人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會(huì)是人類智慧的“容器”。人工智能可以對(duì)人的意識(shí)、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。
人工智能是一門極富挑戰(zhàn)性的科學(xué)，從事這項(xiàng)工作的人必須懂得計(jì)算機(jī)知識(shí)，心理學(xué)和哲學(xué)。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機(jī)器學(xué)習(xí)，計(jì)算機(jī)視覺等等，總的說來，人工智能研究的一個(gè)主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。但不同的時(shí)代、不同的人對(duì)這種“復(fù)雜工作”的理解是不同的。2017年12月，人工智能入選“2017年度中國媒體十大流行語”。
人工智能的定義可以分為兩部分，即“人工”和“智能”。“人工”比較好理解，爭(zhēng)議性也不大。有時(shí)我們會(huì)要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步，等等。但總的來說，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。
關(guān)于什么是“智能”，就問題多多了。這涉及到其它諸如意識(shí)（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識(shí)的思維（UNCONSCIOUS_MIND））等等問題。人唯一了解的智能是人本身的智能，這是普遍認(rèn)同的觀點(diǎn)。但是我們對(duì)我們自身智能的理解都非常有限，對(duì)構(gòu)成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對(duì)人的智能本身的研究。其它關(guān)于動(dòng)物或其它人造系統(tǒng)的智能也普遍被認(rèn)為是人工智能相關(guān)的研究課題。
人工智能在計(jì)算機(jī)領(lǐng)域內(nèi)，得到了愈加廣泛的重視。并在機(jī)器人，經(jīng)濟(jì)政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應(yīng)用。
尼爾遜教授對(duì)人工智能下了這樣一個(gè)定義：“人工智能是關(guān)于知識(shí)的學(xué)科――怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)。”而另一個(gè)美國麻省理工學(xué)院的溫斯頓教授認(rèn)為：“人工智能就是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作。”這些說法反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動(dòng)的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計(jì)算機(jī)的軟硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。
人工智能是計(jì)算機(jī)學(xué)科的一個(gè)分支，二十世紀(jì)七十年代以來被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能）。也被認(rèn)為是二十一世紀(jì)三大尖端技術(shù)（基因工程、納米科學(xué)、人工智能）之一。這是因?yàn)榻陙硭@得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩的成果，人工智能已逐步成為一個(gè)獨(dú)立的分支，無論在理論和實(shí)踐上都已自成一個(gè)系統(tǒng)。
人工智能是研究使計(jì)算機(jī)來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類似于人腦智能的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。人工智能將涉及到計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等學(xué)科?？梢哉f幾乎是自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科，其范圍已遠(yuǎn)遠(yuǎn)超出了計(jì)算機(jī)科學(xué)的范疇，人工智能與思維科學(xué)的關(guān)系是實(shí)踐和理論的關(guān)系，人工智能是處于思維科學(xué)的技術(shù)應(yīng)用層次，是它的一個(gè)應(yīng)用分支。從思維觀點(diǎn)看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進(jìn)人工智能的突破性的發(fā)展，數(shù)學(xué)常被認(rèn)為是多種學(xué)科的基礎(chǔ)科學(xué)，數(shù)學(xué)也進(jìn)入語言、思維領(lǐng)域，人工智能學(xué)科也必須借用數(shù)學(xué)工具，數(shù)學(xué)不僅在標(biāo)準(zhǔn)邏輯、模糊數(shù)學(xué)等范圍發(fā)揮作用，數(shù)學(xué)進(jìn)入人工智能學(xué)科，它們將互相促進(jìn)而更快地發(fā)展。 [3]
研究價(jià)值
具有人工智能的機(jī)器人
具有人工智能的機(jī)器人
例如繁重的科學(xué)和工程計(jì)算本來是要人腦來承擔(dān)的，如今計(jì)算機(jī)不但能完成這種計(jì)算，而且能夠比人腦做得更快、更準(zhǔn)確，因此當(dāng)代人已不再把這種計(jì)算看作是“需要人類智能才能完成的復(fù)雜任務(wù)”，可見復(fù)雜工作的定義是隨著時(shí)代的發(fā)展和技術(shù)的進(jìn)步而變化的，人工智能這門科學(xué)的具體目標(biāo)也自然隨著時(shí)代的變化而發(fā)展。它一方面不斷獲得新的進(jìn)展，另一方面又轉(zhuǎn)向更有意義、更加困難的目標(biāo)。
通常，“機(jī)器學(xué)習(xí)”的數(shù)學(xué)基礎(chǔ)是“統(tǒng)計(jì)學(xué)”、“信息論”和“控制論”。還包括其他非數(shù)學(xué)學(xué)科。這類“機(jī)器學(xué)習(xí)”對(duì)“經(jīng)驗(yàn)”的依賴性很強(qiáng)。計(jì)算機(jī)需要不斷從解決一類問題的經(jīng)驗(yàn)中獲取知識(shí)，學(xué)習(xí)策略，在遇到類似的問題時(shí)，運(yùn)用經(jīng)驗(yàn)知識(shí)解決問題并積累新的經(jīng)驗(yàn)，就像普通人一樣。我們可以將這樣的學(xué)習(xí)方式稱之為“連續(xù)型學(xué)習(xí)”。但人類除了會(huì)從經(jīng)驗(yàn)中學(xué)習(xí)之外，還會(huì)創(chuàng)造，即“跳躍型學(xué)習(xí)”。這在某些情形下被稱為“靈感”或“頓悟”。一直以來，計(jì)算機(jī)最難學(xué)會(huì)的就是“頓悟”?；蛘咴賴?yán)格一些來說，計(jì)算機(jī)在學(xué)習(xí)和“實(shí)踐”方面難以學(xué)會(huì)“不依賴于量變的質(zhì)變”，很難從一種“質(zhì)”直接到另一種“質(zhì)”，或者從一個(gè)“概念”直接到另一個(gè)“概念”。正因?yàn)槿绱耍@里的“實(shí)踐”并非同人類一樣的實(shí)踐。人類的實(shí)踐過程同時(shí)包括經(jīng)驗(yàn)和創(chuàng)造。
這是智能化研究者夢(mèng)寐以求的東西。
