人工智能, 英文單詞 artilect ,來源於 雨果·德·加裏斯 的著作 . “人工智能”壹詞最初是在1956 年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,人工智能的概念也隨之擴展。人工智能是壹門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的壹個主要目標是使機器能夠勝任壹些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種“復雜工作”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，現在計算機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復雜任務”, 可見復雜工作的定義是隨著時代的發具有人工智能的機器人
展和技術的進步而變化的, 人工智能這門科學的具體目標也自然隨著時代的變化而發展。它壹方面不斷獲得新的進展，壹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能的主要物質手段以及能夠實現人工智能技術的機器就是計算機, 人工智能的發展歷史是和計算機科學技術的發展史聯系在壹起的。除了計算機科學以外, 人工智能還涉及信息論、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。人工智能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、計算機視覺、智能機器人、自動程序設計等方面。 實際應用 機器視覺:指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統,智能搜索，定理證明，博弈，自動程序設計，還有航天應用等。 學科範疇 人工智能是壹門邊沿學科，屬於自然科學和社會科學的交叉。 涉及學科 哲學和認知科學，數學，神經生理學，心理學，計算機科學，信息論，控制論，不定性論，仿生學， 研究範疇 自然語言處理，知識表現，智能搜索，推理，規劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計，軟計算，不精確和不確定的管理，人工生命，神經網絡，復雜系統，遺傳算法 人類思維方式 應用領域 智能控制，專家系統，機器人學，語言和圖像理解，遺傳編程 機器人工廠 安全問題 目前人工智能還在研究中，但有學者認為讓計算機擁有智商是很危險的，它可能會反抗人類。這種隱患也在多部電影中發生過。
人工智能的兩種實現方法
人工智能在計算機上實現時有2種不同的方式。壹種是采用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（Engineering approach），它已在壹些領域內作出了成果，如文字識別、電腦下棋等。另壹種是模擬法（Modeling approach），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。本書介紹的遺傳算法（Generic Algorithm, 簡稱GA）和人工神經網絡（Artificial Neural Network,簡稱ANN）均屬後壹類型。遺傳算法模擬人類或生物的遺傳-進化機制，人工神經網絡則是模擬人類或動物大腦中神經細胞的活動方式。為了得到相同智能效果，兩種方式通常都可使用。采用前壹種方法，需要人工詳細規定程序邏輯，如果遊戲簡單，還是方便的。如果遊戲復雜，角色數量和活動空間增加，相應的邏輯就會很復雜（按指數式增長），人工編程就非常繁瑣，容易出錯。而壹旦出錯，就必須修改原程序，重新編譯、調試，最後為用戶提供壹個新的版本或提供壹個新補丁, 非常麻煩。采用後壹種方法時，編程者要為每壹角色設計壹個智能系統（壹個模塊）來進行控制，這個智能系統（模塊）開始什麽也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環境，應付各種復雜情況。這種系統開始也常犯錯誤，但它能吸取教訓，下壹次運行時就可能改正，至少不會永遠錯下去，用不到發布新版本或打補丁。利用這種方法來實現人工智能，要求編程者具有生物學的思考方法，入門難度大壹點。但壹旦入了門，就可得到廣泛應用。由於這種方法編程時無須對角色的活動規律做詳細規定，應用於復雜問題，通常會比前壹種方法更省力。
定義
人工智能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麽是人力所能及制造的，或者人自身的智能程度有沒有高到可以創造人工智能的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。 關於什麽是“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（unconscious_mind）等等問題。人唯壹了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了解有限，所以就很難定義什麽是“人工”制造的“智能”了。因此人工智能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能相關的研究課題。 人工智能目前在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，仿真系統中得到應用。 