人工智能(Artificial Intelligence，AI）
什么是人工智能
人工智能(Artificial Intelligence，AI)的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或着人本身的智能程度有没有高到可以创造人工智能的地步，等等。但总体来看，“人工系统”就是一般意义下的人工系统。
有关什么是“智能”，就困难多多了。这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind）（包含无意识的思维）等等困难。人唯一了解的智能是人自身的智能，这是广泛认同的看法。但是我们对我们本身智能的理解都非常有限，对组成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。所以人工智能的研究往往涉及对人的智能自身的研究。其它有关动物或其它人 造系统的智能也广泛被觉得是人工智能有关的研究课题。
人工智能当前在计算机领域内，得到了更加大量的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
人工智能学科研究的首要内容包含：知识表明、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
1）知识表明是人工智能的基本困难之一，推理和搜索都与表明方法紧密有关。常用的知识表明方法有：逻辑表明法、造成式表明法、语义网络表明法和框架表明法等。
2）常识，自然为民众所关注，已提出多种方法，如非单调推理、定性推理就是从不同角度来表达常识和处理常识的。
3）困难求解中的自动推理是知识的运用过程，受于有多种知识表明方法，相应地有多种推理方法。推理过程一般可分为演绎推理和非演绎推理。谓词逻辑是演绎推理的基础。结构化表明下的继承性能推理是非演绎性的。受于知识处理的需要，近几年来提出了多种非演泽的推理方法，如连接机制推理、类比推理、基于示例的推理、反绎推理和受限推理等。
4）搜索是人工智能的一种困难求解方法，搜索策略决定着困难求解的一个推理步骤中知识被运用的优先关系。可分为无信息导引的盲目搜索和利用经验知识导引的启发式搜索。启发式知识常由启发式函数来表明，启发式知识利用得越充分，求解困难的搜索空间就越小。典型的启发式搜索方法有A*、AO*算法等。近几年搜索方法研究开始注意那些具有百万节点的超大范围的搜索困难。
5）机器学习是人工智能的另一重要课题。机器学习是指在适当的知识表明意义下获取新知识的过程，依照学习机制的不同，首要有归纳学习、分析学习、连接机制学习和遗传学习等。
6）知识处理系统首要由知识库和推理机构成。知识库存储系统所需要的知识，当知识量较大而又有多种表明方法时，知识的合理组织与管理是重要的。推理机在困难求解时，规定运用知识的基本方法和策略，推理过程中为记录结果或通信需设报告库或采取黑板机制。假使在知识库中存储的是某一领域(如医疗诊断)的专家知识，则如此的知识系统称为专家系统。为适应复杂困难的求解需要，单一的专家系统向多主体的分布式人工智能系统发展，这时知识共享、主体间的协作、冲突的显现和处理会是研究的核心困难。
人工智能的历史
“人工智能”一词最初是在1956年达特茅斯（Dartmouth）学会上提出的。从那以后，研究者们发展了大量理论和原理，人工智能的概念也跟随扩展。人工智能是一门极富考验性的科学，从事这项工作的人务必懂得计算机知识，心理学和哲学。人工智能是包含十分大量的科学，它由不同的领域构成，如机器学习，计算机视觉等等，总体说来，人工智能研究的一个首要目标是使机器能够胜任一部分一般需要人类智能才可完成的复杂工作。但不同的时代、不同的人对该种“复杂工作”的理解是不同的。比如繁重的科学和工程计算本来是要人脑来承受的, 当下计算机不但能完成该种计算, 而且能够比人脑做得更快、更精准, 因之当代人已不再把该种计算看作是“需要人类智能才可完成的复杂任务”, 可见复杂工作的定义是伴随时代的成长和技术的进步而改变的, 人工智能这门科学的具体目标也自然伴随时代的改变而发展。它一面持续得到新的进度, 一面又转向更故意义、愈加问题的目标。当前能够用来研究人工智能的首要物质手段以及能够达到人工智能技术的机器就是计算机, 人工智能的成长历史是和计算机科学与技术的成长史联系在一起的。除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。
在定义智慧时，英国科学家图灵作出了贡献，假使一台机器能够通过称之为图灵实验的实验，那它就是智慧的，图灵实验的本质就是让人在不看外型的情形下不能区别是机器的举动依旧人的举动时，这个机器就是智慧的。不要以为图灵只作出这一点贡献就会名垂表史，假使你是学计算机的就会知道，对于计算机人员来说，得到图灵奖就等于物理学家得到诺贝尔奖一样，图灵在理论上奠定了计算机造成的基础，没有他的杰出贡献世界上根本不或许有这个东西，更不用说什么网络了。
