中财网错妃诱情76章:人工智能
来源：百度文库 编辑：中财网 时间：2024/04/30 03:57:11
第一章 绪论
从1956年正式提出人工智能学科算起，40多年来，取得长足的发展，成为一门广泛的交叉和前沿科学。总的说来，人工智能的目的就是让计算机这台机器能够象人一样思考。如果希望做出一台能够思考的机器，那就必须知道什么是思考，更进一步讲就是什么是智慧。什么样的机器才是智慧的呢？科学家已经作出了汽车，火车，飞机，收音机等等，它们模仿我们身体器官的功能，但是能不能模仿人类大脑的功能呢？到目前为止，我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官，我们对这个东西知之甚少，模仿它或许是天下最困难的事情了。
当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月中，无数科学家为这个目标努力着。现在人工智能已经不再是几个科学家的专利了，全世界几乎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必须学习这样一门课程，在大家不懈的努力下，现在计算机似乎已经变得十分聪明了。例如，1997年5月，IBM公司研制的深蓝（Deep Blue）计算机战胜了国际象棋大师卡斯帕洛夫（Kasparov）。大家或许不会注意到，在一些地方计算机帮助人进行其它原来只属于人类的工作，计算机以它的高速和准确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因为有了人工智能的进展而得以存在。
人工智能理论进入21世纪，正酝酿着新的突破--人工生命的提出，不仅意味着人类试图从传统的工程技术途径，而且将开辟生物工程技术途径，去发展人工智能；同时人工智能的发展，又将作为人工生命科学的重要支柱和推动力量。可以预言：人工智能的研究成果将能够创造出更多更高级的智能"制品"，并使之在越来越多的领域超越人类智能；人工智能将为发展国民经济和改善人类生活作出更大贡献。
1.1 人工智能的定义和发展
1.1.1 人工智能的定义
国际上人工智能研究作为一门科学的前沿和交叉学科，但像许多新兴学科一样，人工智能至今尚无统一的定义。要给人工智能下个准确的定义是困难的。人类的许多活动，如解算题、猜谜语、进行讨论、编制计划和编写计算机程序，甚至驾驶汽车和骑自行车等等，都需要"智能"。如果机器能够执行这种任务，就可以认为机器已具有某种性质的"人工智能"。
不同科学或学科背景的学者对人工智能有不同的理解，提出不同的观点，人们称这些观点为符号主义(Symbolism)、连接主义(Connectionism)和行为主义(Actionism)等，或者叫做逻辑学派(Logicism)、仿生学派(Bionicsism)和生理学派(Physiologism)。此外还有计算机学派、心理学派和语言学派等。我们将在1.3节中综述他们的主要观点。这里，我们结合自己的理解来定义人工智能。这些定义是比较狭义的。
定义1 智能机器(intelligent machine)
能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphic tasks)的机器。
例子1：能够模拟人的思维，进行博弈的计算机。1997年5月11日，一个名为"深蓝"(Deep Blue)的ＩＢＭ计算机系统战胜当时的国际象棋世界冠军盖利.卡斯帕罗夫（Garry Kasparov）。
例子2：能够进行深海探测的潜水机器人。
例子3：在星际探险中的移动机器人，如美国研制的火星探测车。
定义2 人工智能
斯坦福大学的Nilsson提出人工智能是关于知识的科学（知识的表示、知识的获取以及知识的运用）,本书中首先从学科的界定来定义：
·人工智能（学科）是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。
从人工智能所实现的功能来定义：
·人工智能（能力）是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。
1.1.2 人工智能的起源与发展
人工智能的发展是以硬件与软件为基础。它的发展经历了漫长的发展历程。人们从很早就已开始研究自身的思维形成，早在亚里士多德(公元前384-322年)在着手解释和编注他称之为三段论的演绎推理时就迈出了向人工智能发展的早期步伐，可以看作为原始的知识表达规范。
亚里士多德(公元前384-322年)
什么是三段论？三段论是以真言判断为其前提的一种演绎推理，它借助于一个共同项，把两个直言判断联系起来，从而得出结论。例如：一切金属都是能够熔解的；铁是金属；所以，铁是能够熔解的。
1.2 人类智能与人工智能
1.2.1 研究认知过程的任务
人的心理活动具有不同的层次，它可以与计算机的层次相比较，见图1.1。
心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相应的是计算机程序、语言和硬件。
研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
图 1.1 人类任知活动与计算机的比较
1.2.2 智能信息处理系统的假设
物理符号系统的假设伴随有3个推论，或称为附带条件。
推论一:既然人具有智能，那么他(她)就一定是个物理符号系统。
推论二:既然计算机是一个物理符号系统，它就一定能够表现出智能。
推论三:既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能够用计算机来模拟人的活动。
控制论之父维纳1940年主张计算机五原则。维纳在1940年写给朋友的一封信中，对现代计算机的设计曾提出了几条原则：(1)不是模拟式，而是数字式；(2)由电子元件构成，尽量减少机械部件；(3)采用二进制，而不是十进制；(4)内部存放计算表；(5)在计算机内部存贮数据。这些原则是十分正确的。
1940年，维纳开始考虑计算机如何能像大脑一样工作。他发现了二者的相似性。维纳认为计算机是一个进行信息处理和信息转换的系统，只要这个系统能得到数据，机器本身就应该能做几乎任何事情。而且计算机本身并不一定要用齿轮，导线，轴，电机等部件制成。麻省理工学院的一位教授为了证实维纳的这个观点，甚至用石块和卫生纸卷制造过一台简单的能运行的计算机。维纳系统地创建了控制论，根据这一理论，一个机械系统完全能进行运算和记忆。
1.2.3 人类智能的计算机模拟
帕梅拉·麦考达克(Pamela McCorduck)在她的著名的人工智能历史研究《机器思维》(Machine Who Think,1979)中曾经指出：在复杂的机械装置与智能之间存在着长期的联系。从几世纪前出现的神话般的复杂巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的智能活动进行直接联系。
著名的英国科学家图灵被称为人工智能之父,图灵不仅创造了一个简单的通用的非数字计算模型，而且直接证明了计算机可能以某种被理解为智能的方法工作。1950年，图灵发表了题为《计算机能思考吗？》的论文，给人工智能下了一个定义，而且论证了人工智能的可能性。定义智慧时，如果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况下不能区别是机器的行为还是人的行为时，这个机器就是智慧的。
Alan Turing(1912-1954)
图灵测试
游戏由一男(A)、一女(B)和一名询问者(C)进行；C与A、B被隔离，通过电传打字机与A、B对话。询问者只知道二人的称呼是X，Y，通过提问以及回答来判断，最终作出"X是A，Y是B"或者"X是B，Y是A"的结论。游戏中，A必须尽力使C判断错误，而B的任务是帮助C。
当一个机器代替了游戏中的A，并且机器将试图使得C相信它是一个人。如果机器通过了图灵测试，就认为它是"智慧"的。
