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(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(shí)（consciousness）、自我（self）、思維（mind）（包括無意識(shí)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(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。

　　人工智能目前在計(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。

人工智能的研究?jī)?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(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。

　　1）知識(shí)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(shí)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(shí)，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(dá)常識(shí)和處理常識(shí)的。

　　3）問題求解中的自動(dòng)推理是知識(shí)的使用過程，由于有多種知識(shí)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(shí)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(jī)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(gè)推理步驟中知識(shí)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(yàn)知識(shí)導(dǎo)引的啟發(fā)式搜索。啟發(fā)式知識(shí)常由啟發(fā)式函數(shù)來表示，啟發(fā)式知識(shí)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(diǎn)的超大規(guī)模的搜索問題。

　　5）機(jī)器學(xué)習(xí)是人工智能的另一重要課題。機(jī)器學(xué)習(xí)是指在一定的知識(shí)表示意義下獲取新知識(shí)的過程，按照學(xué)習(xí)機(jī)制的不同，主要有歸納學(xué)習(xí)、分析學(xué)習(xí)、連接機(jī)制學(xué)習(xí)和遺傳學(xué)習(xí)等。

　　6）知識(shí)處理系統(tǒng)主要由知識(shí)庫和推理機(jī)組成。知識(shí)庫存儲(chǔ)系統(tǒng)所需要的知識(shí)，當(dāng)知識(shí)量較大而又有多種表示方法時(shí)，知識(shí)的合理組織與管理是重要的。推理機(jī)在問題求解時(shí)，規(guī)定使用知識(shí)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(jī)制。如果在知識(shí)庫中存儲(chǔ)的是某一領(lǐng)域(如醫(yī)療診斷)的專家知識(shí)，則這樣的知識(shí)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(shí)知識(shí)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(gè)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(shí)、規(guī)劃、學(xué)習(xí)、交流、感知、移動(dòng)和操作物體的能力等。強(qiáng)人工智能目前仍然是該領(lǐng)域的長遠(yuǎn)目標(biāo)。目前比較流行的方法包括統(tǒng)計(jì)方法，計(jì)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(xué)優(yōu)化、邏輯推演。而基于仿生學(xué)、認(rèn)知心理學(xué)，以及基于概率論和經(jīng)濟(jì)學(xué)的算法等等也在逐步探索當(dāng)中。

人工智能的歷史

　　“人工智能”一詞最初是在1956年達(dá)特茅斯（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。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。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, 現(xiàn)在計(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, 因之當(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, 一方面又轉(zhuǎn)向更有意義、更加困難的目標(biāo)。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(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)與技術(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。在定義智慧時(shí)，英國科學(xué)家圖靈做出了貢獻(xiàn)，如果一臺(tái)機(jī)器能夠通過稱之為圖靈實(shí)驗(yàn)的實(shí)驗(yàn)，那它就是智慧的，圖靈實(shí)驗(yàn)的本質(zhì)就是讓人在不看外型的情況下不能區(qū)別是機(jī)器的行為還是人的行為時(shí)，這個(gè)機(jī)器就是智慧的。不要以為圖靈只做出這一點(diǎn)貢獻(xiàn)就會(huì)名垂表史，如果你是學(xué)計(jì)算機(jī)的就會(huì)知道，對(duì)于計(jì)算機(jī)人士而言，獲得圖靈獎(jiǎng)就等于物理學(xué)家獲得諾貝爾獎(jiǎng)一樣，圖靈在理論上奠定了計(jì)算機(jī)產(chǎn)生的基礎(chǔ)，沒有他的杰出貢獻(xiàn)世界上根本不可能有這個(gè)東西，更不用說什么網(wǎng)絡(luò)了。　　科學(xué)家早在計(jì)算機(jī)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(jī)器了，在這方面我希望提到另外一個(gè)杰出的數(shù)學(xué)家、哲學(xué)家布爾，通過對(duì)人類思維進(jìn)行數(shù)學(xué)化精確地刻畫，他和其它杰出的科學(xué)家一起奠定了智慧機(jī)器的思維結(jié)構(gòu)與方法，今天我們的計(jì)算機(jī)內(nèi)使用的邏輯基礎(chǔ)正是他所創(chuàng)立的。