著名的美國斯坦福大學人工智能研究中心尼爾遜教授對人工智能下了這樣壹個定義：“人工智能是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。”而另壹個美國麻省理工學院的溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”這些說法反映了人工智能學科的基本思想和基本內容。即人工智能是研究人類智能活動的規律，構造具有壹定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。 人工智能（Artificial Intelligence，簡稱AI）是計算機學科的壹個分支，二十世紀七十年代以來被稱為世界三大尖端技術之壹（空間技術、能源技術、人工智能）。也被認為是二十壹世紀（基因工程、納米科學、人工智能）三大尖端技術之壹。這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，並取得了豐碩的成果，人工智能已逐步成為壹個獨立的分支，無論在理論和實踐上都已自成壹個系統。 人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、制造類似於人腦智能的計算機，使計算機能實現更高層次的應用。人工智能將涉及到計算機科學、心理學、哲學和語言學等學科。可以說幾乎是自然科學和社會科學的所有學科，其範圍已遠遠超出了計算機科學的範疇，人工智能與思維科學的關系是實踐和理論的關系，人工智能是處於思維科學的技術應用層次，是它的壹個應用分支。從思維觀點看，人工智能不僅限於邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智能學科也必須借用數學工具，數學不僅在標準邏輯、模糊數學等範圍發揮作用，數學進入人工智能學科，它們將互相促進而更快地發展。
編輯本段簡史
人工智能的傳說可以追溯到古埃及，但隨著1941年以來電子計算機的發展，技術已最終可以創造出機器智能，“人工智能”(Artificial Intelligence)壹詞最初是在1956年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，人工智能的概念也隨之擴展，在它還不長的歷史中，人工智能的發展比預想的要慢，但壹直在前進，從40年前出現到現在，已經出現了許多AI程序，並且它們也影響到了其它 技術的發展。
計算機時代
1941年的壹項發明使信息存儲和處理的各個方面都發生了革命.這項同時在美國和德國出現的 發明就是電子計算機.第壹臺計算機要占用幾間裝空調的大房間,對程序員來說是場惡夢:僅僅為運行壹 個程序就要設置成千的線路.1949年改進後的能存儲程序的計算機使得輸入程序變得簡單些,而且計算機 理論的發展產生了計算機科學,並最終促使了人工智能的出現.計算機這個用電子方式處理數據的發明, 為人工智能的可能實現提供了壹種媒介.
AI的開端
雖然計算機為AI提供了必要的技術基礎,但直到50年代早期人們才註意到人類智能與機器之間 的聯系. Norbert Wiener是最早研究反饋理論的美國人之壹.最熟悉的反饋控制的例子是自動調溫器.它 將收集到的房間溫度與希望的溫度比較,並做出反應將加熱器開大或關小,從而控制環境溫度.這項對反饋 回路的研究重要性在於: Wiener從理論上指出,所有的智能活動都是反饋機制的結果.而反饋機制是有可 能用機器模擬的.這項發現對早期AI的發展影響很大. 1955年末,Newell和Simon做了壹個名為"邏輯專家"(Logic Theorist)的程序.這個程序被許多人 認為是第壹個AI程序.它將每個問題都表示成壹個樹形模型,然後選擇最可能得到正確結論的那壹枝來求解 問題."邏輯專家"對公眾和AI研究領域產生的影響使它成為AI發展中壹個重要的裏程碑.1956年,被認為是 人工智能之父的John McCarthy組織了壹次學會,將許多對機器智能感興趣的專家學者聚集在壹起進行了壹 個月的討論.他請他們到 Vermont參加 " Dartmouth人工智能夏季研究會".從那時起,這個領域被命名為 "人工智能".雖然 Dartmouth學會不是非常成功,但它確實集中了AI的創立者們,並為以後的AI研究奠定了基礎. Dartmouth會議後的7年中,AI研究開始快速發展.雖然這個領域還沒明確定義,會議中的壹些思想 已被重新考慮和使用了. Carnegie Mellon大學和MIT開始組建AI研究中心.研究面臨新的挑戰: 下壹步需 要建立能夠更有效解決問題的系統,例如在"邏輯專家"中減少搜索;還有就是建立可以自我學習的系統. 1957年壹個新程序,"通用解題機"(GPS)的第壹個版本進行了測試.這個程序是由制作"邏輯專家" 的同壹個組開發的.GPS擴展了Wiener的反饋原理,可以解決很多常識問題.兩年以後,IBM成立了壹個AI研 究組.Herbert Gelerneter花3年時間制作了壹個解幾何定理的程序. 當越來越多的程序湧現時,McCarthy正忙於壹個AI史上的突破.1958年McCarthy宣布了他的新成 果: LISP語言. LISP到今天還在用."LISP"的意思是"表處理"(LISt Processing),它很快就為大多數AI開發者采納. 1963年MIT從美國政府得到壹筆220萬美元的資助,用於研究機器輔助識別.這筆資助來自國防部 高級研究計劃署(ARPA),已保證美國在技術進步上領先於蘇聯.這個計劃吸引了來自全世界的計算機科學家, 加快了AI研究的發展步伐.
