人工智慧(Artificial Intelligence，AI)的定義可以分為兩部分，即“人工”和“智能”。“人工”比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製 造的，或著人自身的智能程度有沒有高到可以創造人工智慧的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。

關於什麼是“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。人唯一瞭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，對構成人的智能的必要元 素也瞭解有限，所以就很難定義什麼是“人工”製造的“智能”了。因此人工智慧的研究往往涉及對人的智能本身的研究。其它關於動物或其它人 造系統的智能也普遍被認為是人工智慧相關的研究課題。

人工智慧目前在電腦領域內，得到了愈加廣泛的重視。併在機器人，經濟政治決策，控制系統，模擬系統中得到應用。

人工智慧學科研究的主要內容包括：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、自然語言理解、電腦視覺、智能機器人、自動程式設計等方面。

1）知識表示是人工智慧的基本問題之一，推理和搜索都與表示方法密切相關。常用的知識表示方法有：邏輯表示法、產生式表示法、語義網路表示法和框架表示法等。

2）常識，自然為人們所關註，已提出多種方法，如非單調推理、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，由於有多種知識表示方法，相應地有多種推理方法。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。結構化表示下的繼承性能推理是非演繹性的。由於知識處理的需要，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、基於示例的推理、反繹推理和受限推理等。

4）搜索是人工智慧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先關係。可分為無信息導引的盲目搜索和 利用經驗知識導引的啟髮式搜索。啟髮式知識常由啟髮式函數來表示，啟髮式知識利用得越充分，求解問題的搜索空間就越小。典型的啟髮式搜索方法有A*、 AO*演算法等。近幾年搜索方法研究開始註意那些具有百萬節點的超大規模的搜索問題。

5）機器學習是人工智慧的另一重要課題。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）知識處理系統主要由知識庫和推理機組成。知識庫存儲系統所需要的知識，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，規定使用知識的基本方法和策略，推理過程中為記錄結果或通信需設資料庫或採用黑板機制。如果在知識庫中存儲的是某一領域(如醫療診斷)的專家知識，則這樣的知識系統稱為專家系統。為適應複雜問題的求解需要，單一的專家系統向多主體的分散式人工智慧系統發展，這時知識共用、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。

“人工智慧”一詞最初是在1956年達特茅斯（Dartmouth）學會上提出的。從那以後，研究者們發展了眾多理論和原理，人工智慧的概念也 隨之擴展。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得電腦知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機 器學習，電腦視覺等等，總的說來，人工智慧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複雜工作。但不同的時代、不同的人對這種 “複雜工作”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, 現在電腦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複雜任務”, 可見覆雜工作的定義是隨著時代的發展和技術的進步而變化的, 人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展, 一方面又轉向更有意義、更加困難的目標。目前能夠用來研究人工智慧的主要物質手段以及能夠實現人工智慧技術的機器就是電腦, 人工智慧的發展歷史是和電腦科學與技術的發展史聯繫在一起的。除了電腦科學以外, 人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫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，圖靈實驗的本質就是讓人在不看外型的情況下不能區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，如果你是學電腦的就會知道，對於電腦人士而言，獲得圖靈獎就等於物理學家獲得諾貝爾獎一樣，圖靈在理論上奠定了電腦產生的基礎，沒有他的傑出貢獻世界上根本不可能有這個東西，更不用說什麼網路了。

科學家早在電腦出現之前就已經希望能夠製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傑出的數學家、哲學家布爾，通過對人類思維進行數學化精確地刻畫，他和其它傑出的科學家一起奠定了智慧機器的思維結構與方法，今天我們的電腦內使用的邏輯基礎正是他所創立的。

我想任何學過電腦的人對布爾一定不會陌生，我們所學的布爾代數，就是由它開創的。當電腦出現後，人類開始真正有了一個可以模擬人類思維 的工具了，在以後的歲月中，無數科學家為這個目標努力著，現在人工智慧已經不再是幾個科學家的專利了，全世界幾乎所有大學的電腦系都有人在研究這門學科， 學習電腦的大學生也必須學習這樣一門課程，在大家不懈的努力下，現在電腦似乎已經變得十分聰明瞭，剛剛結束的國際象棋大賽中，電腦把人給勝了，這是人們都 知道的，大家或許不會註意到，在一些地方電腦幫助人進行其它原來只屬於人類的工作，電腦以它的高速和準確為人類發揮著它的作用。人工智慧始終是電腦科學的 前沿學科，電腦編程語言和其它電腦軟體都因為有了人工智慧的進展而得以存在。