物理符号系统假设的推论一也告诉我们，人有智能，所以他是一个物理符号系统；推论三指出，可以编写出计算机程序去模拟人类的思维活动。这就是说，人和计算机这两个物理符号系统所使用的物理符号是相同的，因而计算机可以模拟人类的智能活动过程。
1.3 人工智能的学派及其争论
目前人工智能的主要学派: 符号主义、联结主义和行为主义。
任何新生事物的成长都不是一帆风顺的,人工智能也不例外。从人工智能孕育于人类社会的母胎时，就引起人们的争议。自1956年问世以来，人工智能也是在比较艰难的环境中顽强地拚搏与成长的。一方面，社会上对人工智能的科学性有所怀疑，或者对人工智能的发展产生恐惧。在一些国家(如前苏联)，甚至曾把人工智能视为反科学的异端邪说。在我国那"史无前例"的年代里，也有人把人工智能作为迷信来批判，以致连"人工智能"这个名词也不敢公开提及。另一方面，科学界内部对人工智能也表示怀疑。
真正的科学与任何其它真理一样，是永远无法压制的。人工智能研究必将排除千难万险，尤如滚滚长江，后浪推前浪，一浪更比一浪高地向前发展。在我国，人工智能科学也开始迎来了它的春天。
1.3.1 人工智能的主要学派
目前人工智能的主要学派有下列3家：
(1) 符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
(2) 联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)，其原理主要为神经网络及神经网络间的连接机制与学习算法。
(3) 行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论及感知-动作型控制系统。
他们对人工智能发展历史具有不同的看法。
1.符号主义
认为人工智能源于数理逻辑。数理逻辑从19世纪末起就获迅速发展；到20世纪30年代开始用于描述智能行为。计算机出现后，又在计算机上实现了逻辑演绎系统。正是这些符号主义者，早在1956年首先采用"人工智能"这个术语。后来又发展了启发式算法→专家系统→知识工程理论与技术，并在80年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要意义。在人工智能的其它学派出现之后，符号主义仍然是人工智能的主流派。这个学派的代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson)等。
2.联结主义
认为人工智能源于仿生学，特别是人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型。60-70年代，联结主义，尤其是对以感知机(perceptron)为代表的脑模型的研究曾出现过热潮，由于当时的理论模型、生物原型和技术条件的限制，脑模型研究在70年代后期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络时，联结主义又重新抬头。1986年鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播(BP)算法。此后，联结主义势头大振，从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场打下基础。现在，对ANN的研究热情仍然不减。
3.行为主义
认为人工智能源于控制论。控制论思想早在40-50年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。到60-70年代，控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在80年代诞生了智能控制和智能机器人系统。行为主义是近年来才以人工智能新学派的面孔出现的，引起许多人的兴趣与研究。
1.3.2 对人工智能基本理论的争论
不同人工智能学派对人工智能的研究方法问题也有不同的看法。这些问题涉及人工智能是否一定采用模拟人的智能的方法?若要模拟又该如何模拟?对结构模拟和行为模拟、感知思维和行为、对认知与学习以及逻辑思维和形象思维等问题是否应分离研究?是否有必要建立人工智能的统一理论系统?若有，又应以什么方法为基础?
1.符号主义
认为人的认知基元是符号，而且认知过程即符号操作过程。它认为人是一个物理符号系统，计算机也是一个物理符号系统，因此，我们就能够用计算机来模拟人的智能行为，即用计算机的符号操作来模拟人的认知过程。也就是说，人的思维是可操作的。它还认为，知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理和知识运用。知识可用符号表示，也可用符号进行推理，因而有可能建立起基于知识的人类智能和机器智能的统一理论体系。
2.联结主义
认为人的思维基元是神经元，而不是符号处理过程。它对物理符号系统假设持反对意见，认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于取代符号操作的电脑工作模式。
他们对人工智能发展历史具有不同的看法。
3.行为主义
认为智能取决于感知和行动(所以被称为行为主义)，提出智能行为的"感知-动作"模式。行为主义者认为智能不需要知识、不需要表示、不需要推理；人工智能可以象人类智能一样逐步进化(所以称为进化主义)；智能行为只能在现实世界中与周围环境交互作用而表现出来。行为主义还认为：符号主义(还包括联结主义)对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象，因而是不能真实地反映客观存在的。
1.3.3 对人工智能技术路线的争论
如何在技术上实现人工智能系统、研制智能机器和开发智能产品，即沿着什么技术路线和策略来发展人工智能，也存在有不同的派别，即不同的路线。
1.专用路线
强调研制与开发专用的智能计算机、人工智能软件、专用开发工具、人工智能语言和其它专用设备。
2.通用路线
认为通用的计算机硬件和软件能够对人工智能开发提供有效的支持，并能够解决广泛的和一般的人工智能问题。通用路线强调人工智能应用系统和人工智能产品的开发，应与计算机立体技术和主流技术相结合，并把知识工程视为软件工程的一个分支。
3.硬件路线
认为人工智能的发展主要依靠硬件技术。该路线还认为智能机器的开发主要有赖于各种智能硬件、智能工具及固化技术。
4.软件路线
强调人工智能的发展主要依靠软件技术。软件路线认为智能机器的研制主要在于开发各种智能软件、工具及其应用系统。
从上面的讨论我们可以看到，在人工智能的基本理论、研究方法和技术路线等方面，存在几种不同的学派，有着不同的论点；对其中某些观点的争论是十分激烈的。从"一枝独秀"的符号主义发展到多学派"百花争艳"，是一件大好事，必将促进人工智能的进一步发展。
对人工智能各种问题的争论可能还要持续几十年甚至几百年。尽管未来的人工智能系统很可能是集各家之长的多种方法之结合，但是单独研究各种方法仍然是必要的和有价值的。在努力实现某种主要目标之前，很可能有几种方法相互竞争和角逐。人工智能的研究者们已经开发和编制出许多表演系统和实用系统，这些系统显示出有限领域内的优良智能水平，有的系统甚至已具有商业价值。然而，已实现的人工智能系统仍远未达到人类所具有的那些几乎是万能的认知技巧。研究工作沿着许多不同的途径和方法继续进行，每种方法都有它的热烈的支持者和实践者。也许终有一天，他们会携起手来，并肩开创人工智能的新世界。
1.4 人工智能的研究和应用领域
在大多数学科中存在着几个不同的研究领域，每个领域都有其特有的感兴趣的研究课题、研究技术和术语。在人工智能中，这样的领域包括语言处理、自动定理证明、智能数据检索系统、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。在过去30多年中，已经建立了一些具有人工智能的计算机系统；例如，能够求解微分方程的，下棋的，设计分析集成电路的，合成人类自然语言的，检索情报的，诊断疾病以及控制太空飞行器和水下机器人的具有不同程度人工智能的计算机系统。
1.4.1 问题求解
