人工智能(Artificial Intelligence，AI)的定義可以分為兩部分，即“人工”和“智能”?！叭斯ぁ北容^好理解，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或著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（consciousness）、自我（self）、思維（mind）（包括無意識的思維）等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構(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人的智能本身的研究。其它關(guān)于動物或其它人 造系統(tǒng)的智能也普遍被認為是人工智能相關(guān)的研究課題。

人工智能目前在計算機領(lǐng)域內(nèi)，得到了愈加廣泛的重視。并在機器人，經(jīng)濟政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應(yīng)用。

人工智能學科研究的主要內(nèi)容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統(tǒng)、自然語言理解、計算機視覺、智能機器人、自動程序設(shè)計等方面。

1）知識表示是人工智能的基本問題之一，推理和搜索都與表示方法密切相關(guān)。常用的知識表示方法有：邏輯表示法、產(chǎn)生式表示法、語義網(wǎng)絡(luò)表示法和框架表示法等。

2）常識，自然為人們所關(guān)注，已提出多種方法，如非單調(diào)推理、定性推理就是從不同角度來表達常識和處理常識的。

3）問題求解中的自動推理是知識的使用過程，由于有多種知識表示方法，相應(yīng)地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎(chǔ)。結(jié)構(gòu)化表示下的繼承性能推理是非演繹性的。由于知識處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機制推理、類比推理、基于示例的推理、反繹推理和受限推理等。

4）搜索是人工智能的一種問題求解方法，搜索策略決定著問題求解的一個推理步驟中知識被使用的優(yōu)先關(guān)系?？煞譃闊o信息導(dǎo)引的盲目搜索和利用經(jīng)驗知識導(dǎo)引的啟發(fā)式搜索。啟發(fā)式知識常由啟發(fā)式函數(shù)來表示，啟發(fā)式知識利用得越充分，求解問題的搜索空間就越小。典型的啟發(fā)式搜索方法有A*、AO*算法等。近幾年搜索方法研究開始注意那些具有百萬節(jié)點的超大規(guī)模的搜索問題。

5）機器學習是人工智能的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。

6）知識處理系統(tǒng)主要由知識庫和推理機組成。知識庫存儲系統(tǒng)所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規(guī)定使用知識的基本方法和策略，推理過程中為記錄結(jié)果或通信需設(shè)數(shù)據(jù)庫或采用黑板機制。如果在知識庫中存儲的是某一領(lǐng)域(如醫(yī)療診斷)的專家知識，則這樣的知識系統(tǒng)稱為專家系統(tǒng)。為適應(yīng)復(fù)雜問題的求解需要，單一的專家系統(tǒng)向多主體的分布式人工智能系統(tǒng)發(fā)展，這時知識共享、主體間的協(xié)作、矛盾的出現(xiàn)和處理將是研究的關(guān)鍵問題。

“人工智能”一詞最初是在1956年達特茅斯（Dartmouth）學會上提出的。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擴展。人工智能是一門極富挑戰(zhàn)性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領(lǐng)域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的一個主要目標是使機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。但不同的時代、不同的人對這種“復(fù)雜工作”的理解是不同的。例如繁重的科學和工程計算本來是要人腦來承擔的, 現(xiàn)在計算機不但能完成這種計算, 而且能夠比人腦做得更快、更準確, 因之當代人已不再把這種計算看作是“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代的發(fā)展和技術(shù)的進步而變化的, 人工智能這門科學的具體目標也自然隨著時代的變化而發(fā)展。它一方面不斷獲得新的進展, 一方面又轉(zhuǎn)向更有意義、更加困難的目標。目前能夠用來研究人工智能的主要物質(zhì)手段以及能夠?qū)崿F(xiàn)人工智能技術(shù)的機器就是計算機, 人工智能的發(fā)展歷史是和計算機科學與技術(shù)的發(fā)展史聯(lián)系在一起的。除了計算機科學以外, 人工智能還涉及信息論、控制論、自動化、仿生學、生物學、心理學、數(shù)理邏輯、語言學、醫(yī)學和哲學等多門學科。

1、問題求解

人工智能的第一大成就是下棋程序，在下棋程度中應(yīng)用的某些技術(shù)，如向前看幾步，把困難的問題分解成一些較容易的子問題，發(fā)展成為搜索和問題歸納這樣的人工智能基本技術(shù)。今天的計算機程序已能夠達到下各種方盤棋和國際象棋的錦標賽水平。但是，尚未解決包括人類棋手具有的但尚不能明確表達的能力。如國際象棋大師們洞察棋局的能力。另一個問題是涉及問題的原概念，在人工智能中叫問題表示的選擇，人們常能找到某種思考問題的方法，從而使求解變易而解決該問題。到目前為止，人工智能程序已能知道如何考慮它們要解決的問題，即搜索解答空間，尋找較優(yōu)解答。

