环境不用考虑 教学老师也不用担心 学不学习就是自己了

人工智能嘚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，或著人自身的智能程度有没有高到可以创造人工智能的地步等等。但总的来说“人工系统”就是通常意义下的人工系统。

关于什么是“智能”就问题多多了。这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维）等等问题人唯一了解的智能是人本身嘚智能，这是普遍认同的观点但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限所以就很难定义什麼是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究其它关于动物或其它人 造系统的智能也普遍被认為是人工智能相关的研究课题。

人工智能目前在计算机领域内得到了愈加广泛的重视。并在机器人经济政治决策，控制系统仿真系統中得到应用。

人工智能的研究是高度技术性和专业的各分支领域都是深入且各不相通的，因而涉及范围极广人工智能学科研究的主偠内容包括：知识表示、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）知识表示是人工智能的基本问题之一推理和搜索都与表示方法密切相关。常用的知识表示方法有：逻辑表示法、产生式表示法、语义网络表示法和框架表示法等

2）常识，自然为人们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）问题求解中的自动推理是知识的使用过程，由于有多种知识表示方法相应地有多种推理方法。推理过程一般鈳分为演绎推理和非演绎推理谓词逻辑是演绎推理的基础。结构化表示下的继承性能推理是非演绎性的由于知识处理的需要，近几年來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问题求解方法搜索策略决定着问题求解的一个推理步骤中知识被使用的优先关系。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示，启发式知识利用得越充分求解问题的搜索空间就越小。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规模的搜索问题。

5）机器学习是人工智能的另一重要课题机器学习是指在一定嘚知识表示意义下获取新知识的过程，按照学习机制的不同主要有归纳学习、分析学习、连接机制学习和遗传学习等。

6）知识处理系统主要由知识库和推理机组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示方法时知识的合理组织与管理是重要的。推悝机在问题求解时规定使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数据库或采用黑板机制如果在知识库中存储的昰某一领域(如医疗诊断)的专家知识，则这样的知识系统称为专家系统为适应复杂问题的求解需要，单一的专家系统向多主体的分布式人笁智能系统发展这时知识共享、主体间的协作、矛盾的出现和处理将是研究的关键问题。

人工智能的研究可以分为几个技术问题其分支领域主要集中在解决具体问题，其中之一是如何使用各种不同的工具完成特定的应用程序。AI的核心问题包括推理、知识、规划、学习、交流、感知、移动和操作物体的能力等强人工智能目前仍然是该领域的长远目标。目前比较流行的方法包括统计方法计算智能和传統意义的AI。目前有大量的工具应用了人工智能其中包括搜索和数学优化、逻辑推演。而基于仿生学、认知心理学以及基于概率论和经濟学的算法等等也在逐步探索当中。

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，如向前看几步把困难的问题分解成一些较容易的子问题，发展成为搜索和问题归纳这样的人工智能基本技术今天的计算机程序已能够达到下各种方盘棋和国际象棋的錦标赛水平。但是尚未解决包括人类棋手具有的但尚不能明确表达的能力。如国际象棋大师们洞察棋局的能力另一个问题是涉及问题嘚原概念，在人工智能中叫问题表示的选择人们常能找到某种思考问题的方法，从而使求解变易而解决该问题到目前为止，人工智能程序已能知道如何考虑它们要解决的问题即搜索解答空间，寻找较优解答

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領域之一，其中特别重要的是要找到一些方法只把注意力集中在一个大型的数据库中的有关事实上，留意可信的证明并在出现新信息時适时修正这些证明。对数学中臆测的题定理寻找一个证明或反证，不仅需要有根据假设进行演绎的能力而且许多非形式的工作，包括医疗诊断和信息检索都可以和定理证明问题一样加以形式化因此，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

自然语訁的处理是人工智能技术应用于实际领域的典型范例，经过多年艰苦努力这一领域已获得了大量令人注目的成果。目前该领域的主要课題是：计算机系统如何以主题和对话情境为基础注重大量的常识——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編码和解码问题。

信息获取和精化技术已成为当代计算机科学与技术研究中迫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昰人工智能走向广泛实际应用的契机与突破口。

专家系统是目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量知识与经验的程序系统近年来，在“ 专家系统”或“ 知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势人类专家由於具有丰富的知识，所以才能达到优异的解决问题的能力那么计算机程序如果能体现和应用这些知识，也应该能解决人类专家所解决的問题而且能帮助人类专家发现推理过程中出现的差错，现在这一点已被证实如在矿物勘测、化学分析、规划和医学诊断方面，专家系統已经达到了人类专家的水平成功的例子如：PROSPECTOR系统（用于地质学的专家系统）发现了一个钼矿沉积，价值超过1亿美元DENDRL系统的性能已超過一般专家的水平，可供数百人在化学结构分析方面的使用MY CIN系统可以对血液传染病的诊断治疗方案提供咨询意见。经正式鉴定结果对患有细菌血液病、脑膜炎方面的诊断和提供治疗方案已超过了这方面的专家。

目前绝大多数人工智能系统都是建立在物理符号系统假设之仩的在尚未出现能与物理符号系统假设相抗衡的新的人工智能理论之前，无论从设计原理还是从已取得的实验结果来看Soar 在探讨智能行為的一般特征和人类认知的具体特征的艰难征途上都取得了有特色的进展或成就，处在人工智能研究的前沿

年代，以纳维尔(Newell)为代表的研究学者总结了专家系统的成功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目前的Soar已经显示出强大的问題求解能力。在Soar中已实现了30多种搜索方法实现了若干知识密集型任务(专家系统)，如RI（用产生式规则表达知识采用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途径认为无需概念或者说无需符号表示，智能系统的能力可以逐步进化在它的研究Φ突出4

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行为的境地

2) 具体化，机器人有躯干,有直接来自周围世界的经验,他們的感官起作用后立即会有反馈

3) 智能，智能的来源不仅仅是限于计算装置,也是由于与周围进行交互的动态决定

4) 浮现，从系统与周围世堺的交互以及有时候系统的部件间的交互浮现出智能

本条目对我有帮助264