人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。
小知识：Deep Blue 简历：
1985年，美国卡内基-梅隆（Carnegie-Mellon）大学的博士生Feng-hsiung Hsu着手研制一个国际象棋的计算机程序："Chiptest".1989年Hsu 与Murray Campbell加入了IBM的Deep Blue研究项目，最初研究目的是为了检验计算机的并行处理能力。几年后，研制小组开发了专用处理器，可以在每秒中计算2-3000步棋局。经历了数百次的失利，在科研人员的不断完善下，1997年，DeepBlue的硬件系统采用了32节点的大规模并行结构，每个节点由8片专用的处理器同时工作，这样，系统由256个处理器组成了一个高速并行计算机系统；研究小组又不断完善了博弈的程序。Deep Blue发展为高水平的博弈大师，在国际象棋比赛规定的每步棋限时3分钟里，可以推演1000-2000亿步棋局。Garry Kasparov的思考速度是200步/分。1997年5月11日，Deep Blue以3.5：2.5战胜了Garry Kasparov。
1.4.2 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子领域之一。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数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。
1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。
用四种颜色标注不同的区域
1.4.3 自然语言理解
NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识--世界知识和期望作用的重要性。
人工智能在语言翻译与语音理解程序方面已经取得的成就，发展为人类自然语言处理的新概念。
1.4.4 自动程序设计
也许程序设计并不是人类知识的一个十分重要的方面，但是它本身却是人工智能的一个重要研究领域。这个领域的工作叫做自动程序设计。已经研制出能够以各种不同的目的描述(例如输入/输出对，高级语言描述，甚至英语描述算法)来编写计算机程序。这方面的进展局限于少数几个完全现成的例子。对自动程序设计的研究不仅可以促进半自动软件开发系统的发展，而且也使通过修正自身数码进行学习(即修正它们的性能)的人工智能系统得到发展。自动编制一份程序来获得某种指定结果的任务同证明一份给定程序将获得某种指定结果的任务是紧密相关的。后者叫做程序验证。许多自动程序设计系统将产生一份输出程序的验证作为额外收获。
1.4.5 专家系统
一般地说，专家系统是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。也就是说，专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。
当前的研究涉及有关专家系统设计的各种问题。这些系统是在某个领域的专家(他可能无法明确表达他的全部知识)与系统设计者之间经过艰苦的反复交换意见之后建立起来的。在已经建立的专家咨询系统中，有能够诊断疾病的(包括中医诊断智能机)，估计潜在石油等矿藏的，研究复杂有机化合物结构的以及提供使用其它计算机系统的参考意见等。发展专家系统的关键是表达和运用专家知识，即来自人类专家的并已被证明对解决有关领域内的典型问题是有用的事实和过程。专家系统和传统的计算机程序最本质的不同之处在于专家系统所要解决的问题一般没有算法解，并且经常要在不完全、不精确或不确定的信息基础上作出结论。
专家系统可以解决的问题一般包括解释、预测、诊断、设计、规划、监视、修理、指导和控制等。高性能的专家系统也已经从学术研究开始进入实际应用研究。随着人工智能整体水平的提高，专家系统也获得发展。正在开发的新一代专家系统有分布式专家系统和协同式专家系统等。在新一代专家系统中，不但采用基于规则的方法，而且采用基于模型的原理。
1.4.6 机器学习
学习能力无疑是人工智能研究上最突出和最重要的一个方面。人工智能在这方面的研究近年来取得了一些进展。学习是人类智能的主要标志和获得知识的基本手段。机器学习(自动获取新的事实及新的推理算法)是使计算机具有智能的根本途径。正如香克(R. Shank)所说："一台计算机若不会学习，就不能称为具有智能的。"此外，机器学习还有助于发现人类学习的机理和揭示人脑的奥秘。所以这是一个始终得到重视，理论正在创立，方法日臻完善，但远未达到理想境地的研究领域。
您的位置：第1章>>第4节>>第7、8点； 学习状态：浏览学习
1.4.7 人工神经网络
由于冯·诺依曼(VanNeumann)体系结构的局限性，数字计算机存在一些尚无法解决的问题。人们一直在寻找新的信息处理机制，神经网络计算就是其中之一。
研究结果已经证明，用神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果。神经网络的发展有着非常广阔的科学背景，是众多学科研究的综合成果。神经生理学家、心理学家与计算机科学家的共同研究得出的结论是：人脑是一个功能特别强大、结构异常复杂的信息处理系统，其基础是神经元及其互联关系。因此，对人脑神经元和人工神经网络的研究，可能创造出新一代人工智能机--神经计算机。
对神经网络的研究始于40年代初期，经历了一条十分曲折的道路，几起几落，80年代初以来，对神经网络的研究再次出现高潮。霍普菲尔德(Hopfield)提出用硬件实现神经网络，鲁梅尔哈特(Rumelhart)等提出多层网络中的反向传播(BP)算法就是两个重要标志。现在，神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用。
1.4.8 机器人学
人工智能研究日益受到重视的另一个分支是机器人学，其中包括对操作机器人装置程序的研究。这个领域所研究的问题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。
机器人和机器人学的研究促进了许多人工智能思想的发展。它所导致的一些技术可用来模拟世界的状态，用来描述从一种世界状态转变为另一种世界状态的过程。它对于怎样产生动作序列的规划以及怎样监督这些规划的执行有了一种较好的理解。复杂的机器人控制问题迫使我们发展一些方法，先在抽象和忽略细节的高层进行规划，然后再逐步在细节越来越重要的低层进行规划。在本书中，我们经常应用一些机器人问题求解的例子来说明一些重要的思想。智能机器人的研究和应用体现出广泛的学科交叉，涉及众多的课题，如机器人体系结构、机构、控制、智能、视觉、触觉、力觉、听觉、机器人装配、恶劣环境下的机器人以及机器人语言等。机器人已在各种工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。
1.4.9 模式识别
计算机硬件的迅速发展，计算机应用领域的不断开拓，急切地要求计算机能更有效地感知诸如声音、文字、图象、温度、震动等等信息资料，模式识别便得到迅速发展。
"模式"(Pattern)一词的本意是指完美无缺的供模仿的一些标本。模式识别就是指识别出给定物体所模仿的标本。人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。
模式识别是一个不断发展的新学科，它的理论基础和研究范围也在不断发展。随着生物医学对人类大脑的初步认识，模拟人脑构造的计算机实验即人工神经网络方法早在50年代末、60年代初就已经开始。至今，在模式识别领域，神经网络方法已经成功地用于手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。目前模式识别学科正处于大发展的阶段，随着应用范围的不断扩大，随着计算机科学的不断进步，基于人工神经网络的模式识别技术，在90年代将有更大的发展。
1.4.10 机器视觉