現在人類已經把電腦的計算能力提高到了前所未有的地步，而人工智慧也在下世紀領導電腦發展的潮頭，現在人工智慧的發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路一樣深遠地影響我們的生活。

讓我們順著人工智慧的發展來回顧一下電腦的發展，在1941年由美國和德國兩國共同研製的第一臺電腦誕生了，從此以後人類存儲和處理信 息的方法開始發生革命性的變化。第一臺電腦的體型可不算太好，它比較胖，還比較嬌氣，需要工作在有空調的房間里，如果希望它處理什麼事情，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在的程式員已經是生活在天堂中了。

終於在1949發明瞭可以存儲程式的電腦，這樣，編程程式總算可以不用焊了，好多了。因為編程變得十分簡單，電腦理論的發展終於導致了人工智慧理論的產生。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。

雖然現在看來這種新機器已經可以實現部分人類的智力，但是直到50年代人們才把人類智力和這種新機器聯繫起來。美籍俄裔數學家、控制論的創始人諾伯特·維納（Norbert Wiener）在反饋理論上 的研究最終讓他提出了一個論斷，所有人類智力的結果都是一種反饋的結果，通過不斷地將結果反饋給機體而產生的動作，進而產生了智能。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，就把水管給關了，這就實現了反饋，是一種負反饋。如果連我 們廁所里的裝置都可以實現反饋了，那我們應該可以用一種機器實現反饋，進而實現人類智力的機器形式重現。這種想法對於人工智慧早期的有著重大的影響。

在1955的時候，美國電腦科學家艾倫·紐威爾(Allen Newell)和赫伯特·西蒙(Herbert A.Simon)The Logic Theorist程式，它是一種採用樹形結構的程式，在程式運行時，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。這個程式 在人工智慧的歷史上可以說是有重要地位的，它在學術上和社會上帶來的巨大的影響，以至於我們現在所採用的方法思想方法有許多還是來自於這個50年代的程 式。

1956年，“人工智慧之父”和LISP語言的發明人(ZT) 約翰·麥卡錫（John McCarthy）召集了一次會議來討論人工智慧未來的發展方向。從那時起，人工智慧的名字才正式確立，這次會議在人工智慧歷史上不是巨大的成功，但是這 次會議給人工智慧奠基人相互交流的機會，併為未來人工智慧的發展起了鋪墊的作用。在此以後，工人智能的重點開始變為建立實用的能夠自行解決問題的系統，並 要求系統有自學習能力。在1957年，艾倫·紐威爾和赫伯特·西蒙又開發了一個程式稱為General Problem Solver(GPS)，它對維納的反饋理論有一個擴展，並能夠解決一些比較普遍的問題。別的科學家在努力開發系統時，麥卡錫創建了表處理語言LISP，直到現在許多人工智慧程式還在使用這種語言，它幾乎成了人工智慧的代名詞，到了今天，LISP仍然在發展。

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慧的研究，美國政府不是為了別的，而是為了在冷戰中保持與蘇聯的均衡，雖然這個目的是帶點火藥味的，但是它的結果卻 使人工智慧得到了巨大的發展。其後發展出的許多程式十分引人註目，SHRDLU是維諾格拉德(T.Winograd)於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。在這個大發展的60年代，STUDENT系統可以解決代數問題，而SIR(Selective Integrated Rail)系統則開始理解簡單的英文句子了，SIR的出現導致了新學科的出現：自然語言處理。在70年代出現的專家系統成了一個巨大的進步，他頭一次讓人 知道電腦可以代替人類專家進行一些工作了，由於電腦硬體性能的提高，人工智慧得以進行一系列重要的活動，如統計分析數據，參與醫療診斷等等，它作為生活的 重要方面開始改變人類生活了。在理論方面，70年代也是大發展的一個時期，電腦開始有了簡單的思維和視覺，而不能不提的是在70年代，另一個人工智慧語言 Prolog語言誕生了，它和LISP一起幾乎成了人工智慧工作者不可缺少的工具。不要以為人工智慧離我們很遠，它已經在進入我們的生活，模糊控制，決策 支持等等方面都有人工智慧的影子。讓電腦這個機器代替人類進行簡單的智力活動，把人類解放用於其它更有益的工作，這是人工智慧的目的，但我想對科學真理的 無盡追求才是最終的動力吧。

