artificial intelligence,AI
简介
研究理解智能行为并构造具有这种智能能力的计算机系统的一门学科。
学科内容 可概括为智能的研究和工程性的研究两个方面。
智能的研究 人类表现有智能行为的活动有：问题求解、符号表达、语言、感知、学习和创造等。人工智能具有基础学科探索的一面，它与研究这些现象的其他学科如心理学、语言学和哲学等的差别在于：它是利用计算机来进行实验模拟和研究。当提出一种关于揭示某种智能活动的新设想时，它是通过构造一个程序来进行考察和试验的。知识表示和搜索技术是AI的两大支柱。
(1)知识表示。知识是事实、认识以及启发性规则，是人通过实践，认识到的客观世界的规律性的表述，是经过加工整理、筛选的信息。知识表示是研究知识从自然记载形式过渡到适合计算机处理的表示形式，是一种数据结构与控制结构的统一体，既考虑知识存储，又考虑知识的使用。知识表示的方法有多种。例如演绎系统、产生式系统、框架系统、语义网络和过程性知识表示等。
(2)搜索技术。搜索又称查找，是一种查询数据、信息的方法，目的在于以较少的时间与步骤找到所需对象。搜索技术涉及到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以及博弈树搜索、状态空间搜索、问题空间搜索等多个方面。
工程性的研究 人工智能具有工程学科的一面，它要构造一些计算机应用系统，能够实现原来需要具有人的智能才能够完成的各种任务，得以更好地为人类服务。主要的应用领域有游戏、机器定理证明和逻辑推理、知识工程、专家系统、自然语言理解、计算机视觉、人工神经网络、机器学习、智能机器人和智能控制。
(1)游戏。主要是下棋。好的计算机下棋程序已可使计算机与世界级棋手相匹敌。如1997年5月IBM深兰计算机战胜了国际象棋冠军。
(2)机器定理证明和逻辑推理。利用计算机进行自动推理，已成为AI许多分支中一个公共的重要技术。
(3)知识工程。
(4)专家系统。
(5)自然语言理解。使计算机能懂得人的语言(声音的或文字的)含义，能将人的意思由计算机用人的声音或文字语言表达出来，也包括不同语种之间的翻译。
(6)计算机视觉。使计算机从所接收到的景象中辨认其特殊目标、特性和模式并进一步对景象进行理解，即用符号描述它以供计算机处理。
(7)人工神经网络。
(8)机器学习。主要有归纳学习、分析学习、连接机制学习和遗传学习等，用来获取新知识。
(9)智能机器人和智能控制。在生产中应用着的机器人大都由电子控制器或计算机按照预先编制好的程序来控制其动作的。智能机器人运用了人工智能技术，只要给定了目标任务，它就可以自行规划行动的细节;另一方面，每当其工作环境发生异常的变化时，它就能够自行采取相应的调整措施来适应其变化。这种自治的技术用于自动控制系统，即为智能控制。
兴起、发展与演变 20世纪40年代后半期，在计算机的发明上作出过卓越理论贡献的一些学者如A.M.图灵(A.M.Turing)J.冯·诺依曼(John VonNeumann)和C.E.香农(C.E.Shannon)等都对于计算机除了数值计算外，还对能否使它进行思考、学习和自己修复故障等智能性活动作了探讨，并作出了肯定的预测。
到50年代中期，有些科学家们开始着手实现人工智能的目标。在1956年，十名美国科学家，其中包括J.麦卡锡(John McCarthy)、M.明斯基(MarvinMinsky)、A.纽厄尔(Allen Newell)和H.西蒙(Herbent Simon)，在达特莫斯(Dartmouth)学院举行了一个讨论会，首先提出了“人工智能”这个术语，并开始了人工智能的研究。
20世纪60年代，人工智能研究出现了高潮。J.麦卡锡发表的符号处理语言原型，提供了用计算机程序设计作为人工智能符号处理的基础。H.西蒙夫妇做了一个有趣的心理学实验，表明人类求解问题是一个搜索过程，其效率取决于启发式函数。在此基础上，研制了通用问题求解系统、启发式搜索算法A*、机器定理证明过程中的归结原理及其完备性的证明等成果。
但直到20世纪60年代末，E.A.费根鲍姆(Edward A.Feigenbaum)等提出了第一个专家系统DENDRAL，用于分析化学分子式结构。到70年代专家系统取得极大成功。
20世纪80年代，霍普费尔德(Hopfield)和D.罗密尔赫塔(D.Rumelhart)等人对人工神经网络的研究，解决了M.明斯基所提出的感知器不能解决高阶谓词问题，随着出现了连接机制研究神经网络的热潮，推动了人工智能研究的进展。这样，符号机制和连接机制成为研究人工智能的主要观点。80年代后期，人工智能引入其他学科的思想和研究成果，出现了一些引人注目的新方法。例如，利用类似生物遗传的遗传算法来发现新的规则。
90年代以来，对人工神经网络的知识表示、常识推理、机器学习和分布式人工智能等基础性研究取得了可喜的进展。对逻辑在人工智能中的作用、知识与概念化、认知与学习、认知与感知、计算智能与人工智能的关系等问题展开了有益的辩论。在符号机制方面取得很大进展，例如启发式程序、专家系统、知识工程等方面取得很大成就，但是也有持现场智能观的人认为智能活动基于“感知和行动”。智能行为可以不需要知识、不需要推理，提出“无需知识的智能”、“无需推理的智能”的观点。
拓展资料
人工智能专家系统 人工智能算法 人工智能优化 人工智能理论 人工智能系统 人工智能控制 人工智能模拟 人工智能应用 集成人工智能 人工智能神经网络