2013年，帝金數(shù)據(jù)普數(shù)中心數(shù)據(jù)研究員S.C WANG開發(fā)了一種新的數(shù)據(jù)分析方法，該方法導(dǎo)出了研究函數(shù)性質(zhì)的新方法。作者發(fā)現(xiàn)，新數(shù)據(jù)分析方法給計(jì)算機(jī)學(xué)會(huì)“創(chuàng)造”提供了一種方法。本質(zhì)上，這種方法為人的“創(chuàng)造力”的模式化提供了一種相當(dāng)有效的途徑。這種途徑是數(shù)學(xué)賦予的，是普通人無法擁有但計(jì)算機(jī)可以擁有的“能力”。從此，計(jì)算機(jī)不僅精于算，還會(huì)因精于算而精于創(chuàng)造。計(jì)算機(jī)學(xué)家們應(yīng)該斬釘截鐵地剝奪“精于創(chuàng)造”的計(jì)算機(jī)過于全面的操作能力，否則計(jì)算機(jī)真的有一天會(huì)“反捕”人類。
當(dāng)回頭審視新方法的推演過程和數(shù)學(xué)的時(shí)候，作者拓展了對(duì)思維和數(shù)學(xué)的認(rèn)識(shí)。數(shù)學(xué)簡(jiǎn)潔，清晰，可靠性、模式化強(qiáng)。在數(shù)學(xué)的發(fā)展史上，處處閃耀著數(shù)學(xué)大師們創(chuàng)造力的光輝。這些創(chuàng)造力以各種數(shù)學(xué)定理或結(jié)論的方式呈現(xiàn)出來，而數(shù)學(xué)定理最大的特點(diǎn)就是：建立在一些基本的概念和公理上，以模式化的語言方式表達(dá)出來的包含豐富信息的邏輯結(jié)構(gòu)。應(yīng)該說，數(shù)學(xué)是最單純、最直白地反映著（至少一類）創(chuàng)造力模式的學(xué)科。
發(fā)展階段
1956年夏季，以麥卡賽、明斯基、羅切斯特和申農(nóng)等為首的一批有遠(yuǎn)見卓識(shí)的年輕科學(xué)家在一起聚會(huì)，共同研究和探討用機(jī)器模擬智能的一系列有關(guān)問題，并首次提出了“人工智能”這一術(shù)語，它標(biāo)志著“人工智能”這門新興學(xué)科的正式誕生。IBM公司“深藍(lán)”電腦擊敗了人類的世界國際象棋冠軍更是人工智能技術(shù)的一個(gè)完美表現(xiàn)。
從1956年正式提出人工智能學(xué)科算起，50多年來，取得長足的發(fā)展，成為一門廣泛的交叉和前沿科學(xué)?？偟恼f來，人工智能的目的就是讓計(jì)算機(jī)這臺(tái)機(jī)器能夠像人一樣思考。如果希望做出一臺(tái)能夠思考的機(jī)器，那就必須知道什么是思考，更進(jìn)一步講就是什么是智慧。什么樣的機(jī)器才是智慧的呢？科學(xué)家已經(jīng)作出了汽車，火車，飛機(jī)，收音機(jī)等等，它們模仿我們身體器官的功能，但是能不能模仿人類大腦的功能呢？到目前為止，我們也僅僅知道這個(gè)裝在我們天靈蓋里面的東西是由數(shù)十億個(gè)神經(jīng)細(xì)胞組成的器官，我們對(duì)這個(gè)東西知之甚少，模仿它或許是天下最困難的事情了。
當(dāng)計(jì)算機(jī)出現(xiàn)后，人類開始真正有了一個(gè)可以模擬人類思維的工具，在以后的歲月中，無數(shù)科學(xué)家為這個(gè)目標(biāo)努力著。如今人工智能已經(jīng)不再是幾個(gè)科學(xué)家的專利了，全世界幾乎所有大學(xué)的計(jì)算機(jī)系都有人在研究這門學(xué)科，學(xué)習(xí)計(jì)算機(jī)的大學(xué)生也必須學(xué)習(xí)這樣一門課程，在大家不懈的努力下，如今計(jì)算機(jī)似乎已經(jīng)變得十分聰明了。例如，1997年5月，IBM公司研制的深藍(lán)（DEEP BLUE）計(jì)算機(jī)戰(zhàn)勝了國際象棋大師卡斯帕洛夫（KASPAROV）。大家或許不會(huì)注意到，在一些地方計(jì)算機(jī)幫助人進(jìn)行其它原來只屬于人類的工作，計(jì)算機(jī)以它的高速和準(zhǔn)確為人類發(fā)揮著它的作用。人工智能始終是計(jì)算機(jī)科學(xué)的前沿學(xué)科，計(jì)算機(jī)編程語言和其它計(jì)算機(jī)軟件都因?yàn)橛辛巳斯ぶ悄艿倪M(jìn)展而得以存在。
科學(xué)介紹
實(shí)際應(yīng)用
機(jī)器視覺，指紋識(shí)別，人臉識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，掌紋識(shí)別，專家系統(tǒng)，自動(dòng)規(guī)劃，智能搜索，定理證明，博弈，自動(dòng)程序設(shè)計(jì)，智能控制，機(jī)器人學(xué)，語言和圖像理解，遺傳編程等。
學(xué)科范疇
人工智能是一門邊緣學(xué)科，屬于自然科學(xué)和社會(huì)科學(xué)的交叉。
涉及學(xué)科
哲學(xué)和認(rèn)知科學(xué)，數(shù)學(xué)，神經(jīng)生理學(xué)，心理學(xué)，計(jì)算機(jī)科學(xué)，信息論，控制論，不定性論
研究范疇
自然語言處理，知識(shí)表現(xiàn)，智能搜索，推理，規(guī)劃，機(jī)器學(xué)習(xí)，知識(shí)獲取，組合調(diào)度問題，感知問題，模式識(shí)別，邏輯程序設(shè)計(jì)軟計(jì)算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法
意識(shí)和人工智能
人工智能就其本質(zhì)而言，是對(duì)人的思維的信息過程的模擬。
對(duì)于人的思維模擬可以從兩條道路進(jìn)行，一是結(jié)構(gòu)模擬，仿照人腦的結(jié)構(gòu)機(jī)制，制造出“類人腦”的機(jī)器；二是功能模擬，暫時(shí)撇開人腦的內(nèi)部結(jié)構(gòu)，而從其功能過程進(jìn)行模擬?，F(xiàn)代電子計(jì)算機(jī)的產(chǎn)生便是對(duì)人腦思維功能的模擬，是對(duì)人腦思維的信息過程的模擬。
弱人工智能如今不斷地迅猛發(fā)展，尤其是2008年經(jīng)濟(jì)危機(jī)后，美日歐希望借機(jī)器人等實(shí)現(xiàn)再工業(yè)化，工業(yè)機(jī)器人以比以往任何時(shí)候更快的速度發(fā)展，更加帶動(dòng)了弱人工智能和相關(guān)領(lǐng)域產(chǎn)業(yè)的不斷突破，很多必須用人來做的工作如今已經(jīng)能用機(jī)器人實(shí)現(xiàn)。
而強(qiáng)人工智能則暫時(shí)處于瓶頸，還需要科學(xué)家們和人類的努力。
技術(shù)研究
用來研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)平臺(tái)的機(jī)器就是計(jì)算機(jī)，人工智能的發(fā)展歷史是和計(jì)算機(jī)科學(xué)技術(shù)的發(fā)展史聯(lián)系在一起的。除了計(jì)算機(jī)科學(xué)以外，人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。人工智能學(xué)科研究的主要內(nèi)容包括：知識(shí)表示、自動(dòng)推理和搜索方法、機(jī)器學(xué)習(xí)和知識(shí)獲取、知識(shí)處理系統(tǒng)、自然語言理解、計(jì)算機(jī)視覺、智能機(jī)器人、自動(dòng)程序設(shè)計(jì)等方面。
研究方法
如今沒有統(tǒng)一的原理或范式指導(dǎo)人工智能研究。許多問題上研究者都存在爭(zhēng)論。其中幾個(gè)長久以來仍沒有結(jié)論的問題是：是否應(yīng)從心理或神經(jīng)方面模擬人工智能?或者像鳥類生物學(xué)對(duì)于航空工程一樣，人類生物學(xué)對(duì)于人工智能研究是沒有關(guān)系的？智能行為能否用簡(jiǎn)單的原則（如邏輯或優(yōu)化）來描述？還是必須解決大量完全無關(guān)的問題？
智能是否可以使用高級(jí)符號(hào)表達(dá)，如詞和想法？還是需要“子符號(hào)”的處理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提議人工智能應(yīng)歸類為SYNTHETIC INTELLIGENCE，這個(gè)概念后來被某些非GOFAI研究者采納。
大腦模擬
主條目：控制論和計(jì)算神經(jīng)科學(xué)