机器视觉或计算机视觉已从模式识别的一个研究领域发展为一门独立的学科。在视觉方面，已经给计算机系统装上电视输入装置以便能够"看见"周围的东西。视觉是感知问题之一。在人工智能中研究的感知过程通常包含一组操作。例如，可见的景物由传感器编码，并被表示为一个灰度数值的矩阵。这些灰度数值由检测器加以处理。检测器搜索主要图象的成分，如线段、简单曲线和角度等。这些成分又被处理，以便根据景物的表面和形状来推断有关景物的三维特性信息。
带有视觉的月球自主车
带有视觉的越野自主车
机器视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图象压缩传输和复原、多光谱和彩色图象的处理与解释等。机器视觉已在机器人装配、卫星图象处理、工业过程监控、飞行器跟踪和制导以及电视实况转播等领域获得极为广泛的应用。
1.4.11 智能控制
人工智能的发展促进自动控制向智能控制发展。智能控制是一类无需(或需要尽可能少的)人的干预就能够独立地驱动智能机器实现其目标的自动控制。或者说，智能控制是驱动智能机器自主地实现其目标的过程。
随着人工智能和计算机技术的发展，已可能把自动控制和人工智能以及系统科学的某些分支结合起来，建立一种适用于复杂系统的控制理论和技术。智能控制正是在这种条件下产生的。它是自动控制的最新发展阶段，也是用计算机模拟人类智能的一个重要研究领域。1965年，傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。十多年后，建立实用智能控制系统的技术逐渐成熟。1971年，傅京孙提出把人工智能与自动控制结合起来的思想。1977年，美国萨里迪斯提出把人工智能、控制论和运筹学结合起来的思想。1986年，中国蔡自兴提出把人工智能、控制论、信息论和运筹学结合起来的思想。按照这些结构理论已经研究出一些智能控制的理论和技术，用来构造用于不同领域的智能控制系统。
智能控制的核心在高层控制，即组织级控制。其任务在于对实际环境或过程进行组织，即决策和规划，以实现广义问题求解。已经提出的用以构造智能控制系统的理论和技术有分级递阶控制理论、分级控制器设计的熵方法、智能逐级增高而精度逐级降低原理、专家控制系统、学习控制系统和基于NN的控制系统等。智能控制有很多研究领域，它们的研究课题既具有独立性，又相互关联。目前研究得较多的是以下6个方面：智能机器人规划与控制、智能过程规划、智能过程控制、专家控制系统、语音控制以及智能仪器。
1.4.12 智能检索
随着科学技术的迅速发展，出现了"知识爆炸"的情况。对国内外种类繁多和数量巨大的科技文献之检索远非人力和传统检索系统所能胜任。研究智能检索系统已成为科技持续快速发展的重要保证。数据库系统是储存某学科大量事实的计算机软件系统，它们可以回答用户提出的有关该学科的各种问题。
数据库系统的设计也是计算机科学的一个活跃的分支。为了有效地表示、存储和检索大量事实，已经发展了许多技术。当我们想用数据库中的事实进行推理并从中检索答案时，这个课题就显得很有意义。
1.4.13 智能调度与指挥
确定最佳调度或组合的问题是我们感兴趣的又一类问题。一个古典的问题就是推销员旅行问题。这个问题要求为推销员寻找一条最短的旅行路线。他从某个城市出发，访问每个城市一次，且只许一次，然后回到出发的城市。大多数这类问题能够从可能的组合或序列中选取一个答案，不过组合或序列的范围很大。试图求解这类问题的程序产生了一种组合爆炸的可能性。这时，即使是大型计算机的容量也会被用光。在这些问题中有几个(包括推销员旅行问题)是属于计算理论家称为NP完全性一类的问题。他们根据理论上的最佳方法计算出所耗时间(或所走步数)的最坏情况来排列不同问题的难度。
智能组合调度与指挥方法已被应用于汽车运输调度、列车的编组与指挥、空中交通管制以及军事指挥等系统。
1.4.14 系统与语言工具
人工智能对计算机界的某些最大贡献已经以派生的形式表现出来。计算机系统的一些概念，如分时系统、编目处理系统和交互调试系统等，已经在人工智能研究中得到发展。几种知识表达语言(把编码知识和推理方法作为数据结构和过程计算机的语言)已在70年代后期开发出来，以探索各种建立推理程序的思想。特里·威诺格雷德(Terry Winograd)的文章《在程序设计语言之外》(1979年)讨论了他的某些关于计算的未来思想；其中部分思想是在他的人工智能研究中产生的。80年代以来，计算机系统、如分布式系统、并行处理系统、多机协作系统和各种计算机网络等，都有了发展。在人工智能程序设计语言方面，除了继续开发和改进通用和专用的编程语言新版本和新语种外，还研究出了一些面向目标的编程语言和专用开发工具。对关系数据库研究所取得的进展，无疑为人工智能程序设计提供了新的有效工具。
1.5 人工智能对人类的影响
人工智能的发展已对人类及其未来产生深远影响，这些影响涉及人类的经济利益、社会作用和文化生活等方面，下面逐一加以讨论。
1.5.1 人工智能对经济的影响
人工智能系统的开发和应用，已为人类创造出可观的经济效益，专家系统就是一个例子。随着计算机系统价格的继续下降，人工智能技术必将得到更大的推广，产生更大的经济效益。下面略举二例说明。
1.专家系统的效益
成功的专家系统能为它的建造者、拥有者和用户带来明显的经济效益。用比较经济的方法执行任务而不需要有经验的专家，可以极大地减少劳务开支和培养费用。由于软件易于复制，所以专家系统能够广泛传播专家知识和经验，推广应用数量有限的和昂贵的专业人员及其知识。
如果保护得当，软件能被长期地和完整地保存。
领域专业人员(如医生)难以同时保持最新的实际建议(如治疗方案和方法)，而专家系统却能迅速地更新和保存这类建议，使终端用户(如病人)从中受益。
2.人工智能推动计算机技术发展
人工智能研究已经对计算机技术的各个方面产生并将继续产生较大影响。人工智能应用要求繁重的计算，促进了并行处理和专用集成片的开发。算法发生器和灵巧的数据结构获得应用，自动程序设计技术将开始对软件开发产生积极影响。所有这些在研究人工智能时开发出来的新技术，推动了计算机技术的发展，进而使计算机为人类创造更大的经济实惠。
1.5.2 人工智能对社会的影响
人工智能在给它的创造者、销售者和用户带来经济利益的同时，就象任何新技术一样，它的发展也引起或即将出现许多问题，并使一些人感到担心或懊恼。
1.劳务就业问题
由于人工智能能够代替人类进行各种脑力劳动，将会使一部分人不得不改变他们的工种，甚至造成失业。人工智能在科技和工程中的应用，会使一些人失去介入信息处理活动(如规划、诊断、理解和决策等)的机会，甚至不得不改变自己的工作方式。
2.社会结构变化
人们一方面希望人工智能和智能机器能够代替人类从事各种劳动，另一方面又担心它们的发展会引起新的社会问题。实际上，近十多年来，社会结构正在发生一种静悄悄的变化。"人-机器"的社会结构，终将为"人-智能机器-机器"的社会结构所取代。智能机器人就是智能机器之一。现在和将来的很多本来是由人承担的工作将由机器人来担任，因此，人们将不得不学会与有智能的机器相处，并适应这种变化了的社会结构。
3.思维方式与观念的变化
人工智能的发展与推广应用，将影响到人类的思维方式和传统观念，并使它们发生改变。例如，传统知识一般印在书本报刊或杂志上，因而是固定不变的，而人工智能系统的知识库的知识却是可以不断修改、扩充和更新的。又如，一旦专家系统的用户开始相信系统(智能机器)的判断和决定，那么他们就可能不愿多动脑筋，变得懒惰，并失去对许多问题及其求解任务的责任感和敏感性。那些过分依赖计算器的学生，他们的主动思维能力和计算能力也会明显下降。过分地依赖计算机的建议而不加分析地接受，将会使智能机器用户的认知能力下降，并增加误解。在设计和研制智能系统时，应考虑到上述问题，尽量鼓励用户在问题求解中的主动性，让他们的智力积极参与问题求解过程。
4.心理上的威胁