　　我想任何學(xué)過計(jì)算機(jī)的人對(duì)布爾一定不會(huì)陌生，我們所學(xué)的布爾代數(shù)，就是由它開創(chuàng)的。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了，在以后的歲月中，無數(shù)科學(xué)家為這個(gè)目標(biāo)努力著，現(xiàn)在人工智能已經(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，現(xiàn)在計(jì)算機(jī)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(jì)算機(jī)把人給勝了，這是人們都知道的，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。

　　現(xiàn)在人類已經(jīng)把計(jì)算機(jī)的計(jì)算能力提高到了前所未有的地步，而人工智能也在下世紀(jì)領(lǐng)導(dǎo)計(jì)算機(jī)發(fā)展的潮頭，現(xiàn)在人工智能的發(fā)展因?yàn)槭艿嚼碚撋系南拗撇皇呛苊黠@，但它必將象今天的網(wǎng)絡(luò)一樣深遠(yuǎn)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(jì)算機(jī)的發(fā)展，在1941年由美國和德國兩國共同研制的第一臺(tái)計(jì)算機(jī)誕生了，從此以后人類存儲(chǔ)和處理信息的方法開始發(fā)生革命性的變化。第一臺(tái)計(jì)算機(jī)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(chǔ)程序的計(jì)算機(jī)，這樣，編程程序總算可以不用焊了，好多了。因?yàn)榫幊套兊檬趾?jiǎn)單，計(jì)算機(jī)理論的發(fā)展終于導(dǎo)致了人工智能理論的產(chǎn)生。人們總算可以找到一個(gè)存儲(chǔ)信息和自動(dòng)處理信息的方法了。　　雖然現(xiàn)在看來這種新機(jī)器已經(jīng)可以實(shí)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(jī)器聯(lián)系起來。美籍俄裔數(shù)學(xué)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(gè)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(jī)體而產(chǎn)生的動(dòng)作，進(jìn)而產(chǎn)生了智能。我們家的抽水馬桶就是一個(gè)十分好的例子，水之所以不會(huì)常流不斷，正是因?yàn)橛幸粋€(gè)裝置在檢測(cè)水位的變化，如果水太多了，就把水管給關(guān)了，這就實(shí)現(xiàn)了反饋，是一種負(fù)反饋。如果連我們廁所里的裝置都可以實(shí)現(xiàn)反饋了，那我們應(yīng)該可以用一種機(jī)器實(shí)現(xiàn)反饋，進(jìn)而實(shí)現(xiàn)人類智力的機(jī)器形式重現(xiàn)。這種想法對(duì)于人工智能早期的有著重大的影響。