20世紀(jì)40年代到50年代，許多研究者探索神經(jīng)病學(xué)，信息理論及控制論之間的聯(lián)系。其中還造出一些使用電子網(wǎng)絡(luò)構(gòu)造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 這些研究者還經(jīng)常在普林斯頓大學(xué)和英國的RATIO CLUB舉行技術(shù)協(xié)會(huì)會(huì)議.直到1960， 大部分人已經(jīng)放棄這個(gè)方法，盡管在80年代再次提出這些原理。
符號(hào)處理
主條目：GOFAI
當(dāng)20世紀(jì)50年代，數(shù)字計(jì)算機(jī)研制成功，研究者開始探索人類智能是否能簡(jiǎn)化成符號(hào)處理。研究主要集中在卡內(nèi)基梅隆大學(xué)， 斯坦福大學(xué)和麻省理工學(xué)院，而各自有獨(dú)立的研究風(fēng)格。JOHN HAUGELAND稱這些方法為GOFAI(出色的老式人工智能)。[33] 60年代，符號(hào)方法在小型證明程序上模擬高級(jí)思考有很大的成就。基于控制論或神經(jīng)網(wǎng)絡(luò)的方法則置于次要。[34] 60~70年代的研究者確信符號(hào)方法最終可以成功創(chuàng)造強(qiáng)人工智能的機(jī)器，同時(shí)這也是他們的目標(biāo)。
認(rèn)知模擬經(jīng)濟(jì)學(xué)家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化，同時(shí)他們?yōu)槿斯ぶ悄艿幕驹泶蛳禄A(chǔ)，如認(rèn)知科學(xué)， 運(yùn)籌學(xué)和經(jīng)營科學(xué)。他們的研究團(tuán)隊(duì)使用心理學(xué)實(shí)驗(yàn)的結(jié)果開發(fā)模擬人類解決問題方法的程序。這方法一直在卡內(nèi)基梅隆大學(xué)沿襲下來，并在80年代于SOAR發(fā)展到高峰?；谶壿嫴幌癜瑐?middot;紐厄爾和赫伯特·西蒙，JOHN MCCARTHY認(rèn)為機(jī)器不需要模擬人類的思想，而應(yīng)嘗試找到抽象推理和解決問題的本質(zhì)，不管人們是否使用同樣的算法。他在斯坦福大學(xué)的實(shí)驗(yàn)室致力于使用形式化邏輯解決多種問題，包括知識(shí)表示， 智能規(guī)劃和機(jī)器學(xué)習(xí). 致力于邏輯方法的還有愛丁堡大學(xué)，而促成歐洲的其他地方開發(fā)編程語言PROLOG和邏輯編程科學(xué).“反邏輯”斯坦福大學(xué)的研究者 (如馬文·閔斯基和西摩爾·派普特)發(fā)現(xiàn)要解決計(jì)算機(jī)視覺和自然語言處理的困難問題，需要專門的方案-他們主張不存在簡(jiǎn)單和通用原理（如邏輯）能夠達(dá)到所有的智能行為。ROGER SCHANK 描述他們的“反邏輯”方法為 "SCRUFFY" .常識(shí)知識(shí)庫 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子，因?yàn)樗麄儽仨毴斯ひ淮尉帉懸粋€(gè)復(fù)雜的概念?；谥R(shí)大約在1970年出現(xiàn)大容量內(nèi)存計(jì)算機(jī)，研究者分別以三個(gè)方法開始把知識(shí)構(gòu)造成應(yīng)用軟件。這場(chǎng)“知識(shí)革命”促成專家系統(tǒng)的開發(fā)與計(jì)劃，這是第一個(gè)成功的人工智能軟件形式。“知識(shí)革命”同時(shí)讓人們意識(shí)到許多簡(jiǎn)單的人工智能軟件可能需要大量的知識(shí)。
子符號(hào)法
80年代符號(hào)人工智能停滯不前，很多人認(rèn)為符號(hào)系統(tǒng)永遠(yuǎn)不可能模仿人類所有的認(rèn)知過程，特別是感知，機(jī)器人，機(jī)器學(xué)習(xí)和模式識(shí)別。很多研究者開始關(guān)注子符號(hào)方法解決特定的人工智能問題。
自下而上， 接口AGENT，嵌入環(huán)境（機(jī)器人），行為主義，新式AI機(jī)器人領(lǐng)域相關(guān)的研究者，如RODNEY BROOKS，否定符號(hào)人工智能而專注于機(jī)器人移動(dòng)和求生等基本的工程問題。他們的工作再次關(guān)注早期控制論研究者的觀點(diǎn)，同時(shí)提出了在人工智能中使用控制理論。這與認(rèn)知科學(xué)領(lǐng)域中的表征感知論點(diǎn)是一致的:更高的智能需要個(gè)體的表征(如移動(dòng)，感知和形象)。計(jì)算智能80年代中DAVID RUMELHART 等再次提出神經(jīng)網(wǎng)絡(luò)和聯(lián)結(jié)主義. 這和其他的子符號(hào)方法，如模糊控制和進(jìn)化計(jì)算，都屬于計(jì)算智能學(xué)科研究范疇。
統(tǒng)計(jì)學(xué)法
90年代，人工智能研究發(fā)展出復(fù)雜的數(shù)學(xué)工具來解決特定的分支問題。這些工具是真正的科學(xué)方法，即這些方法的結(jié)果是可測(cè)量的和可驗(yàn)證的，同時(shí)也是人工智能成功的原因。共用的數(shù)學(xué)語言也允許已有學(xué)科的合作（如數(shù)學(xué)，經(jīng)濟(jì)或運(yùn)籌學(xué)）。STUART J. RUSSELL和PETER NORVIG指出這些進(jìn)步不亞于“革命”和“NEATS的成功”。有人批評(píng)這些技術(shù)太專注于特定的問題，而沒有考慮長遠(yuǎn)的強(qiáng)人工智能目標(biāo)。
集成方法
智能AGENT范式智能AGENT是一個(gè)會(huì)感知環(huán)境并作出行動(dòng)以達(dá)致目標(biāo)的系統(tǒng)。最簡(jiǎn)單的智能AGENT是那些可以解決特定問題的程序。更復(fù)雜的AGENT包括人類和人類組織（如公司）。這些范式可以讓研究者研究單獨(dú)的問題和找出有用且可驗(yàn)證的方案，而不需考慮單一的方法。一個(gè)解決特定問題的AGENT可以使用任何可行的方法-一些AGENT用符號(hào)方法和邏輯方法，一些則是子符號(hào)神經(jīng)網(wǎng)絡(luò)或其他新的方法。范式同時(shí)也給研究者提供一個(gè)與其他領(lǐng)域溝通的共同語言--如決策論和經(jīng)濟(jì)學(xué)（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被廣泛接受。AGENT體系結(jié)構(gòu)和認(rèn)知體系結(jié)構(gòu)研究者設(shè)計(jì)出一些系統(tǒng)來處理多ANGENT系統(tǒng)中智能AGENT之間的相互作用。一個(gè)系統(tǒng)中包含符號(hào)和子符號(hào)部分的系統(tǒng)稱為混合智能系統(tǒng) ，而對(duì)這種系統(tǒng)的研究則是人工智能系統(tǒng)集成。分級(jí)控制系統(tǒng)則給反應(yīng)級(jí)別的子符號(hào)AI 和最高級(jí)別的傳統(tǒng)符號(hào)AI提供橋梁，同時(shí)放寬了規(guī)劃和世界建模的時(shí)間。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一個(gè)早期的分級(jí)系統(tǒng)計(jì)劃。
智能模擬
機(jī)器視、聽、觸、感覺及思維方式的模擬：指紋識(shí)別，人臉識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，掌紋識(shí)別，專家系統(tǒng)，智能搜索，定理證明，邏輯推理，博弈，信息感應(yīng)與辨證處理。
學(xué)科范疇
人工智能是一門邊沿學(xué)科，屬于自然科學(xué)、社會(huì)科學(xué)、技術(shù)科學(xué)三向交叉學(xué)科。
涉及學(xué)科
哲學(xué)和認(rèn)知科學(xué)，數(shù)學(xué)，神經(jīng)生理學(xué)，心理學(xué)，計(jì)算機(jī)科學(xué)，信息論，控制論，不定性論，仿生學(xué)，社會(huì)結(jié)構(gòu)學(xué)與科學(xué)發(fā)展觀。
研究范疇