人工智能还使一部分社会成员感到心理上的威胁，或叫做精神威胁。人们一般认为，只有人类才具有感知精神，而且以此与机器相别。如果有一天，这些人开始相信机器也能够思维和创作，那么他们可能会感到失望，甚至感到威胁。他们担心：有朝一日，智能机器的人工智能会超过人类的自然智能，使人类沦为智能机器和智能系统的奴隶。对于人的观念(更具体地指人的精神)和机器的观念(更具体地指人工智能)之间的关系问题，哲学家、神学家和其它人们之间一直存在着争论。按照人工智能的观点，人类有可能用机器来规划自己的未来，甚至可以把这个规划问题想象为一类状态空间搜索。当社会上一部分人欢迎这种新观念时，另一部分人则发现这些新观念是惹人烦恼的和无法接受的，尤其是当这些观念与他们钟爱的信仰和观念背道而驰时。
5.技术失控的危险
任何新技术最大危险莫过于人类对它失去了控制，或者是它落入那些企图利用新技术反对人类的人手中。有人担心机器人和人工智能的其它制品威胁人类的安全。为此，著名的美国科幻作家阿西莫夫(I.Asimov)提出了"机器人三守则"：
(1) 机器人必须不危害人类，也不允许它眼看人类受害而袖手旁观。
(2) 机器人必须绝对服从人类，除非这种服从有害于人类。
(3) 机器人必须保护自身不受伤害，除非为了保护人类或者是人类命令它作出牺牲。
我们认为，如果把这个"机器人三守则"推广到整个智能机器，成为"智能机器三守则"，那么，人类社会就会更容易接受智能机器和人工智能。
人工智能技术是一种信息技术，能够极快地传递。我们必须保持高度警惕,防止人工智能技术被用于反对人类和危害社会的犯罪(有的人称之为"智能犯罪")。同时，人类有足够的智慧和信心，能够研制出防范、检测和侦破各种智能犯罪活动的智能手段。
6.引起的法律问题
人工智能的应用技术不仅代替了人的一些体力劳动，也代替了人的某些脑力劳动，有时甚至行使着本应由人担任的职能，免不了引起法律纠纷。比如医疗诊断专家系统万一出现失误，导致医疗事故，怎么样来处理，开发专家系统者是否要负责任，使用专家系统者应负什么责任，等等。
人工智能的应用将会越来越普及，正在逐步进入家庭，使用"机顶盒"技术的智能化电器已问世。可以预料，将会出现更多的与人工智能的应用有关的法律问题，需要社会在实践的基础上从法律角度作出对这些问题的解决方案。
要通过法律手段，对利用人工智能技术来反对人类和危害社会的犯罪行为进行惩罚，使人工智能技术为人类的利益作贡献。
1.5.3 人工智能对文化的影响
如前所述，人工智能可能改变人的思维方式和传统观念。此外，人工智能对人类文化有更多的影响。
1.改善人类知识
在重新阐述我们的历史知识的过程中，哲学家、科学家和人工智能学家有机会努力解决知识的模糊性以及消除知识的不一致性。这种努力的结果，可能导致知识的某些改善，以便能够比较容易地推断出令人感兴趣的新的真理。
2.改善人类语言
根据语言学的观点，语言是思维的表现和工具，思维规律可用语言学方法加以研究，但人的下意识和潜意识往往"只能意会，不可言传"。由于采用人工智能技术，综合应用语法、语义和形式知识表示方法，我们有可能在改善知识的自然语言表示的同时，把知识阐述为适用的人工智能形式。随着人工智能原理日益广泛传播，人们可能应用人工智能概念来描述他们生活中的日常状态和求解各种问题的过程。人工智能能够扩大人们交流知识的概念集合，为我们提供一定状况下可供选择的概念，描述我们所见所闻的方法以及描述我们的信念的新方法。
3.改善文化生活
人工智能技术为人类文化生活打开了许多新的窗口。比如图像处理技术必将对图形艺术、广告和社会教育部门产生深远的影响。比如现有的智力游戏机将发展为具有更高智能的文化娱乐手段。
综上分析我们知道，人工智能技术对人类的社会进步、经济发展和文化提高都有巨大的影响。随着时间的推进和技术的进步，这种影响将越来越明显地表现出来。还有一些影响，可能是我们现在难以预测的。可以肯定，人工智能将对人类的物质文明和精神文明产生越来越大的影响。
1.6 对人工智能的展望
人工智能的近期研究目标在于建造智能计算机，用以代替人类从事脑力劳动，即使现有的计算机更聪明更有用。正是根据这一近期研究目标，我们才把人工智能理解为计算机科学的一个分支。人工智能还有它的远期研究目标，即探究人类智能和机器智能的基本原理，研究用自动机(automata)模拟人类的思维过程和智能行为。这个长期目标远远超出计算机科学的范畴，几乎涉及自然科学和社会科学的所有学科。我们将在本节中研究这一问题。
1.6.1 更新的理论框架
在重新阐述我们的历史知识的过程中，哲学家、科学家和人工智能学家有机会努力解决知识的模糊性以及消除知识的不一致性。这种努力的结果，可能导致知识的某些改善，以便能够比较容易地推断出令人感兴趣的新的真理。
人工智能研究尚存在不少问题，这主要表现在下列几个方面：
1.宏观与微观隔离
一方面是哲学、认知科学、思维科学和心理学等学科所研究的智能层次太高、太抽象；另一方面是人工智能逻辑符号、神经网络和行为主义所研究的智能层次太低。这两方面之间相距太远，中间还有许多层次未予研究，无法把宏观与微观有机地结合起来和相互渗透。
2.全局与局部割裂
人类智能是脑系统的整体效应，有着丰富的层次和多个侧面。但是，符号主义只抓住人脑的抽象思维特性；连接主义只模仿人的形象思维特性；行为主义则着眼于人类智能行为特性及其进化过程。它们存在明显的局限性。必须从多层次、多因素、多维和全局观点来研究智能，才能克服上述局限性。
3.理论和实际脱节
大脑的实际工作，在宏观上我们已知道得不少；但是智能的千姿百态，变幻莫测，复杂得难以理出清晰的头绪。在微观上，我们对大脑的工作机制却知之甚少，似是而非，使我们难以找出规律。在这种背景下提出的各种人工智能理论，只是部分人的主观猜想，能在某些方面表现出"智能"就算相当成功了。
上述存在问题和其它问题说明，人脑的结构和功能要比人们想象的复杂得多，人工智能研究面临的困难要比我们估计的重大得多，人工智能研究的任务要比我们讨论过的艰巨得多。同时也说明，要从根本上了解人脑的结构和功能，解决面临的难题，完成人工智能的研究任务，需要寻找和建立更新的人工智能框架和理论体系，打下人工智能进一步发展的理论基础。
我们至少需要经过几代人的持续奋斗，进行多学科联合协作研究，才可能基本上解开"智能"之谜，使人工智能理论达到一个更高的水平。
1.6.2 更好的技术集成
这里我们将讨论另一种集成技术，即多学科智能集成技术。
人工智能技术是其它信息处理技术及相关学科技术的集成。实现这一集成面临许多挑战，如创造知识表示和传递的标准形式，理解各个子系统间的有效交互作用以及开发数值模型与非数值知识综合表示的新方法，也包括定量模型与定性模型的结合，以便以较快速度进行定性推理。
要集成的信息技术除数字技术外，还包括计算机网络、远程通信、数据库、计算机图形学、语音与听觉、机器人学、过程控制、并行计算和集群计算、虚拟技术、进化计算与人工生命、光计算和生物信息处理等技术。除了信息技术外，未来的智能系统还要集成认知科学、心理学与生物学、社会学、语言学、系统学和哲学等。计算不仅是智能系统支持结构的重要部分，而且是智能系统的活力所在，就象血液对于人体一样重要。
智能系统、认知科学和知识技术基本科学的发展，必将对未来工业和未来社会产生不可估量的影响。
1.6.3 更成熟的应用方法
硬件是人工智能实现的保证，软件是人工智能的核心。
许多人工智能应用问题需要开发复杂的软件系统，这促进了软件工程学科的出现与发展。由于人工智能应用问题的复杂性和广泛性，传统的软件设计方法显然是不够用和不适用的。人工智能软件所要执行的功能很可能随着系统的开发而变化。人工智能方法必须支持人工智能系统的开发实验，并允许系统有组织地从一个较小的核心原型逐渐发展为一个完整的应用系统。
可期望，将会研究出通用而有效的人工智能开发方法。更高级的AI通用语言、更有效的AI专用语言与开发环境或工具以及人工智能开发专用机器将会不断出现及更新，为人工智能研究和开发提供有力的工具。
在应用人工智能时，还需要寻找与发现问题分类与求解的新方法，最终研究出使人工智能成功地应用于更多领域的和更成熟的方法。
在当前的人工智能应用方法研究中，有几个引人注目的课题，即多种方法混合技术、多专家系统技术、机器学习(尤以神经网络学习)方法、硬件软件一体化技术以及并行分布处理技术等。