　　在1955的時(shí)候，美國計(jì)算機(jī)科學(xué)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(yùn)行時(shí)，它在樹中搜索，尋找與可能答案最接近的樹的分枝進(jìn)行探索，以得到正確的答案。這個(gè)程序在人工智能的歷史上可以說是有重要地位的，它在學(xué)術(shù)上和社會(huì)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(gè)50年代的程序?！　?956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(huì)議來討論人工智能未來的發(fā)展方向。從那時(shí)起，人工智能的名字才正式確立，這次會(huì)議在人工智能歷史上不是巨大的成功，但是這次會(huì)議給人工智能奠基人相互交流的機(jī)會(huì)，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(diǎn)開始變?yōu)榻?shí)用的能夠自行解決問題的系統(tǒng)，并要求系統(tǒng)有自學(xué)習(xí)能力。在1957年，艾倫·紐威爾和赫伯特·西蒙又開發(fā)了一個(gè)程序稱為General Problem Solver(GPS)，它對(duì)維納的反饋理論有一個(gè)擴(kuò)展，并能夠解決一些比較普遍的問題。別的科學(xué)家在努力開發(fā)系統(tǒng)時(shí)，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(xué)院受到了美國政府和國防部的支持進(jìn)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(gè)目的是帶點(diǎn)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(xué)院建立了一個(gè)用自然語言指揮機(jī)器人動(dòng)作的系統(tǒng)。在這個(gè)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(jiǎn)單的英文句子了，SIR的出現(xiàn)導(dǎo)致了新學(xué)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(gè)巨大的進(jìn)步，他頭一次讓人知道計(jì)算機(jī)可以代替人類專家進(jìn)行一些工作了，由于計(jì)算機(jī)硬件性能的提高，人工智能得以進(jìn)行一系列重要的活動(dòng)，如統(tǒng)計(jì)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(gè)時(shí)期，計(jì)算機(jī)開始有了簡(jiǎn)單的思維和視覺，而不能不提的是在70年代，另一個(gè)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(yuǎn)，它已經(jīng)在進(jìn)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(jì)算機(jī)這個(gè)機(jī)器代替人類進(jìn)行簡(jiǎn)單的智力活動(dòng)，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(duì)科學(xué)真理的無盡追求才是最終的動(dòng)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(jì)算機(jī)程序已能夠達(dá)到下各種方盤棋和國際象棋的錦標(biāo)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(dá)的能力。如國際象棋大師們洞察棋局的能力。另一個(gè)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(gè)大型的數(shù)據(jù)庫中的有關(guān)事實(shí)上，留意可信的證明，并在出現(xiàn)新信息時(shí)適時(shí)修正這些證明。對(duì)數(shù)學(xué)中臆測(cè)的題。定理尋找一個(gè)證明或反證，不僅需要有根據(jù)假設(shè)進(jìn)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(gè)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(shí)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(jì)算機(jī)系統(tǒng)如何以主題和對(duì)話情境為基礎(chǔ)，注重大量的常識(shí)——世界知識(shí)和期望作用，生成和理解自然語言。這是一個(gè)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(dāng)代計(jì)算機(jī)科學(xué)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(shí)際應(yīng)用的契機(jī)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(gè)研究領(lǐng)域,它是一種具有特定領(lǐng)域內(nèi)大量知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。近年來，在“ 專家系統(tǒng)”或“ 知識(shí)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(shì)。人類專家由于具有豐富的知識(shí)，所以才能達(dá)到優(yōu)異的解決問題的能力。那么計(jì)算機(jī)程序如果能體現(xiàn)和應(yīng)用這些知識(shí)，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(cuò)，現(xiàn)在這一點(diǎn)已被證實(shí)。如在礦物勘測(cè)、化學(xué)分析、規(guī)劃和醫(yī)學(xué)診斷方面，專家系統(tǒng)已經(jīng)達(dá)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(xué)的專家系統(tǒng)）發(fā)現(xiàn)了一個(gè)鉬礦沉積，價(jià)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(xué)結(jié)構(gòu)分析方面的使用。MY CIN系統(tǒng)可以對(duì)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(duì)患有細(xì)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(hào)系統(tǒng)假設(shè)之上的。在尚未出現(xiàn)能與物理符號(hào)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(jì)原理還是從已取得的實(shí)驗(yàn)結(jié)果來看，Soar 在探討智能行為的一般特征和人類認(rèn)知的具體特征的艱難征途上都取得了有特色的進(jìn)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(xué)者總結(jié)了專家系統(tǒng)的成功經(jīng)驗(yàn)，吸收了認(rèn)知科學(xué)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(qiáng)大的問題求解能力。在Soar中已實(shí)現(xiàn)了30多種搜索方法，實(shí)現(xiàn)了若干知識(shí)密集型任務(wù)(專家系統(tǒng))，如RI（用產(chǎn)生式規(guī)則表達(dá)知識(shí)，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(rèn)為無需概念或者說無需符號(hào)表示，智能系統(tǒng)的能力可以逐步進(jìn)化。在它的研究中突出4 個(gè)概念:

　　1) 所處的境遇，機(jī)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(jī)器人有軀干,有直接來自周圍世界的經(jīng)驗(yàn),他們的感官起作用后立即會(huì)有反饋。

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

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