語言的學(xué)習(xí)與處理，知識(shí)表現(xiàn)，智能搜索，推理，規(guī)劃，機(jī)器學(xué)習(xí)，知識(shí)獲取，組合調(diào)度問題，感知問題，模式識(shí)別，邏輯程序設(shè)計(jì)，軟計(jì)算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法人類思維方式，最關(guān)鍵的難題還是機(jī)器的自主創(chuàng)造性思維能力的塑造與提升。
安全問題
人工智能還在研究中，但有學(xué)者認(rèn)為讓計(jì)算機(jī)擁有智商是很危險(xiǎn)的，它可能會(huì)反抗人類。這種隱患也在多部電影中發(fā)生過，其主要的關(guān)鍵是允不允許機(jī)器擁有自主意識(shí)的產(chǎn)生與延續(xù)，如果使機(jī)器擁有自主意識(shí)，則意味著機(jī)器具有與人同等或類似的創(chuàng)造性，自我保護(hù)意識(shí)，情感和自發(fā)行為。
實(shí)現(xiàn)方法
人工智能在計(jì)算機(jī)上實(shí)現(xiàn)時(shí)有2種不同的方式。一種是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動(dòng)物機(jī)體所用的方法相同。這種方法叫工程學(xué)方法（ENGINEERING APPROACH），它已在一些領(lǐng)域內(nèi)作出了成果，如文字識(shí)別、電腦下棋等。另一種是模擬法（MODELING APPROACH），它不僅要看效果，還要求實(shí)現(xiàn)方法也和人類或生物機(jī)體所用的方法相同或相類似。遺傳算法（GENERIC ALGORITHM，簡(jiǎn)稱GA）和人工神經(jīng)網(wǎng)絡(luò)（ARTIFICIAL NEURAL NETWORK，簡(jiǎn)稱ANN）均屬后一類型。遺傳算法模擬人類或生物的遺傳-進(jìn)化機(jī)制，人工神經(jīng)網(wǎng)絡(luò)則是模擬人類或動(dòng)物大腦中神經(jīng)細(xì)胞的活動(dòng)方式。為了得到相同智能效果，兩種方式通常都可使用。采用前一種方法，需要人工詳細(xì)規(guī)定程序邏輯，如果游戲簡(jiǎn)單，還是方便的。如果游戲復(fù)雜，角色數(shù)量和活動(dòng)空間增加，相應(yīng)的邏輯就會(huì)很復(fù)雜（按指數(shù)式增長），人工編程就非常繁瑣，容易出錯(cuò)。而一旦出錯(cuò)，就必須修改原程序，重新編譯、調(diào)試，最后為用戶提供一個(gè)新的版本或提供一個(gè)新補(bǔ)丁，非常麻煩。采用后一種方法時(shí)，編程者要為每一角色設(shè)計(jì)一個(gè)智能系統(tǒng)（一個(gè)模塊）來進(jìn)行控制，這個(gè)智能系統(tǒng)（模塊）開始什么也不懂，就像初生嬰兒那樣，但它能夠?qū)W習(xí)，能漸漸地適應(yīng)環(huán)境，應(yīng)付各種復(fù)雜情況。這種系統(tǒng)開始也常犯錯(cuò)誤，但它能吸取教訓(xùn)，下一次運(yùn)行時(shí)就可能改正，至少不會(huì)永遠(yuǎn)錯(cuò)下去，用不到發(fā)布新版本或打補(bǔ)丁。利用這種方法來實(shí)現(xiàn)人工智能，要求編程者具有生物學(xué)的思考方法，入門難度大一點(diǎn)。但一旦入了門，就可得到廣泛應(yīng)用。由于這種方法編程時(shí)無須對(duì)角色的活動(dòng)規(guī)律做詳細(xì)規(guī)定，應(yīng)用于復(fù)雜問題，通常會(huì)比前一種方法更省力。
專業(yè)機(jī)構(gòu)
美國
⒈ MASSACHUSETTS INSTITUTE OF TECHNOLOGY麻省理工學(xué)院
⒉ STANFORD UNIVERSITY斯坦福大學(xué)(CA)
⒊ CARNEGIE MELLON UNIVERSITY卡內(nèi)基美隆大學(xué)(PA)
⒋ UNIVERSITY OF CALIFORNIA-BERKELEY加州大學(xué)伯克利分校
⒌ UNIVERSITY OF WASHINGTON華盛頓大學(xué)
⒍ UNIVERSITY OF TEXAS-AUSTIN德克薩斯大學(xué)奧斯汀分校
⒎ UNIVERSITY OF PENNSYLVANIA賓夕法尼亞大學(xué)
⒏ UNIVERSITY OF ILLINOIS-URBANA-CHAMPAIGN 伊利諾伊大學(xué)厄本那—香檳分校
⒐ UNIVERSITY OF MARYLAND-COLLEGE PARK馬里蘭大學(xué)帕克分校
⒑ CORNELL UNIVERSITY 康奈爾大學(xué) (NY)
⒒ UNIVERSITY OF MASSACHUSETTS-AMHERST馬薩諸塞大學(xué)AMHERST校區(qū)
⒓ GEORGIA INSTITUTE OF TECHNOLOGY佐治亞理工學(xué)院
UNIVERSITY OF MICHIGAN-ANN ARBOR 密西根大學(xué)-安娜堡分校
⒕ UNIVERSITY OF SOUTHERN CALIFORNIA南加州大學(xué)
⒖ COLUMBIA UNIVERSITY哥倫比亞大學(xué)(NY)
UNIVERSITY OF CALIFORNIA-LOS ANGELES加州大學(xué)洛杉磯分校
⒘ BROWN UNIVERSITY布朗大學(xué)(RI)
⒙ YALE UNIVERSITY耶魯大學(xué)(CT)
⒚ UNIVERSITY OF CALIFORNIA-SAN DIEGO加利福尼亞大學(xué)圣地亞哥分校
⒛ UNIVERSITY OF WISCONSIN-MADISON威斯康星大學(xué)麥迪遜分校
中國
1、中國科學(xué)院自動(dòng)化研究所
2、清華大學(xué)
3、北京大學(xué)
4、南京理工大學(xué)
5、北京科技大學(xué)
6、中國科學(xué)技術(shù)大學(xué)
7、吉林大學(xué)
8、哈爾濱工業(yè)大學(xué)
9、北京郵電大學(xué)
10、北京理工大學(xué)
11、廈門大學(xué)人工智能研究所
12、西安交通大學(xué)智能車研究所
13、中南大學(xué)智能系統(tǒng)與智能軟件研究所
14、西安電子科技大學(xué)智能所
15、華中科技大學(xué)圖像與人工智能研究所
16、重慶郵電大學(xué)
17、武漢工程大學(xué)
主要成果
人機(jī)對(duì)弈
1996年2月10～17日， GARRY KASPAROV以4：2戰(zhàn)勝“深藍(lán)” （DEEP BLUE）。
1997年5月3～11日， GARRY KASPAROV以2.5：3.5輸于改進(jìn)后的“深藍(lán)”。
2003年2月GARRY KASPAROV 3:3戰(zhàn)平 “小深”（DEEP JUNIOR）。
2003年11月GARRY KASPAROV 2:2戰(zhàn)平 “X3D德國人” (X3D-FRITZ）。
模式識(shí)別
采用 $模式識(shí)別引擎，分支有2D識(shí)別引擎 ，3D識(shí)別引擎，駐波識(shí)別引擎以及多維識(shí)別引擎
2D識(shí)別引擎已推出指紋識(shí)別，人像識(shí)別 ，文字識(shí)別，圖像識(shí)別 ，車牌識(shí)別；駐波識(shí)別引擎已推出語音識(shí)別；3D識(shí)別引擎已推出指紋識(shí)別玉帶林中掛（玩游智能版1.25）
自動(dòng)工程
自動(dòng)駕駛（OSO系統(tǒng)）
印鈔工廠（￥流水線）
獵鷹系統(tǒng)（YOD繪圖）
知識(shí)工程
以知識(shí)本身為處理對(duì)象，研究如何運(yùn)用人工智能和軟件技術(shù)，設(shè)計(jì)、構(gòu)造和維護(hù)知識(shí)系統(tǒng)
專家系統(tǒng)
智能搜索引擎
計(jì)算機(jī)視覺和圖像處理
機(jī)器翻譯和自然語言理解
數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)
相關(guān)著作