随着人工智能应用方法的日渐成熟，人工智能的应用领域必将不断扩大。我们可以预言，人工智能、智能机器和智能系统比现在的电子计算机一定会有广泛得多的应用领域。哪里有人类活动，哪里就将应用到人工智能技术。
从1956年正式提出人工智能学科算起，40多年来，取得长足的发展，成为一门广泛的交叉和前沿科学。总的说来，人工智能的目的就是让计算机这台机器能够象人一样思考。如果希望做出一台能够思考的机器，那就必须知道什么是思考，更进一步讲就是什么是智慧。什么样的机器才是智慧的呢？科学家已经作出了汽车，火车，飞机，收音机等等，它们模仿我们身体器官的功能，但是能不能模仿人类大脑的功能呢？到目前为止，我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官，我们对这个东西知之甚少，模仿它或许是天下最困难的事情了。
当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月中，无数科学家为这个目标努力着。现在人工智能已经不再是几个科学家的专利了，全世界几乎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必须学习这样一门课程，在大家不懈的努力下，现在计算机似乎已经变得十分聪明了。例如，1997年5月，IBM公司研制的深蓝（Deep Blue）计算机战胜了国际象棋大师卡斯帕洛夫（Kasparov）。大家或许不会注意到，在一些地方计算机帮助人进行其它原来只属于人类的工作，计算机以它的高速和准确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因为有了人工智能的进展而得以存在。
人工智能理论进入21世纪，正酝酿着新的突破--人工生命的提出，不仅意味着人类试图从传统的工程技术途径，而且将开辟生物工程技术途径，去发展人工智能；同时人工智能的发展，又将作为人工生命科学的重要支柱和推动力量。可以预言：人工智能的研究成果将能够创造出更多更高级的智能"制品"，并使之在越来越多的领域超越人类智能；人工智能将为发展国民经济和改善人类生活作出更大贡献。
1.1 人工智能的定义和发展
1.1.1 人工智能的定义
国际上人工智能研究作为一门科学的前沿和交叉学科，但像许多新兴学科一样，人工智能至今尚无统一的定义。要给人工智能下个准确的定义是困难的。人类的许多活动，如解算题、猜谜语、进行讨论、编制计划和编写计算机程序，甚至驾驶汽车和骑自行车等等，都需要"智能"。如果机器能够执行这种任务，就可以认为机器已具有某种性质的"人工智能"。
不同科学或学科背景的学者对人工智能有不同的理解，提出不同的观点，人们称这些观点为符号主义(Symbolism)、连接主义(Connectionism)和行为主义(Actionism)等，或者叫做逻辑学派(Logicism)、仿生学派(Bionicsism)和生理学派(Physiologism)。此外还有计算机学派、心理学派和语言学派等。我们将在1.3节中综述他们的主要观点。这里，我们结合自己的理解来定义人工智能。这些定义是比较狭义的。
定义1 智能机器(intelligent machine)
能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphic tasks)的机器。
例子1：能够模拟人的思维，进行博弈的计算机。1997年5月11日，一个名为"深蓝"(Deep Blue)的ＩＢＭ计算机系统战胜当时的国际象棋世界冠军盖利.卡斯帕罗夫（Garry Kasparov）。
例子2：能够进行深海探测的潜水机器人。
例子3：在星际探险中的移动机器人，如美国研制的火星探测车。
定义2 人工智能
斯坦福大学的Nilsson提出人工智能是关于知识的科学（知识的表示、知识的获取以及知识的运用）,本书中首先从学科的界定来定义：
·人工智能（学科）是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。
从人工智能所实现的功能来定义：
·人工智能（能力）是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。
1.1.2 人工智能的起源与发展
人工智能的发展是以硬件与软件为基础。它的发展经历了漫长的发展历程。人们从很早就已开始研究自身的思维形成，早在亚里士多德(公元前384-322年)在着手解释和编注他称之为三段论的演绎推理时就迈出了向人工智能发展的早期步伐，可以看作为原始的知识表达规范。
亚里士多德(公元前384-322年)
什么是三段论？三段论是以真言判断为其前提的一种演绎推理，它借助于一个共同项，把两个直言判断联系起来，从而得出结论。例如：一切金属都是能够熔解的；铁是金属；所以，铁是能够熔解的。
1.2 人类智能与人工智能
1.2.1 研究认知过程的任务
人的心理活动具有不同的层次，它可以与计算机的层次相比较，见图1.1。
心理活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相应的是计算机程序、语言和硬件。
研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
图 1.1 人类任知活动与计算机的比较
1.2.2 智能信息处理系统的假设
物理符号系统的假设伴随有3个推论，或称为附带条件。
推论一:既然人具有智能，那么他(她)就一定是个物理符号系统。
推论二:既然计算机是一个物理符号系统，它就一定能够表现出智能。
推论三:既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能够用计算机来模拟人的活动。
控制论之父维纳1940年主张计算机五原则。维纳在1940年写给朋友的一封信中，对现代计算机的设计曾提出了几条原则：(1)不是模拟式，而是数字式；(2)由电子元件构成，尽量减少机械部件；(3)采用二进制，而不是十进制；(4)内部存放计算表；(5)在计算机内部存贮数据。这些原则是十分正确的。
1940年，维纳开始考虑计算机如何能像大脑一样工作。他发现了二者的相似性。维纳认为计算机是一个进行信息处理和信息转换的系统，只要这个系统能得到数据，机器本身就应该能做几乎任何事情。而且计算机本身并不一定要用齿轮，导线，轴，电机等部件制成。麻省理工学院的一位教授为了证实维纳的这个观点，甚至用石块和卫生纸卷制造过一台简单的能运行的计算机。维纳系统地创建了控制论，根据这一理论，一个机械系统完全能进行运算和记忆。
1.2.3 人类智能的计算机模拟
帕梅拉·麦考达克(Pamela McCorduck)在她的著名的人工智能历史研究《机器思维》(Machine Who Think,1979)中曾经指出：在复杂的机械装置与智能之间存在着长期的联系。从几世纪前出现的神话般的复杂巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的智能活动进行直接联系。
著名的英国科学家图灵被称为人工智能之父,图灵不仅创造了一个简单的通用的非数字计算模型，而且直接证明了计算机可能以某种被理解为智能的方法工作。1950年，图灵发表了题为《计算机能思考吗？》的论文，给人工智能下了一个定义，而且论证了人工智能的可能性。定义智慧时，如果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况下不能区别是机器的行为还是人的行为时，这个机器就是智慧的。
Alan Turing(1912-1954)
图灵测试
游戏由一男(A)、一女(B)和一名询问者(C)进行；C与A、B被隔离，通过电传打字机与A、B对话。询问者只知道二人的称呼是X，Y，通过提问以及回答来判断，最终作出"X是A，Y是B"或者"X是B，Y是A"的结论。游戏中，A必须尽力使C判断错误，而B的任务是帮助C。
当一个机器代替了游戏中的A，并且机器将试图使得C相信它是一个人。如果机器通过了图灵测试，就认为它是"智慧"的。
