人工智能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。

人工智能的研究內(nèi)容

　　人工智能的研究是高度技術(shù)性和專業(yè)的，各分支領(lǐng)域都是深入且各不相通的，因而涉及范圍極廣。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。可分為無信息導引的盲目搜索和利用經(jīng)驗知識導引的啟發(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。

　　人工智能的研究可以分為幾個技術(shù)問題。其分支領(lǐng)域主要集中在解決具體問題，其中之一是，如何使用各種不同的工具完成特定的應(yīng)用程序。AI的核心問題包括推理、知識、規(guī)劃、學習、交流、感知、移動和操作物體的能力等。強人工智能目前仍然是該領(lǐng)域的長遠目標。目前比較流行的方法包括統(tǒng)計方法，計算智能和傳統(tǒng)意義的AI。目前有大量的工具應(yīng)用了人工智能，其中包括搜索和數(shù)學優(yōu)化、邏輯推演。而基于仿生學、認知心理學，以及基于概率論和經(jīng)濟學的算法等等也在逐步探索當中。

人工智能的歷史

　　“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雜工作。但不同的時代、不同的人對這種“復雜工作”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雜任務(wù)”, 可見復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。在定義智慧時，英國科學家圖靈做出了貢獻，如果一臺機器能夠通過稱之為圖靈實驗的實驗，那它就是智慧的，圖靈實驗的本質(zhì)就是讓人在不看外型的情況下不能區(qū)別是機器的行為還是人的行為時，這個機器就是智慧的。不要以為圖靈只做出這一點貢獻就會名垂表史，如果你是學計算機的就會知道，對于計算機人士而言，獲得圖靈獎就等于物理學家獲得諾貝爾獎一樣，圖靈在理論上奠定了計算機產(chǎn)生的基礎(chǔ)，沒有他的杰出貢獻世界上根本不可能有這個東西，更不用說什么網(wǎng)絡(luò)了?！　】茖W家早在計算機出現(xiàn)之前就已經(jīng)希望能夠制造出可能模擬人類思維的機器了，在這方面我希望提到另外一個杰出的數(shù)學家、哲學家布爾，通過對人類思維進行數(shù)學化精確地刻畫，他和其它杰出的科學家一起奠定了智慧機器的思維結(jié)構(gòu)與方法，今天我們的計算機內(nèi)使用的邏輯基礎(chǔ)正是他所創(chuàng)立的。

　　我想任何學過計算機的人對布爾一定不會陌生，我們所學的布爾代數(shù)，就是由它開創(chuàng)的。當計算機出現(xiàn)后，人類開始真正有了一個可以模擬人類思維的工具了，在以后的歲月中，無數(shù)科學家為這個目標努力著，現(xiàn)在人工智能已經(jīng)不再是幾個科學家的專利了，全世界幾乎所有大學的計算機系都有人在研究這門學科，學習計算機的大學生也必須學習這樣一門課程，在大家不懈的努力下，現(xiàn)在計算機似乎已經(jīng)變得十分聰明了，剛剛結(jié)束的國際象棋大賽中，計算機把人給勝了，這是人們都知道的，大家或許不會注意到，在一些地方計算機幫助人進行其它原來只屬于人類的工作，計算機以它的高速和準確為人類發(fā)揮著它的作用。人工智能始終是計算機科學的前沿學科，計算機編程語言和其它計算機軟件都因為有了人工智能的進展而得以存在。

　　現(xiàn)在人類已經(jīng)把計算機的計算能力提高到了前所未有的地步，而人工智能也在下世紀領(lǐng)導計算機發(fā)展的潮頭，現(xiàn)在人工智能的發(fā)展因為受到理論上的限制不是很明顯，但它必將象今天的網(wǎng)絡(luò)一樣深遠地影響我們的生活?！?

　　讓我們順著人工智能的發(fā)展來回顧一下計算機的發(fā)展，在1941年由美國和德國兩國共同研制的第一臺計算機誕生了，從此以后人類存儲和處理信息的方法開始發(fā)生革命性的變化。第一臺計算機的體型可不算太好，它比較胖，還比較嬌氣，需要工作在有空調(diào)的房間里，如果希望它處理什么事情，需要大家把線路重新接一次，這可不是一件省力氣的活兒，把成千上萬的線重新焊一下我想現(xiàn)在的程序員已經(jīng)是生活在天堂中了。