《視讀人工智能》：機(jī)器真的可以思考嗎？人的思維只是一個(gè)復(fù)雜的計(jì)算機(jī)程序嗎？本書著眼于人工智能這個(gè)有史以來最為棘手的科學(xué)問題之一，集中探討了其背后的一些主要話題。人工智能不僅僅是一個(gè)虛構(gòu)的概念。人類對(duì)智能機(jī)體結(jié)構(gòu)半個(gè)世紀(jì)的研究表明：機(jī)器可以打敗人類最偉大的棋手，類人機(jī)器人可以走路并且能和人類進(jìn)行互動(dòng)。盡管早就有宣言稱智能機(jī)器指日可待，但此方面的進(jìn)展卻緩慢而艱難。意識(shí)和環(huán)境是困擾研究的兩大難題。我們到底應(yīng)該怎樣去制造智能機(jī)器呢？它應(yīng)該像大腦一樣運(yùn)轉(zhuǎn)？它是否需要軀體？從圖靈影響深遠(yuǎn)的奠基性研究到機(jī)器人和新人工智能的飛躍，本書圖文并茂的將人工智能在過去半個(gè)世紀(jì)的發(fā)展清晰的呈現(xiàn)在讀者面前。
《人工智能的未來》：詮釋了智能的內(nèi)涵，闡述了大腦工作的原理，并告訴我們?nèi)绾尾拍苤圃斐稣嬲饬x上的智能機(jī)器——這樣的智能機(jī)器將不再僅僅是對(duì)人類大腦的簡(jiǎn)單模仿，它們的智能在許多方面會(huì)遠(yuǎn)遠(yuǎn)超過人腦?；艚鹚拐J(rèn)為，從人工智能到神經(jīng)網(wǎng)絡(luò)，早先復(fù)制人類智能的努力無一成功，究其原因，都是由于人們并未真正了解智能的內(nèi)涵和人類大腦。所謂智能，就是人腦比較過去、預(yù)測(cè)未來的能力。大腦不是計(jì)算機(jī)，不會(huì)亦步亦趨、按部就班的根據(jù)輸入產(chǎn)生輸出。大腦是一個(gè)龐大的記憶系統(tǒng)，它儲(chǔ)存著在某種程度上反映世界真實(shí)結(jié)構(gòu)的經(jīng)驗(yàn)，能夠記憶事件的前后順序及其相互關(guān)系，并依據(jù)記憶做出預(yù)測(cè)。形成智能、感覺、創(chuàng)造力以及知覺等基礎(chǔ)的，就是大腦的記憶-預(yù)測(cè)系統(tǒng)……
《人工智能哲學(xué)》：人工智能哲學(xué)是伴隨現(xiàn)代信息理論和計(jì)算機(jī)技術(shù)發(fā)展起來的一個(gè)哲學(xué)分支。本書收集了人工智能研究領(lǐng)域?qū)W者的十五篇代表性論文，這些論文為計(jì)算機(jī)科學(xué)的發(fā)展和人工智能哲學(xué)的建立作出了開創(chuàng)性的貢獻(xiàn)。這些文章總結(jié)了人工智能發(fā)展的歷程，該學(xué)科發(fā)展的趨勢(shì)，以及人工智能中的重要課題。在這些劃時(shí)代的著作中，包括有：現(xiàn)代計(jì)算機(jī)理論之父艾倫·圖靈的“計(jì)算機(jī)與智能”；美國哲學(xué)家塞爾的“心靈，大腦與程序”；J·E·欣頓等人的“分布式表述”，以及本書編者、英國人工智能學(xué)者M(jìn)·A·博登的“逃出中文屋”。
《人工智能：一種現(xiàn)代的方法》：本書以詳盡和豐富的資料，從理性智能體的角度，全面闡述了人工智能領(lǐng)域的核心內(nèi)容，并深入介紹了各個(gè)主要的研究方向，是一本難得的綜合性教材。全書分為八大部分：第一部分"人工智能"，第二部分"問題求解"，第三部分"知識(shí)與推理"，第四部分"規(guī)劃"，第五部分"不確定知識(shí)與推理"，第六部分"學(xué)習(xí)"，第七部分"通訊、感知與行動(dòng)"，第八部分"結(jié)論"。本書既詳細(xì)介紹了大量的基本概念、思想和算法，也描述了各研究方向最前沿的進(jìn)展，同時(shí)收集整理了詳實(shí)的歷史文獻(xiàn)與事件。因此本書適合于不同層次和領(lǐng)域的研究人員及學(xué)生，可以作為信息領(lǐng)域和相關(guān)領(lǐng)域的高等院校本科生和研究生的教材或教學(xué)輔導(dǎo)書目，也可以作為相關(guān)領(lǐng)域的科研與工程技術(shù)人員的參考書。
發(fā)展簡(jiǎn)史
人工智能的傳說可以追溯到古埃及，但隨著1941年以來電子計(jì)算機(jī)的發(fā)展，技術(shù)已最終可以創(chuàng)造出機(jī)器智能，“人工智能”（ARTIFICIAL INTELLIGENCE）一詞最初是在1956年DARTMOUTH學(xué)會(huì)上提出的，從那以后，研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之?dāng)U展，在它還不長的歷史中，人工智能的發(fā)展比預(yù)想的要慢，但一直在前進(jìn)，從40年前出現(xiàn)至今，已經(jīng)出現(xiàn)了許多AI程序，并且它們也影響到了其它 技術(shù)的發(fā)展。
計(jì)算機(jī)時(shí)代
1941年的一項(xiàng)發(fā)明使信息存儲(chǔ)和處理的各個(gè)方面都發(fā)生了革命.這項(xiàng)同時(shí)在美國和德國出現(xiàn)的 發(fā)明就是電子計(jì)算機(jī).第一臺(tái)計(jì)算機(jī)要占用幾間裝空調(diào)的大房間，對(duì)程序員來說是場(chǎng)噩夢(mèng)：僅僅為運(yùn)行一 個(gè)程序就要設(shè)置成千的線路.1949年改進(jìn)后的能存儲(chǔ)程序的計(jì)算機(jī)使得輸入程序變得簡(jiǎn)單些，而且計(jì)算機(jī) 理論的發(fā)展產(chǎn)生了計(jì)算機(jī)科學(xué)，并最終促使了人工智能的出現(xiàn).計(jì)算機(jī)這個(gè)用電子方式處理數(shù)據(jù)的發(fā)明，為人工智能的可能實(shí)現(xiàn)提供了一種媒介.
雖然計(jì)算機(jī)為AI提供了必要的技術(shù)基礎(chǔ)，但直到50年代早期人們才注意到人類智能與機(jī)器之間 的聯(lián)系. NORBERT WIENER是最早研究反饋理論的美國人之一.最熟悉的反饋控制的例子是自動(dòng)調(diào)溫器.它 將收集到的房間溫度與希望的溫度比較，并做出反應(yīng)將加熱器開大或關(guān)小，從而控制環(huán)境溫度.這項(xiàng)對(duì)反饋 回路的研究重要性在于：WIENER從理論上指出，所有的智能活動(dòng)都是反饋機(jī)制的結(jié)果.而反饋機(jī)制是有可 能用機(jī)器模擬的.這項(xiàng)發(fā)現(xiàn)對(duì)早期AI的發(fā)展影響很大.
1955年末，NEWELL和SIMON做了一個(gè)名為"邏輯專家"(LOGIC THEORIST）的程序.這個(gè)程序被許多人 認(rèn)為是第一個(gè)AI程序.它將每個(gè)問題都表示成一個(gè)樹形模型，然后選擇最可能得到正確結(jié)論的那一枝來求解 問題."邏輯專家"對(duì)公眾和AI研究領(lǐng)域產(chǎn)生的影響使它成為AI發(fā)展中一個(gè)重要的里程碑.1956年，被認(rèn)為是 人工智能之父的JOHN MCCARTHY組織了一次學(xué)會(huì)，將許多對(duì)機(jī)器智能感興趣的專家學(xué)者聚集在一起進(jìn)行了一 個(gè)月的討論.他請(qǐng)他們到 VERMONT參加 " DARTMOUTH人工智能夏季研究會(huì)".從那時(shí)起，這個(gè)領(lǐng)域被命名為 "人工智能".雖然 DARTMOUTH學(xué)會(huì)不是非常成功，但它確實(shí)集中了AI的創(chuàng)立者們，并為以后的AI研究奠定了基礎(chǔ).
DARTMOUTH會(huì)議后的7年中，AI研究開始快速發(fā)展.雖然這個(gè)領(lǐng)域還沒明確定義，會(huì)議中的一些思想 已被重新考慮和使用了. CARNEGIE MELLON大學(xué)和MIT開始組建AI研究中心.研究面臨新的挑戰(zhàn)：下一步需 要建立能夠更有效解決問題的系統(tǒng)，例如在"邏輯專家"中減少搜索；還有就是建立可以自我學(xué)習(xí)的系統(tǒng).
1957年一個(gè)新程序，"通用解題機(jī)"(GPS）的第一個(gè)版本進(jìn)行了測(cè)試.這個(gè)程序是由制作"邏輯專家" 的同一個(gè)組開發(fā)的.GPS擴(kuò)展了WIENER的反饋原理，可以解決很多常識(shí)問題.兩年以后，IBM成立了一個(gè)AI研 究組.HERBERT GELERNETER花3年時(shí)間制作了一個(gè)解幾何定理的程序.
當(dāng)越來越多的程序涌現(xiàn)時(shí)，MCCARTHY正忙于一個(gè)AI史上的突破.1958年MCCARTHY宣布了他的新成 果：LISP語言. LISP到今天還在用."LISP"的意思是"表處理"(LIST PROCESSING），它很快就為大多數(shù)AI開發(fā)者采納.