物理符号系统假设的推论一也告诉我们，人有智能，所以他是一个物理符号系统；推论三指出，可以编写出计算机程序去模拟人类的思维活动。这就是说，人和计算机这两个物理符号系统所使用的物理符号是相同的，因而计算机可以模拟人类的智能活动过程。
1.3 人工智能的学派及其争论
目前人工智能的主要学派: 符号主义、联结主义和行为主义。
任何新生事物的成长都不是一帆风顺的,人工智能也不例外。从人工智能孕育于人类社会的母胎时，就引起人们的争议。自1956年问世以来，人工智能也是在比较艰难的环境中顽强地拚搏与成长的。一方面，社会上对人工智能的科学性有所怀疑，或者对人工智能的发展产生恐惧。在一些国家(如前苏联)，甚至曾把人工智能视为反科学的异端邪说。在我国那"史无前例"的年代里，也有人把人工智能作为迷信来批判，以致连"人工智能"这个名词也不敢公开提及。另一方面，科学界内部对人工智能也表示怀疑。
真正的科学与任何其它真理一样，是永远无法压制的。人工智能研究必将排除千难万险，尤如滚滚长江，后浪推前浪，一浪更比一浪高地向前发展。在我国，人工智能科学也开始迎来了它的春天。
1.3.1 人工智能的主要学派
目前人工智能的主要学派有下列3家：
(1) 符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
(2) 联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)，其原理主要为神经网络及神经网络间的连接机制与学习算法。
(3) 行为主义(Actionism)，又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论及感知-动作型控制系统。
他们对人工智能发展历史具有不同的看法。
1.符号主义
认为人工智能源于数理逻辑。数理逻辑从19世纪末起就获迅速发展；到20世纪30年代开始用于描述智能行为。计算机出现后，又在计算机上实现了逻辑演绎系统。正是这些符号主义者，早在1956年首先采用"人工智能"这个术语。后来又发展了启发式算法→专家系统→知识工程理论与技术，并在80年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要意义。在人工智能的其它学派出现之后，符号主义仍然是人工智能的主流派。这个学派的代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson)等。
2.联结主义
认为人工智能源于仿生学，特别是人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型。60-70年代，联结主义，尤其是对以感知机(perceptron)为代表的脑模型的研究曾出现过热潮，由于当时的理论模型、生物原型和技术条件的限制，脑模型研究在70年代后期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络时，联结主义又重新抬头。1986年鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播(BP)算法。此后，联结主义势头大振，从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场打下基础。现在，对ANN的研究热情仍然不减。
3.行为主义
认为人工智能源于控制论。控制论思想早在40-50年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。到60-70年代，控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在80年代诞生了智能控制和智能机器人系统。行为主义是近年来才以人工智能新学派的面孔出现的，引起许多人的兴趣与研究。
1.3.2 对人工智能基本理论的争论
不同人工智能学派对人工智能的研究方法问题也有不同的看法。这些问题涉及人工智能是否一定采用模拟人的智能的方法?若要模拟又该如何模拟?对结构模拟和行为模拟、感知思维和行为、对认知与学习以及逻辑思维和形象思维等问题是否应分离研究?是否有必要建立人工智能的统一理论系统?若有，又应以什么方法为基础?
1.符号主义
认为人的认知基元是符号，而且认知过程即符号操作过程。它认为人是一个物理符号系统，计算机也是一个物理符号系统，因此，我们就能够用计算机来模拟人的智能行为，即用计算机的符号操作来模拟人的认知过程。也就是说，人的思维是可操作的。它还认为，知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理和知识运用。知识可用符号表示，也可用符号进行推理，因而有可能建立起基于知识的人类智能和机器智能的统一理论体系。
2.联结主义
认为人的思维基元是神经元，而不是符号处理过程。它对物理符号系统假设持反对意见，认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于取代符号操作的电脑工作模式。
他们对人工智能发展历史具有不同的看法。
3.行为主义
认为智能取决于感知和行动(所以被称为行为主义)，提出智能行为的"感知-动作"模式。行为主义者认为智能不需要知识、不需要表示、不需要推理；人工智能可以象人类智能一样逐步进化(所以称为进化主义)；智能行为只能在现实世界中与周围环境交互作用而表现出来。行为主义还认为：符号主义(还包括联结主义)对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象，因而是不能真实地反映客观存在的。
1.3.3 对人工智能技术路线的争论
如何在技术上实现人工智能系统、研制智能机器和开发智能产品，即沿着什么技术路线和策略来发展人工智能，也存在有不同的派别，即不同的路线。
1.专用路线
强调研制与开发专用的智能计算机、人工智能软件、专用开发工具、人工智能语言和其它专用设备。
2.通用路线
认为通用的计算机硬件和软件能够对人工智能开发提供有效的支持，并能够解决广泛的和一般的人工智能问题。通用路线强调人工智能应用系统和人工智能产品的开发，应与计算机立体技术和主流技术相结合，并把知识工程视为软件工程的一个分支。
3.硬件路线
认为人工智能的发展主要依靠硬件技术。该路线还认为智能机器的开发主要有赖于各种智能硬件、智能工具及固化技术。
4.软件路线
强调人工智能的发展主要依靠软件技术。软件路线认为智能机器的研制主要在于开发各种智能软件、工具及其应用系统。
从上面的讨论我们可以看到，在人工智能的基本理论、研究方法和技术路线等方面，存在几种不同的学派，有着不同的论点；对其中某些观点的争论是十分激烈的。从"一枝独秀"的符号主义发展到多学派"百花争艳"，是一件大好事，必将促进人工智能的进一步发展。
对人工智能各种问题的争论可能还要持续几十年甚至几百年。尽管未来的人工智能系统很可能是集各家之长的多种方法之结合，但是单独研究各种方法仍然是必要的和有价值的。在努力实现某种主要目标之前，很可能有几种方法相互竞争和角逐。人工智能的研究者们已经开发和编制出许多表演系统和实用系统，这些系统显示出有限领域内的优良智能水平，有的系统甚至已具有商业价值。然而，已实现的人工智能系统仍远未达到人类所具有的那些几乎是万能的认知技巧。研究工作沿着许多不同的途径和方法继续进行，每种方法都有它的热烈的支持者和实践者。也许终有一天，他们会携起手来，并肩开创人工智能的新世界。
1.4 人工智能的研究和应用领域
在大多数学科中存在着几个不同的研究领域，每个领域都有其特有的感兴趣的研究课题、研究技术和术语。在人工智能中，这样的领域包括语言处理、自动定理证明、智能数据检索系统、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。在过去30多年中，已经建立了一些具有人工智能的计算机系统；例如，能够求解微分方程的，下棋的，设计分析集成电路的，合成人类自然语言的，检索情报的，诊断疾病以及控制太空飞行器和水下机器人的具有不同程度人工智能的计算机系统。