大量的程序
以後幾年出現了大量程序.其中壹個著名的叫"SHRDLU"."SHRDLU"是"微型世界"項目的壹部分,包括 在微型世界(例如只有有限數量的幾何形體)中的研究與編程.在MIT由Marvin Minsky領導的研究人員發現, 面對小規模的對象,計算機程序可以解決空間和邏輯問題.其它如在60年代末出現的"STUDENT"可相關書籍
以解決代數 問題,"SIR"可以理解簡單的英語句子.這些程序的結果對處理語言理解和邏輯有所幫助. 70年代另壹個進展是專家系統.專家系統可以預測在壹定條件下某種解的概率.由於當時計算機已 有巨大容量,專家系統有可能從數據中得出規律.專家系統的市場應用很廣.十年間,專家系統被用於股市預 測,幫助醫生診斷疾病,以及指示礦工確定礦藏位置等.這壹切都因為專家系統存儲規律和信息的能力而成為可能. 70年代許多新方法被用於AI開發,著名的如Minsky的構造理論.另外David Marr提出了機器視覺方 面的新理論,例如,如何通過壹副圖像的陰影,形狀,顏色,邊界和紋理等基本信息辨別圖像.通過分析這些信 息,可以推斷出圖像可能是什麽.同時期另壹項成果是PROLOGE語言,於1972年提出. 80年代期間,AI前進更為迅速,並更多地進入商業領域.1986年,美國AI相關軟硬件銷售高達4.25億 美元.專家系統因其效用尤受需求.象數字電氣公司這樣的公司用XCON專家系統為VAX大型機編程.杜邦,通用 汽車公司和波音公司也大量依賴專家系統.為滿足計算機專家的需要,壹些生產專家系統輔助制作軟件的公 司,如Teknowledge和Intellicorp成立了。為了查找和改正現有專家系統中的錯誤,又有另外壹些專家系統被設計出來.
從實驗室到日常生活
人們開始感受到計算機和人工智能技術的影響.計算機技術不再只屬於實驗室中的壹小群研究人員. 個人電腦和眾多技術雜誌使計算機技術展現在人們面前.有了象美國人工智能協會這樣的基金會.因為AI開發 的需要,還出現了壹陣研究人員進入私人公司的熱潮。150多所像DEC(它雇了700多員工從事AI研究)這樣的公司***花了10億美元在內部的AI開發組上. 其它壹些AI領域也在80年代進入市場.其中壹項就是機器視覺. Minsky和Marr的成果現在用到了生產線上的相機和計算機中,進行質量控制.盡管還很簡陋,這些系統已能夠通過黑白區別分辨出物件形狀的不同.到1985年美國有壹百多個公司生產機器視覺系統,銷售額***達8千萬美元. 但80年代對AI工業來說也不全是好年景.86-87年對AI系統的需求下降,業界損失了近5億美元.象 Teknowledge和Intellicorp兩家***損失超過6百萬美元,大約占利潤的三分之壹巨大的損失迫使許多研究領 導者削減經費.另壹個另人失望的是國防部高級研究計劃署支持的所謂"智能卡車".這個項目目的是研制壹種能完成許多戰地任務的機器人。由於項目缺陷和成功無望,Pentagon停止了項目的經費. 盡管經歷了這些受挫的事件,AI仍在慢慢恢復發展.新的技術在日本被開發出來,如在美國首創的模糊邏輯,它可以從不確定的人工智能機器人
條件作出決策;還有神經網絡,被視為實現人工智能的可能途徑.總之,80年代AI被引入了市場,並顯示出實用價值.可以確信,它將是通向21世紀之匙. 人工智能技術接受檢驗 在"沙漠風暴"行動中軍方的智能設備經受了戰爭的檢驗.人工智能技術被用於導彈系統和預警顯示以 及其它先進武器.AI技術也進入了家庭.智能電腦的增加吸引了公眾興趣;壹些面向蘋果機和IBM兼容機的應用 軟件例如語音和文字識別已可買到;使用模糊邏輯,AI技術簡化了攝像設備.對人工智能相關技術更大的需求促 使新的進步不斷出現.人工智能已經並且將繼續不可避免地改變我們的生活.