1963年MIT從美國政府得到一筆220萬美元的資助，用于研究機(jī)器輔助識(shí)別.這筆資助來自國防部 高級(jí)研究計(jì)劃署（ARPA），已保證美國在技術(shù)進(jìn)步上領(lǐng)先于蘇聯(lián).這個(gè)計(jì)劃吸引了來自全世界的計(jì)算機(jī)科學(xué)家，加快了AI研究的發(fā)展步伐.
競(jìng)賽
LOEBNER（人工智能類）
以人類的智慧創(chuàng)造出堪與人類大腦相平行的機(jī)器腦（人工智能），對(duì)人類來說是一個(gè)極具誘惑的領(lǐng)域，人類為了實(shí)現(xiàn)這一夢(mèng)想也已經(jīng)奮斗了很多個(gè)年頭了。而從一個(gè)語言研究者的角度來看，要讓機(jī)器與人之間自由交流那是相當(dāng)困難的，甚至可以說可能會(huì)是一個(gè)永無答案的問題。人類的語言，人類的智能是如此的復(fù)雜，以至于我們的研究還并未觸及其導(dǎo)向本質(zhì)的外延部分的邊沿。
大量程序
以后幾年出現(xiàn)了大量程序.其中一個(gè)叫"SHRDLU"."SHRDLU"是"微型世界"項(xiàng)目的一部分，包括 在微型世界（例如只有有限數(shù)量的幾何形體）中的研究與編程.在MIT由MARVIN MINSKY領(lǐng)導(dǎo)的研究人員發(fā)現(xiàn)，面對(duì)小規(guī)模的對(duì)象，計(jì)算機(jī)程序可以解決空間和邏輯問題.其它如在60年代末出現(xiàn)的"STUDENT"可以解決代數(shù) 問題，"SIR"可以理解簡(jiǎn)單的英語句子.這些程序的結(jié)果對(duì)處理語言理解和邏輯有所幫助.
70年代另一個(gè)進(jìn)展是專家系統(tǒng).專家系統(tǒng)可以預(yù)測(cè)在一定條件下某種解的概率.由于當(dāng)時(shí)計(jì)算機(jī)已 有巨大容量，專家系統(tǒng)有可能從數(shù)據(jù)中得出規(guī)律.專家系統(tǒng)的市場(chǎng)應(yīng)用很廣.十年間，專家系統(tǒng)被用于股市預(yù) 測(cè)，幫助醫(yī)生診斷疾病，以及指示礦工確定礦藏位置等.這一切都因?yàn)閷＜蚁到y(tǒng)存儲(chǔ)規(guī)律和信息的能力而成為可能.
70年代許多新方法被用于AI開發(fā)，如MINSKY的構(gòu)造理論.另外DAVID MARR提出了機(jī)器視覺方 面的新理論，例如，如何通過一副圖像的陰影，形狀，顏色，邊界和紋理等基本信息辨別圖像.通過分析這些信 息，可以推斷出圖像可能是什么.同時(shí)期另一項(xiàng)成果是PROLOGE語言，于1972年提出. 80年代期間，AI前進(jìn)更為迅速，并更多地進(jìn)入商業(yè)領(lǐng)域.1986年，美國AI相關(guān)軟硬件銷售高達(dá)4.25億 美元.專家系統(tǒng)因其效用尤受需求.象數(shù)字電氣公司這樣的公司用XCON專家系統(tǒng)為VAX大型機(jī)編程.杜邦，通用 汽車公司和波音公司也大量依賴專家系統(tǒng).為滿足計(jì)算機(jī)專家的需要，一些生產(chǎn)專家系統(tǒng)輔助制作軟件的公 司，如TEKNOWLEDGE和INTELLICORP成立了。為了查找和改正現(xiàn)有專家系統(tǒng)中的錯(cuò)誤，又有另外一些專家系統(tǒng)被設(shè)計(jì)出來.
日常生活
人們開始感受到計(jì)算機(jī)和人工智能技術(shù)的影響.計(jì)算機(jī)技術(shù)不再只屬于實(shí)驗(yàn)室中的一小群研究人員. 個(gè)人電腦和眾多技術(shù)雜志使計(jì)算機(jī)技術(shù)展現(xiàn)在人們面前.有了像美國人工智能協(xié)會(huì)這樣的基金會(huì).因?yàn)锳I開發(fā) 的需要，還出現(xiàn)了一陣研究人員進(jìn)入私人公司的熱潮。150多所像DEC（它雇了700多員工從事AI研究）這樣的公司共花了10億美元在內(nèi)部的AI開發(fā)組上.
其它AI領(lǐng)域也在80年代進(jìn)入市場(chǎng).其中一項(xiàng)就是機(jī)器視覺. MINSKY和MARR的成果如今用到了生產(chǎn)線上的相機(jī)和計(jì)算機(jī)中，進(jìn)行質(zhì)量控制.盡管還很簡(jiǎn)陋，這些系統(tǒng)已能夠通過黑白區(qū)別分辨出物件形狀的不同.到1985年美國有一百多個(gè)公司生產(chǎn)機(jī)器視覺系統(tǒng)，銷售額共達(dá)8千萬美元.
但80年代對(duì)AI工業(yè)來說也不全是好年景.86-87年對(duì)AI系統(tǒng)的需求下降，業(yè)界損失了近5億美元.象 TEKNOWLEDGE和INTELLICORP兩家共損失超過6百萬美元，大約占利潤的三分之一巨大的損失迫使許多研究領(lǐng) 導(dǎo)者削減經(jīng)費(fèi).另一個(gè)令人失望的是國防部高級(jí)研究計(jì)劃署支持的所謂"智能卡車".這個(gè)項(xiàng)目目的是研制一種能完成許多戰(zhàn)地任務(wù)的機(jī)器人。由于項(xiàng)目缺陷和成功無望，PENTAGON停止了項(xiàng)目的經(jīng)費(fèi).
