算理论逐渐演变为包含符号计算和连接计算等不同范式。
20 世纪 80 年代之后，在 Hubert Dreyfus 和John Searle 等人对强人工智能激烈批判刺激下，以具身性（Embodiment）观念为其理论特征的第二代心智理论逐渐登上历史舞台。Shaun Gallagher 曾以包含具身认知（Embodied Cognition）、嵌入认知（Embedded Cognition）、延展认知（Extended Cognition）和生成认知（Enactive Cognition）的“4E认知”概括了具身心智理论的核心理念[2]。具身心智理论认为身体和心智是相互依存的，动物与人类的智能和认知过程不仅依赖于大脑，也依赖于身体和环境。
无论是以表征—计算为核心的第一代心智计算理论，还是以具身性为理论特征的第二代心智计算理论，都是过去几十年来人工智能领域围绕“心智是如何进行计算”这一问题的不断思考。随着近年来受生物神经机制启发的、以深度学习为代表的连接主义的重要应用突破
和对融合符号主义和连接主义的混合路径的不断探索，传统的心智计算理论有望在这些新突破的基础上焕发新生，为实现结构和机制受脑与心智启发、认知行为达到乃至超越动物与人类水平的智能系统提供更多启示。