1、問題求解

人工智慧的第一大成就是下棋程式，在下棋程度中應用的某些技術，如向前看幾步，把困難的問題分解成一些較容易的子問題，發展成為搜索和 問題歸納這樣的人工智慧基本技術。今天的電腦程式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，在人工智慧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，人工智慧程式已能知道如何考慮它們要解決的問題，即搜索解答空間，尋找較優解答。

2、邏輯推理與定理證明

邏輯推理是人工智慧研究中最持久的領域之一，其中特別重要的是要找到一些方法，只把註意力集中在一個大型的資料庫中的有關事實上，留意 可信的證明，併在出現新信息時適時修正這些證明。對數學中臆測的題。定理尋找一個證明或反證，不僅需要有根據假設進行演繹的能力，而且許多非形式的工作， 包括醫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，在人工智慧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慧技術應用於實際領域的典型範例，經過多年艱苦努力，這一領域已獲得了大量令人註目的成果。目前該領域的主要課 題是：電腦系統如何以主題和對話情境為基礎，註重大量的常識——世界知識和期望作用，生成和理解自然語言。這是一個極其複雜的編碼和解碼問題。

4、智能信息檢索技術

信息獲取和精化技術已成為當代電腦科學與技術研究中迫切需要研究的課題，將人工智慧技術應用於這一領域的研究是人工智慧走向廣泛實際應用的契機與突破口。

5、專家系統

專家系統是目前人工智慧中最活躍、最有成效的一個研究領域,它是一種具有特定領域內大量知識與經驗的程式系統。近年來，在“ 專家系統”或“ 知識工程” 的研究中已出現了成功和有效應用人工智慧技術的趨勢。人類專家由於具有豐富的知識，所以才能達到優異的解決問題的能力。那麼電腦程式如果能體現和應用這些 知識，也應該能解決人類專家所解決的問題，而且能幫助人類專家發現推理過程中出現的差錯，現在這一點已被證實。如在礦物勘測、化學分析、規劃和醫學診斷方 面，專家系統已經達到了人類專家的水平。成功的例子如：PROSPECTOR系統（用於地質學的專家系統）發現了一個鉬礦沉積，價值超過1億美元。DENDRL系統的性能已超過一般專家的水平，可供數百人在化學結構分析方面的使用。MY CIN系統可以對血液傳染病的診斷治療方案提供咨詢意見。經正式鑒定結果，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。

目前絕大多數人工智慧系統都是建立在物理符號系統假設之上的。在尚未出現能與物理符號系統假設相抗衡的新的人工智慧理論之前，無論從設計原理還 是從已取得的實驗結果來看，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，處在人工智慧研究的前沿。

80 年代，以納維爾(Newell)為代表的研究學者總結了專家系統的成功經驗，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的體繫結構Soar。目前的Soar已經顯示出強大的問題求解能力。在Soar中已實現了30多種搜索方法，實現了若幹知識密集型任務(專家系統)，如RI（用產生式規則表達知識，採用正向推理的控制結構，用OPSS語言寫成。）等。rooks提出了人工智慧的一種新的途徑，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的行為的境地。

2) 具體化，機器人有軀幹,有直接來自周圍世界的經驗,他們的感官起作用後立即會有反饋。

3) 智能，智能的來源不僅僅是限於計算裝置,也是由於與周圍進行交互的動態決定。

4) 浮現，從系統與周圍世界的交互以及有時候系統的部件間的交互浮現出智能。