盡管經(jīng)歷了這些受挫的事件，AI仍在慢慢恢復(fù)發(fā)展.新的技術(shù)在日本被開發(fā)出來，如在美國首創(chuàng)的模糊邏輯，它可以從不確定的
人工智能機(jī)器人
人工智能機(jī)器人(2張)
條件作出決策；還有神經(jīng)網(wǎng)絡(luò)，被視為實(shí)現(xiàn)人工智能的可能途徑.總之，80年代AI被引入了市場(chǎng)，并顯示出實(shí)用價(jià)值.可以確信，它將是通向21世紀(jì)之匙. 人工智能技術(shù)接受檢驗(yàn) 在"沙漠風(fēng)暴"行動(dòng)中軍方的智能設(shè)備經(jīng)受了戰(zhàn)爭(zhēng)的檢驗(yàn).人工智能技術(shù)被用于導(dǎo)彈系統(tǒng)和預(yù)警顯示以 及其它先進(jìn)武器.AI技術(shù)也進(jìn)入了家庭.智能電腦的增加吸引了公眾興趣；一些面向蘋果機(jī)和IBM兼容機(jī)的應(yīng)用 軟件例如語音和文字識(shí)別已可買到；使用模糊邏輯，AI技術(shù)簡(jiǎn)化了攝像設(shè)備.對(duì)人工智能相關(guān)技術(shù)更大的需求促 使新的進(jìn)步不斷出現(xiàn).人工智能已經(jīng)并且將繼續(xù)不可避免地改變我們的生活。
強(qiáng)弱對(duì)比
人工智能的一個(gè)比較流行的定義，也是該領(lǐng)域較早的定義，是由約翰·麥卡錫（JOHN MCCARTHY）在1956年的達(dá)特矛斯會(huì)議（DARTMOUTH CONFERENCE）上提出的：人工智能就是要讓機(jī)器的行為看起來就象是人所表現(xiàn)出的智能行為一樣。但是這個(gè)定義似乎忽略了強(qiáng)人工智能的可能性（見下）。另一個(gè)定義指人工智能是人造機(jī)器所表現(xiàn)出來的智能性?？傮w來講，對(duì)人工智能的定義大多可劃分為四類，即機(jī)器“像人一樣思考”、“像人一樣行動(dòng)”、“理性地思考”和“理性地行動(dòng)”。這里“行動(dòng)”應(yīng)廣義地理解為采取行動(dòng)，或制定行動(dòng)的決策，而不是肢體動(dòng)作。
強(qiáng)人工智能(BOTTOM-UP AI)
強(qiáng)人工智能觀點(diǎn)認(rèn)為有可能制造出真正能推理（REASONING）和解決問題（PROBLEM_SOLVING）的智能機(jī)器，并且，這樣的機(jī)器能將被認(rèn)為是有知覺的，有自我意識(shí)的。強(qiáng)人工智能可以有兩類：
類人的人工智能，即機(jī)器的思考和推理就像人的思維一樣。
非類人的人工智能，即機(jī)器產(chǎn)生了和人完全不一樣的知覺和意識(shí)，使用和人完全不一樣的推理方式。
弱人工智能(TOP-DOWN AI)
弱人工智能觀點(diǎn)認(rèn)為不可能制造出能真正地推理（REASONING）和解決問題（PROBLEM_SOLVING）的智能機(jī)器，這些機(jī)器只不過看起來像是智能的，但是并不真正擁有智能，也不會(huì)有自主意識(shí)。
主流科研集中在弱人工智能上，并且一般認(rèn)為這一研究領(lǐng)域已經(jīng)取得可觀的成就。強(qiáng)人工智能的研究則處于停滯不前的狀態(tài)下。
對(duì)強(qiáng)人工智能的哲學(xué)爭(zhēng)論
“強(qiáng)人工智能”一詞最初是約翰·羅杰斯·希爾勒針對(duì)計(jì)算機(jī)和其它信息處理機(jī)器創(chuàng)造的，其定義為：
“強(qiáng)人工智能觀點(diǎn)認(rèn)為計(jì)算機(jī)不僅是用來研究人的思維的一種工具；相反，只要運(yùn)行適當(dāng)?shù)某绦?，?jì)算機(jī)本身就是有思維的。”（J SEARLE IN MINDS BRAINS AND PROGRAMS. THE BEHAVIORAL AND BRAIN SCIENCES,VOL. 3,1980）這是指使計(jì)算機(jī)從事智能的活動(dòng)。在這里智能的涵義是多義的、不確定的，像下面所提到的就是其中的例子。利用計(jì)算機(jī)解決問題時(shí)，必須知道明確的程序?？墒牵思词乖诓磺宄绦驎r(shí)，根據(jù)發(fā)現(xiàn)（HEU- RISTIC）法而設(shè)法巧妙的解決了問題的情況是不少的。如識(shí)別書寫的文字、圖形、聲音等，所謂認(rèn)識(shí)模型就是一例。再有，能力因?qū)W習(xí)而得到的提高和歸納推理、依據(jù)類推而進(jìn)行的推理等，也是其例。此外，解決的程序雖然是清楚的，但是實(shí)行起來需要很長時(shí)間，對(duì)于這樣的問題，人能在很短的時(shí)間內(nèi)找出相當(dāng)好的解決方法，如競(jìng)技的比賽等就是其例。還有，計(jì)算機(jī)在沒有給予充分的合乎邏輯的正確信息時(shí)，就不能理解它的意義，而人在僅是被給予不充分、不正確的信息的情況下，根據(jù)適當(dāng)?shù)难a(bǔ)充信息，也能抓住它的意義。自然語言就是例子。用計(jì)算機(jī)處理自然語言，稱為自然語言處理。
關(guān)于強(qiáng)人工智能的爭(zhēng)論不同于更廣義的一元論和二元論（DUALISM）的爭(zhēng)論。其爭(zhēng)論要點(diǎn)是：如果一臺(tái)機(jī)器的唯一工作原理就是對(duì)編碼數(shù)據(jù)進(jìn)行轉(zhuǎn)換，那么這臺(tái)機(jī)器是不是有思維的？希爾勒認(rèn)為這是不可能的。他舉了個(gè)中文房間的例子來說明，如果機(jī)器僅僅是對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換，而數(shù)據(jù)本身是對(duì)某些事情的一種編碼表現(xiàn)，那么在不理解這一編碼和這實(shí)際事情之間的對(duì)應(yīng)關(guān)系的前提下，機(jī)器不可能對(duì)其處理的數(shù)據(jù)有任何理解。基于這一論點(diǎn)，希爾勒認(rèn)為即使有機(jī)器通過了圖靈測(cè)試，也不一定說明機(jī)器就真的像人一樣有思維和意識(shí)。
也有哲學(xué)家持不同的觀點(diǎn)。DANIEL C. DENNETT 在其著作 CONSCIOUSNESS EXPLAINED 里認(rèn)為，人也不過是一臺(tái)有靈魂的機(jī)器而已，為什么我們認(rèn)為人可以有智能而普通機(jī)器就不能呢？他認(rèn)為像上述的數(shù)據(jù)轉(zhuǎn)換機(jī)器是有可能有思維和意識(shí)的。
有的哲學(xué)家認(rèn)為如果弱人工智能是可實(shí)現(xiàn)的，那么強(qiáng)人工智能也是可實(shí)現(xiàn)的。比如SIMON BLACKBURN在其哲學(xué)入門教材 THINK 里說道，一個(gè)人的看起來是“智能”的行動(dòng)并不能真正說明這個(gè)人就真的是智能的。我永遠(yuǎn)不可能知道另一個(gè)人是否真的像我一樣是智能的，還是說她/他僅僅是看起來是智能的?；谶@個(gè)論點(diǎn)，既然弱人工智能認(rèn)為可以令機(jī)器看起來像是智能的，那就不能完全否定這機(jī)器是真的有智能的。BLACKBURN 認(rèn)為這是一個(gè)主觀認(rèn)定的問題。
需要要指出的是，弱人工智能并非和強(qiáng)人工智能完全對(duì)立，也就是說，即使強(qiáng)人工智能是可能的，弱人工智能仍然是有意義的。至少，今日的計(jì)算機(jī)能做的事，像算術(shù)運(yùn)算等，在百多年前是被認(rèn)為很需要智能的。
研究課題
人工智能的研究方向已經(jīng)被分成幾個(gè)子領(lǐng)域，研究人員希望一個(gè)人工智能系統(tǒng)應(yīng)該具有某些特定能力，以下將這些能力列出并說明。
解決問題
早期的人工智能研究人員直接模仿人類進(jìn)行逐步的推理，就像是玩棋盤游戲或進(jìn)行邏輯推理時(shí)人類的思考模式。到了1980和1990年代，利用概率和經(jīng)濟(jì)學(xué)上的概念，人工智能研究還發(fā)展了非常成功的方法處理不確定或不完整的資訊。
對(duì)于困難的問題，有可能需要大量的運(yùn)算資源，也就是發(fā)生了“可能組合爆增”：當(dāng)問題超過一定的規(guī)模時(shí)，電腦會(huì)需要天文數(shù)量級(jí)的存儲(chǔ)器或是運(yùn)算時(shí)間。尋找更有效的算法是優(yōu)先的人工智能研究項(xiàng)目。
人類解決問題的模式通常是用最快捷，直觀的判斷，而不是有意識(shí)的，一步一步的推導(dǎo)，早期人工智能研究通常使用逐步推導(dǎo)的方式。人工智能研究已經(jīng)于這種“次表征性的”解決問題方法取得進(jìn)展：實(shí)體化AGENT研究強(qiáng)調(diào)感知運(yùn)動(dòng)的重要性。神經(jīng)網(wǎng)絡(luò)研究試圖以模擬人類和動(dòng)物的大腦結(jié)構(gòu)重現(xiàn)這種技能。
知識(shí)表示法
AN ONTOLOGY REPRESENTS KNOWLEDGE AS A SET OF CONCEPTS WITHIN A DOMAIN AND THE RELATIONSHIPS BETWEEN THOSE CONCEPTS.