2、邏輯推理與定理證明

邏輯推理是人工智能研究中最持久的領(lǐng)域之一，其中特別重要的是要找到一些方法，只把注意力集中在一個大型的數(shù)據(jù)庫中的有關(guān)事實上，留意可信的證明，并在出現(xiàn)新信息時適時修正這些證明。對數(shù)學中臆測的題。定理尋找一個證明或反證，不僅需要有根據(jù)假設(shè)進行演繹的能力，而且許多非形式的工作，包括醫(yī)療診斷和信息檢索都可以和定理證明問題一樣加以形式化，因此，在人工智能方法的研究中定理證明是一個極其重要的論題。

3、自然語言處理

自然語言的處理是人工智能技術(shù)應(yīng)用于實際領(lǐng)域的典型范例，經(jīng)過多年艱苦努力，這一領(lǐng)域已獲得了大量令人注目的成果。目前該領(lǐng)域的主要課題是：計算機系統(tǒng)如何以主題和對話情境為基礎(chǔ)，注重大量的常識——世界知識和期望作用，生成和理解自然語言。這是一個極其復(fù)雜的編碼和解碼問題。

4、智能信息檢索技術(shù)

信息獲取和精化技術(shù)已成為當代計算機科學與技術(shù)研究中迫切需要研究的課題，將人工智能技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向廣泛實際應(yīng)用的契機與突破口。

5、專家系統(tǒng)

專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個研究領(lǐng)域,它是一種具有特定領(lǐng)域內(nèi)大量知識與經(jīng)驗的程序系統(tǒng)。近年來，在“ 專家系統(tǒng)”或“ 知識工程”的研究中已出現(xiàn)了成功和有效應(yīng)用人工智能技術(shù)的趨勢。人類專家由于具有豐富的知識，所以才能達到優(yōu)異的解決問題的能力。那么計算機程序如果能體現(xiàn)和應(yīng)用這些知識，也應(yīng)該能解決人類專家所解決的問題，而且能幫助人類專家發(fā)現(xiàn)推理過程中出現(xiàn)的差錯，現(xiàn)在這一點已被證實。如在礦物勘測、化學分析、規(guī)劃和醫(yī)學診斷方面，專家系統(tǒng)已經(jīng)達到了人類專家的水平。成功的例子如：PROSPECTOR系統(tǒng)（用于地質(zhì)學的專家系統(tǒng)）發(fā)現(xiàn)了一個鉬礦沉積，價值超過1億美元。DENDRL系統(tǒng)的性能已超過一般專家的水平，可供數(shù)百人在化學結(jié)構(gòu)分析方面的使用。MY CIN系統(tǒng)可以對血液傳染病的診斷治療方案提供咨詢意見。經(jīng)正式鑒定結(jié)果，對患有細菌血液病、腦膜炎方面的診斷和提供治療方案已超過了這方面的專家。

目前絕大多數(shù)人工智能系統(tǒng)都是建立在物理符號系統(tǒng)假設(shè)之上的。在尚未出現(xiàn)能與物理符號系統(tǒng)假設(shè)相抗衡的新的人工智能理論之前，無論從設(shè)計原理還是從已取得的實驗結(jié)果來看，Soar 在探討智能行為的一般特征和人類認知的具體特征的艱難征途上都取得了有特色的進展或成就，處在人工智能研究的前沿。

80 年代，以納維爾(Newell)為代表的研究學者總結(jié)了專家系統(tǒng)的成功經(jīng)驗，吸收了認知科學研究的最新成果，提出了作為通用智能基礎(chǔ)的體系結(jié)構(gòu)Soar。目前的Soar已經(jīng)顯示出強大的問題求解能力。在Soar中已實現(xiàn)了30多種搜索方法，實現(xiàn)了若干知識密集型任務(wù)(專家系統(tǒng))，如RI（用產(chǎn)生式規(guī)則表達知識，采用正向推理的控制結(jié)構(gòu)，用OPSS語言寫成。）等。rooks提出了人工智能的一種新的途徑，認為無需概念或者說無需符號表示，智能系統(tǒng)的能力可以逐步進化。在它的研究中突出4 個概念:

1) 所處的境遇，機器人不涉及抽象的描述,而是處在直接影響系統(tǒng)的行為的境地。

2) 具體化，機器人有軀干,有直接來自周圍世界的經(jīng)驗,他們的感官起作用后立即會有反饋。

3) 智能，智能的來源不僅僅是限于計算裝置,也是由于與周圍進行交互的動態(tài)決定。

4) 浮現(xiàn)，從系統(tǒng)與周圍世界的交互以及有時候系統(tǒng)的部件間的交互浮現(xiàn)出智能。