科学家早在计算机显现以前就已经期望能够制造出或许模拟人类思维的机器了，在这方面我期望提及此外一个杰出的数学家、哲学家布尔，通过对人类思维执行数学化精确地刻画，他和其它杰出的科学家一起奠定了智慧机器的思维结构与方法，今天我们的计算机内运用的逻辑基础正是他所创立的。
我想任何学过计算机的人对布尔一定不会陌生，我们所学的布尔代数，就是由它开创的。当计算机显现后，人类开始真正有了一个可以模拟人类思维的工具了，在以后的岁月中，无数科学家为这个目标付出着，当下人工智能已经不再是几个科学家的专利了，全球差不多所有大学的计算机系都有人在研究这门学科，学习计算机的大学生也务必学习如此一门课程，在大家不懈的付出下，当下计算机疑似已经变得十分聪明了，刚刚终结的国际象棋大赛中，计算机把人给胜了，这是民众都知道的，大家恐怕不会注意到，在一部分地方计算机帮助人执行其它原来只属于人类的工作，计算机以它的高速和精准为人类发挥着它的作用。人工智能始终是计算机科学的前沿学科，计算机编程语言和其它计算机软件都由于有了人工智能的进度而得以存在。
当下人类已经把计算机的计算能力提升到了从来没有过的地步，而人工智能亦在下世纪领导计算机发展的潮头，当下人工智能的成长由于承受理论上的制约不是很显著，但它必将象今天的网络一样深远地影响我们的生活。
让我们顺着人工智能的成长来回顾一下计算机的成长，在1941年由美国和德国两国共同研制的第一台计算机诞生了，从此以后人类存储和处理信息的方法开始发生革命性的改变。第一台计算机的体型可不算太好，它比较胖，还比较娇气，需要工作在有空调的房间里，假使期望它处理什么事情，需要大家把线路从新接一次，这可不是一件省力气的活儿，把成千上万的线从新焊一下我想当下的程序员已经是生活在天堂中了。
终于在1949发明了可以存储程序的计算机，如此，编程程序总算可以不用焊了，好多了。由于编程变得十分简单，计算机理论的成长终于致使了人工智能理论的造成。民众总算可以寻到一个存储信息和自动处理信息的方法了。
尽管当下看来该种新机器已经可以达到部分人类的智力，但是直到50年代民众才把人类智力和该种新机器联系起来。美籍俄裔数学家、控制论的创立者诺伯特·维纳（Norbert Wiener）在反馈理论上的研究最终让他提出了一个论断，所有人类智力的结果均为一种反馈的结果，通过持续地将结果反馈给机体而造成的动作，从而造成了智能。我们家的抽水马桶就是一个十分好的例子，水之所以不会常流持续，正是由于有一个装置在检测水位的改变，假使水太多了，就把水管给关了，这就达到了反馈，是一种负反馈。假使连我们厕所里的装置都可以达到反馈了，那我们应当可以用一种机器达到反馈，从而达到人类智力的机器形式重现。该种想法对于人工智能早期的有着巨大的影响。
在1955的时机，美国计算机科学家艾伦·纽威尔(Allen Newell)和赫伯特·西蒙(Herbert A.Simon)The Logic Theorist程序，它是一种采取树形结构的程序，在程序运行时，它在树中搜索，寻求与或许答案最靠近的树的分枝执行探索，以得到正确的答案。这个程序在人工智能的有记录以来可以说是有重要地位的，它在学术上和社会上导致的重大的影响，以至于我们当下所采取的方法思想方法有很多依旧来自于这个50年代的程序。
1956年，“人工智能之父”和LISP语言的发明人(ZT) 约翰·麦卡锡（John McCarthy）召集了一次会议来讨论人工智能将来的成长方向。从那时起，人工智能的名字才正式确立，这次会议在人工智能有记录以来不是重大的成就，但是这次会议给人工智能奠基人相互交流的可能，并为将来人工智能的成长起了铺垫的作用。在此以后，员工智能的着重开始变为建立实用的能够自行处理困难的系统，并要求系统有自学习能力。在1957年，艾伦·纽威尔和赫伯特·西蒙又开发了一个程序称为General Problem Solver(GPS)，它对维纳的反馈理论有一个扩展，并能够处理一部分比较广泛的困难。别的科学家在付出开发系统时，麦卡锡创建了表处理语言LISP，直到当下很多人工智能程序仍在运用该种语言，它差不多成了人工智能的代名词，到了今天，LISP依然在发展。