主條目：知識(shí)表示和常識(shí)知識(shí)庫
規(guī)劃
智能AGENT必須能夠制定目標(biāo)和實(shí)現(xiàn)這些目標(biāo)。他們需要一種方法來建立一個(gè)可預(yù)測(cè)的世界模型(將整個(gè)世界狀態(tài)用數(shù)學(xué)模型表現(xiàn)出來，并能預(yù)測(cè)它們的行為將如何改變這個(gè)世界)，這樣就可以選擇功效最大的行為。 在傳統(tǒng)的規(guī)劃問題中，智能AGENT被假定它是世界中唯一具有影響力的，所以它要做出什么行為是已經(jīng)確定的。 但是，如果事實(shí)并非如此，它必須定期檢查世界模型的狀態(tài)是否和自己的預(yù)測(cè)相符合。如果不符合，它必須改變它的計(jì)劃。因此智能代理必須具有在不確定結(jié)果的狀態(tài)下推理的能力。 在多AGENT中，多個(gè)AGENT規(guī)劃以合作和競(jìng)爭(zhēng)的方式去完成一定的目標(biāo)，使用演化算法和群體智慧可以達(dá)成一個(gè)整體的突現(xiàn)行為目標(biāo)。
學(xué)習(xí)
主條目：機(jī)器學(xué)習(xí)
機(jī)械學(xué)習(xí)的主要目的是為了從使用者和輸入數(shù)據(jù)等處獲得知識(shí)，從而可以幫助解決更多問題，減少錯(cuò)誤，提高解決問題的效率。對(duì)于人工智能來說，機(jī)械學(xué)習(xí)從一開始就很重要。1956年，在最初的達(dá)特茅斯夏季會(huì)議上，雷蒙德索洛莫諾夫?qū)懥艘黄P(guān)于不監(jiān)視的概率性機(jī)械學(xué)習(xí)：一個(gè)歸納推理的機(jī)械。
自然語言處理
主條目：自然語言處理
運(yùn)動(dòng)和控制
主條目：機(jī)器人學(xué)
知覺
主條目：機(jī)器感知、計(jì)算機(jī)視覺和語音識(shí)別
機(jī)器感知 是指能夠使用傳感器所輸入的資料(如照相機(jī)，麥克風(fēng)，聲納以及其他的特殊傳感器)然后推斷世界的狀態(tài)。計(jì)算機(jī)視覺能夠分析影像輸入。另外還有語音識(shí)別 、人臉辨識(shí)和物體辨識(shí)。
社交
主條目：情感計(jì)算
KISMET, 一個(gè)具有表情等社交能力的機(jī)器人
情感和社交技能對(duì)于一個(gè)智能AGENT是很重要的。 首先，通過了解他們的動(dòng)機(jī)和情感狀態(tài)，代理人能夠預(yù)測(cè)別人的行動(dòng)(這涉及要素 博弈論、決策理論以及能夠塑造人的情感和情緒感知能力檢測(cè))。此外，為了良好的人機(jī)互動(dòng)，智慧代理人也需要表現(xiàn)出情緒來。至少它必須出現(xiàn)禮貌地和人類打交道。至少，它本身應(yīng)該有正常的情緒。
創(chuàng)造力
主條目：計(jì)算機(jī)創(chuàng)造力
一個(gè)人工智能的子領(lǐng)域，代表了理論(從哲學(xué)和心理學(xué)的角度)和實(shí)際(通過特定的實(shí)現(xiàn)產(chǎn)生的系統(tǒng)的輸出是可以考慮的創(chuàng)意，或系統(tǒng)識(shí)別和評(píng)估創(chuàng)造力)所定義的創(chuàng)造力。 相關(guān)領(lǐng)域研究的包括了人工直覺和人工想像。
多元智能
大多數(shù)研究人員希望他們的研究最終將被納入一個(gè)具有多元智能(稱為強(qiáng)人工智能)，結(jié)合以上所有的技能并且超越大部分人類的能力。 有些人認(rèn)為要達(dá)成以上目標(biāo)，可能需要擬人化的特性，如人工意識(shí)或人工大腦。 上述許多問題被認(rèn)為是人工智能完整性：為了解決其中一個(gè)問題，你必須解決全部的問題。即使一個(gè)簡(jiǎn)單和特定的任務(wù)，如機(jī)器翻譯，要求機(jī)器按照作者的論點(diǎn)(推理)，知道什么是被人談?wù)?知識(shí))，忠實(shí)地再現(xiàn)作者的意圖(情感計(jì)算)。因此，機(jī)器翻譯被認(rèn)為是具有人工智能完整性：它可能需要強(qiáng)人工智能，就像是人類一樣。
人工智能影響
（1）人工智能對(duì)自然科學(xué)的影響。在需要使用數(shù)學(xué)計(jì)算機(jī)工具解決問題的學(xué)科，AI帶來的幫助不言而喻。更重要的是，AI反過來有助于人類最終認(rèn)識(shí)自身智能的形成。
（2）人工智能對(duì)經(jīng)濟(jì)的影響。專家系統(tǒng)更深入各行各業(yè)，帶來巨大的宏觀效益。AI也促進(jìn)了計(jì)算機(jī)工業(yè)網(wǎng)絡(luò)工業(yè)的發(fā)展。但同時(shí)，也帶來了勞務(wù)就業(yè)問題。由于AI在科技和工程中的應(yīng)用，能夠代替人類進(jìn)行各種技術(shù)工作和腦力勞動(dòng)，會(huì)造成社會(huì)結(jié)構(gòu)的劇烈變化。
（3）人工智能對(duì)社會(huì)的影響。AI也為人類文化生活提供了新的模式?，F(xiàn)有的游戲?qū)⒅鸩桨l(fā)展為更高智能的交互式文化娛樂手段，今天，游戲中的人工智能應(yīng)用已經(jīng)深入到各大游戲制造商的開發(fā)中。
伴隨著人工智能和智能機(jī)器人的發(fā)展，不得不討論是人工智能本身就是超前研究，需要用未來的眼光開展現(xiàn)代的科研，因此很可能觸及倫理底線。作為科學(xué)研究可能涉及到的敏感問題，需要針對(duì)可能產(chǎn)生的沖突及早預(yù)防，而不是等到問題矛盾到了不可解決的時(shí)候才去想辦法化解。
應(yīng)用領(lǐng)域
機(jī)器翻譯，智能控制，專家系統(tǒng)，機(jī)器人學(xué)，語言和圖像理解，遺傳編程機(jī)器人工廠，自動(dòng)程序設(shè)計(jì)，航天應(yīng)用，龐大的信息處理，儲(chǔ)存與管理，執(zhí)行化合生命體無法執(zhí)行的或復(fù)雜或規(guī)模龐大的任務(wù)等等。
值得一提的是，機(jī)器翻譯是人工智能的重要分支和最先應(yīng)用領(lǐng)域。不過就已有的機(jī)譯成就來看，機(jī)譯系統(tǒng)的譯文質(zhì)量離終極目標(biāo)仍相差甚遠(yuǎn)；而機(jī)譯質(zhì)量是機(jī)譯系統(tǒng)成敗的關(guān)鍵。中國數(shù)學(xué)家、語言學(xué)家周海中教授曾在論文《機(jī)器翻譯五十年》中指出：要提高機(jī)譯的質(zhì)量，首先要解決的是語言本身問題而不是程序設(shè)計(jì)問題；單靠若干程序來做機(jī)譯系統(tǒng)，肯定是無法提高機(jī)譯質(zhì)量的；另外在人類尚未明了大腦是如何進(jìn)行語言的模糊識(shí)別和邏輯判斷的情況下，機(jī)譯要想達(dá)到“信、達(dá)、雅”的程度是不可能的。智能家居之后，人工智能成為家電業(yè)的新風(fēng)口，而長虹正成為將這一浪潮掀起的首個(gè)家電巨頭。長虹發(fā)布兩款CHiQ智能電視新品，主打手機(jī)遙控器、帶走看、隨時(shí)看、分類看功能
流行語
2017年12月，人工智能入選“2017年度中國媒體十大流行語”。
入選理由：經(jīng)過多年的演進(jìn)，人工智能發(fā)展進(jìn)入了新階段。為搶抓人工智能發(fā)展的重大戰(zhàn)略機(jī)遇，構(gòu)筑我國人工智能發(fā)展的先發(fā)優(yōu)勢(shì)，加快建設(shè)創(chuàng)新型國家和世界科技強(qiáng)國，2017年7月20日，國務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》?！兑?guī)劃》提出了面向2030年我國新一代人工智能發(fā)展的指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點(diǎn)任務(wù)和保障措施，為我國人工智能的進(jìn)一步加速發(fā)展奠定了重要基礎(chǔ)。