　　終于在1949發(fā)明了可以存儲程序的計算機，這樣，編程程序總算可以不用焊了，好多了。因為編程變得十分簡單，計算機理論的發(fā)展終于導致了人工智能理論的產(chǎn)生。人們總算可以找到一個存儲信息和自動處理信息的方法了?！　‰m然現(xiàn)在看來這種新機器已經(jīng)可以實現(xiàn)部分人類的智力，但是直到50年代人們才把人類智力和這種新機器聯(lián)系起來。美籍俄裔數(shù)學家、控制論的創(chuàng)始人諾伯特·維納（Norbert Wiener）在反饋理論上的研究最終讓他提出了一個論斷，所有人類智力的結(jié)果都是一種反饋的結(jié)果，通過不斷地將結(jié)果反饋給機體而產(chǎn)生的動作，進而產(chǎn)生了智能。我們家的抽水馬桶就是一個十分好的例子，水之所以不會常流不斷，正是因為有一個裝置在檢測水位的變化，如果水太多了，就把水管給關(guān)了，這就實現(xiàn)了反饋，是一種負反饋。如果連我們廁所里的裝置都可以實現(xiàn)反饋了，那我們應(yīng)該可以用一種機器實現(xiàn)反饋，進而實現(xiàn)人類智力的機器形式重現(xiàn)。這種想法對于人工智能早期的有著重大的影響。

　　在1955的時候，美國計算機科學家艾倫·紐威爾(Allen Newell)和赫伯特·西蒙(Herbert A.Simon)The Logic Theorist程序，它是一種采用樹形結(jié)構(gòu)的程序，在程序運行時，它在樹中搜索，尋找與可能答案最接近的樹的分枝進行探索，以得到正確的答案。這個程序在人工智能的歷史上可以說是有重要地位的，它在學術(shù)上和社會上帶來的巨大的影響，以至于我們現(xiàn)在所采用的方法思想方法有許多還是來自于這個50年代的程序。　　1956年，“人工智能之父”和LISP語言的發(fā)明人(ZT) 約翰·麥卡錫（John McCarthy）召集了一次會議來討論人工智能未來的發(fā)展方向。從那時起，人工智能的名字才正式確立，這次會議在人工智能歷史上不是巨大的成功，但是這次會議給人工智能奠基人相互交流的機會，并為未來人工智能的發(fā)展起了鋪墊的作用。在此以后，工人智能的重點開始變?yōu)榻嵱玫哪軌蜃孕薪鉀Q問題的系統(tǒng)，并要求系統(tǒng)有自學習能力。在1957年，艾倫·紐威爾和赫伯特·西蒙又開發(fā)了一個程序稱為General Problem Solver(GPS)，它對維納的反饋理論有一個擴展，并能夠解決一些比較普遍的問題。別的科學家在努力開發(fā)系統(tǒng)時，麥卡錫創(chuàng)建了表處理語言LISP，直到現(xiàn)在許多人工智能程序還在使用這種語言，它幾乎成了人工智能的代名詞，到了今天，LISP仍然在發(fā)展。

　　在1963年，麻省理工學院受到了美國政府和國防部的支持進行人工智能的研究，美國政府不是為了別的，而是為了在冷戰(zhàn)中保持與蘇聯(lián)的均衡，雖然這個目的是帶點火藥味的，但是它的結(jié)果卻使人工智能得到了巨大的發(fā)展。其后發(fā)展出的許多程序十分引人注目，SHRDLU是維諾格拉德(T.Winograd)于1972年在美國麻省理工學院建立了一個用自然語言指揮機器人動作的系統(tǒng)。在這個大發(fā)展的60年代，STUDENT系統(tǒng)可以解決代數(shù)問題，而SIR(Selective Integrated Rail)系統(tǒng)則開始理解簡單的英文句子了，SIR的出現(xiàn)導致了新學科的出現(xiàn)：自然語言處理。在70年代出現(xiàn)的專家系統(tǒng)成了一個巨大的進步，他頭一次讓人知道計算機可以代替人類專家進行一些工作了，由于計算機硬件性能的提高，人工智能得以進行一系列重要的活動，如統(tǒng)計分析數(shù)據(jù)，參與醫(yī)療診斷等等，它作為生活的重要方面開始改變?nèi)祟惿盍?。在理論方面?0年代也是大發(fā)展的一個時期，計算機開始有了簡單的思維和視覺，而不能不提的是在70年代，另一個人工智能語言Prolog語言誕生了，它和LISP一起幾乎成了人工智能工作者不可缺少的工具。不要以為人工智能離我們很遠，它已經(jīng)在進入我們的生活，模糊控制，決策支持等等方面都有人工智能的影子。讓計算機這個機器代替人類進行簡單的智力活動，把人類解放用于其它更有益的工作，這是人工智能的目的，但我想對科學真理的無盡追求才是最終的動力吧。

人工智能的應(yīng)用領(lǐng)域

　　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。

人工智能的發(fā)展現(xiàn)狀及前景

　　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。