在1963年，麻省理工学院承受了美国白宫和国防部的支持执行人工智能的研究，美国白宫不是为了别的，而是为了在冷战中维持与苏联的均衡，尽管这个目的是带点火药味的，但是它的结果却使人工智能得到了重大的成长。其后发展出的很多程序十分引人瞩目，SHRDLU是维诺格拉德(T.Winograd)于1972年在美国麻省理工学院建立了一个用自然语言指挥机器人动作的系统。在这个大发展的60年代，STUDENT系统可以处理代数困难，而SIR(Selective Integrated Rail)系统则开始理解简单的英文句子了，SIR的显现致使了新学科的显现：自然语言处理。在70年代显现的专家系统成了一个重大的进步，他头一次让人知道计算机可以代替人类专家执行一部分工作了，受于计算机硬件性能的提升，人工智能得以执行一连串重要的活动，如统计分析报告，参与医疗诊断等等，它作为生活的重要方面开始更改人类生活了。在理论方面，70年代也是大发展的一个期间，计算机开始有了简单的思维和视觉，而不能不提的是在70年代，其他人工智能语言Prolog语言诞生了，它和LISP一起差不多成了人工智能工作者不可缺少的工具。不要以为人工智能离我们很远，它已经在进入我们的生活，模糊控制，决策支持等等方面都有人工智能的影子。让计算机这个机器代替人类执行简单的智力活动，把人类解放用于其它更有益的工作，这是人工智能的目的，但我想对科学真理的无尽追求才是最终的活力吧。
人工智能的应用领域
1、困难求解
人工智能的第一大成就是下棋程序，在下棋程度中应用的某些技术，如向前看几步，把问题的困难分解成一部分较容易的子困难，发展形成搜索和困难归纳如此的人工智能基本技术。今天的计算机程序已能够高达下各种方盘棋和国际象棋的锦标赛水平。但是，仍未处理包含人类棋手具有的但尚不能清晰表达的能力。如国际象棋大师们洞察棋局的能力。其他困难是涉及困难的原概念，在人工智能中叫困难表明的选择，民众常能寻到某种思考困难的方法，进而使求解变易而处理该困难。到迄今为止，人工智能程序已能知道如何考虑它们要处理的困难，即搜索解答空间，寻求较优解答。
2、逻辑推理与定理证明
逻辑推理是人工智能研究中最持久的领域之一，其中特别重要的是要寻到一部分方法，只把注意力汇聚在一个大型的报告库中的相关实际上，留心可信的证明，并在显现新信息时适时修正这些证明。对数学中臆测的题。定理寻求一个证明或反证，不仅需要有依据如果执行演绎的能力，而且很多非形式的工作，包含医疗诊断和信息检索都可以和定理证明困难一样加以形式化，所以，在人工智能方法的研究中定理证明是一个极其重要的论题。
3、自然语言处理
自然语言的处理是人工智能技术应用于事实领域的典型范例，经历多年艰苦付出，这一领域已得到了大批让人瞩目的成果。当前该领域的首要课题是：计算机系统如何以主题和对话情境为基础，注巨大量的常识——世界知识和期望作用，生成和理解自然语言。这是一个极其复杂的编码和解码困难。
4、智能信息检索技术
信息获取和精化技术已形成当代计算机科学与技术研究中急切需要研究的课题，将人工智能技术应用于这一领域的研究是人工智能迈向普遍事实应用的节骨眼与击穿口。
5、专家系统
专家系统是当前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大批知识与经验的程序系统。近年来，在“ 专家系统”或“ 知识工程”的研究中已显现了成功和有效应用人工智能技术的趋势。人类专家受于具有丰富的知识，所以才可高达优异的处理困难的能力。那么计算机程序假使能体现和应用这些知识，也应当能处理人类专家所处理的困难，而且能帮助人类专家发现推理过程中显现的差错，当下这一点已被确认。如在矿物勘测、化学分析、规划和医学诊断方面，专家系统已经高达了人类专家的水准。成功的例子如：PROSPECTOR系统（用于地质学的专家系统）发现了一个钼矿沉积，价值胜过1亿美元。DENDRL系统的性能已逾过一般专家的水准，可供数百人在化学结构分析方面的运用。MY CIN系统可以对血液传染病的诊断医治方案供应咨询意见。经正式鉴定结果，对患有细菌血液病、脑膜炎方面的诊断和供应医治方案已逾过了这方面的专家。
人工智能的成长现况及前景
当前绝大部分人工智能系统均为建立在物理符号系统如果之上的。在仍未显现能与物理符号系统如果相抗衡的新的人工智能理论以前，无论从设计原理依旧从已获得的实验结果来说，Soar 在探讨智能举动的一般特质和人类认知的具体特质的艰难征途上都获得了有特色的进度或成就，处在人工智能研究的前沿。
80 年代，以纳维尔(Newell)为代表的研究学者归纳了专家系统的成就经验，吸收了认知科学研究的最新成果，提出了作为通用智能基础的体系结构Soar。当前的Soar已经表明出强大的困难求解能力。在Soar中已达到了30多种搜索方法，达到了若干知识密集型任务(专家系统)，如RI（用造成式规则表达知识，采取正向推理的控制结构，用OPSS语言写成。）等。rooks提出了人工智能的一种新的渠道，觉得无需概念或者说无需符号表明，智能系统的能力可以逐渐进化。在它的研究中突出4 个概念:
1) 所处的境遇，机器人不涉及抽象的描述,而是处在直接影响系统的举动的境地。
2) 具体化，机器人有躯干,有直接来自周围世界的经验,他们的感官起作用后立刻会有反馈。
3) 智能，智能的来源不仅仅是限于计算装置,也是受于与周围执行交互的动态决定。
4) 显现，从系统与周围世界的交互以及有时候系统的部件间的交互显现出智能。