1.4.1 问题求解
人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。
小知识：Deep Blue 简历：
1985年，美国卡内基-梅隆（Carnegie-Mellon）大学的博士生Feng-hsiung Hsu着手研制一个国际象棋的计算机程序："Chiptest".1989年Hsu 与Murray Campbell加入了IBM的Deep Blue研究项目，最初研究目的是为了检验计算机的并行处理能力。几年后，研制小组开发了专用处理器，可以在每秒中计算2-3000步棋局。经历了数百次的失利，在科研人员的不断完善下，1997年，DeepBlue的硬件系统采用了32节点的大规模并行结构，每个节点由8片专用的处理器同时工作，这样，系统由256个处理器组成了一个高速并行计算机系统；研究小组又不断完善了博弈的程序。Deep Blue发展为高水平的博弈大师，在国际象棋比赛规定的每步棋限时3分钟里，可以推演1000-2000亿步棋局。Garry Kasparov的思考速度是200步/分。1997年5月11日，Deep Blue以3.5：2.5战胜了Garry Kasparov。
1.4.2 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子领域之一。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数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。
1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。
用四种颜色标注不同的区域
1.4.3 自然语言理解
NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识--世界知识和期望作用的重要性。
人工智能在语言翻译与语音理解程序方面已经取得的成就，发展为人类自然语言处理的新概念。
1.4.4 自动程序设计
也许程序设计并不是人类知识的一个十分重要的方面，但是它本身却是人工智能的一个重要研究领域。这个领域的工作叫做自动程序设计。已经研制出能够以各种不同的目的描述(例如输入/输出对，高级语言描述，甚至英语描述算法)来编写计算机程序。这方面的进展局限于少数几个完全现成的例子。对自动程序设计的研究不仅可以促进半自动软件开发系统的发展，而且也使通过修正自身数码进行学习(即修正它们的性能)的人工智能系统得到发展。自动编制一份程序来获得某种指定结果的任务同证明一份给定程序将获得某种指定结果的任务是紧密相关的。后者叫做程序验证。许多自动程序设计系统将产生一份输出程序的验证作为额外收获。
1.4.5 专家系统
一般地说，专家系统是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。也就是说，专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。
当前的研究涉及有关专家系统设计的各种问题。这些系统是在某个领域的专家(他可能无法明确表达他的全部知识)与系统设计者之间经过艰苦的反复交换意见之后建立起来的。在已经建立的专家咨询系统中，有能够诊断疾病的(包括中医诊断智能机)，估计潜在石油等矿藏的，研究复杂有机化合物结构的以及提供使用其它计算机系统的参考意见等。发展专家系统的关键是表达和运用专家知识，即来自人类专家的并已被证明对解决有关领域内的典型问题是有用的事实和过程。专家系统和传统的计算机程序最本质的不同之处在于专家系统所要解决的问题一般没有算法解，并且经常要在不完全、不精确或不确定的信息基础上作出结论。
专家系统可以解决的问题一般包括解释、预测、诊断、设计、规划、监视、修理、指导和控制等。高性能的专家系统也已经从学术研究开始进入实际应用研究。随着人工智能整体水平的提高，专家系统也获得发展。正在开发的新一代专家系统有分布式专家系统和协同式专家系统等。在新一代专家系统中，不但采用基于规则的方法，而且采用基于模型的原理。
1.4.6 机器学习
学习能力无疑是人工智能研究上最突出和最重要的一个方面。人工智能在这方面的研究近年来取得了一些进展。学习是人类智能的主要标志和获得知识的基本手段。机器学习(自动获取新的事实及新的推理算法)是使计算机具有智能的根本途径。正如香克(R. Shank)所说："一台计算机若不会学习，就不能称为具有智能的。"此外，机器学习还有助于发现人类学习的机理和揭示人脑的奥秘。所以这是一个始终得到重视，理论正在创立，方法日臻完善，但远未达到理想境地的研究领域。
您的位置：第1章>>第4节>>第7、8点； 学习状态：浏览学习
1.4.7 人工神经网络
由于冯·诺依曼(VanNeumann)体系结构的局限性，数字计算机存在一些尚无法解决的问题。人们一直在寻找新的信息处理机制，神经网络计算就是其中之一。
研究结果已经证明，用神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果。神经网络的发展有着非常广阔的科学背景，是众多学科研究的综合成果。神经生理学家、心理学家与计算机科学家的共同研究得出的结论是：人脑是一个功能特别强大、结构异常复杂的信息处理系统，其基础是神经元及其互联关系。因此，对人脑神经元和人工神经网络的研究，可能创造出新一代人工智能机--神经计算机。
对神经网络的研究始于40年代初期，经历了一条十分曲折的道路，几起几落，80年代初以来，对神经网络的研究再次出现高潮。霍普菲尔德(Hopfield)提出用硬件实现神经网络，鲁梅尔哈特(Rumelhart)等提出多层网络中的反向传播(BP)算法就是两个重要标志。现在，神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用。
1.4.8 机器人学
人工智能研究日益受到重视的另一个分支是机器人学，其中包括对操作机器人装置程序的研究。这个领域所研究的问题，从机器人手臂的最佳移动到实现机器人目标的动作序列的规划方法，无所不包。
机器人和机器人学的研究促进了许多人工智能思想的发展。它所导致的一些技术可用来模拟世界的状态，用来描述从一种世界状态转变为另一种世界状态的过程。它对于怎样产生动作序列的规划以及怎样监督这些规划的执行有了一种较好的理解。复杂的机器人控制问题迫使我们发展一些方法，先在抽象和忽略细节的高层进行规划，然后再逐步在细节越来越重要的低层进行规划。在本书中，我们经常应用一些机器人问题求解的例子来说明一些重要的思想。智能机器人的研究和应用体现出广泛的学科交叉，涉及众多的课题，如机器人体系结构、机构、控制、智能、视觉、触觉、力觉、听觉、机器人装配、恶劣环境下的机器人以及机器人语言等。机器人已在各种工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。
1.4.9 模式识别
计算机硬件的迅速发展，计算机应用领域的不断开拓，急切地要求计算机能更有效地感知诸如声音、文字、图象、温度、震动等等信息资料，模式识别便得到迅速发展。
"模式"(Pattern)一词的本意是指完美无缺的供模仿的一些标本。模式识别就是指识别出给定物体所模仿的标本。人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。
模式识别是一个不断发展的新学科，它的理论基础和研究范围也在不断发展。随着生物医学对人类大脑的初步认识，模拟人脑构造的计算机实验即人工神经网络方法早在50年代末、60年代初就已经开始。至今，在模式识别领域，神经网络方法已经成功地用于手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。目前模式识别学科正处于大发展的阶段，随着应用范围的不断扩大，随着计算机科学的不断进步，基于人工神经网络的模式识别技术，在90年代将有更大的发展。
1.4.10 机器视觉
机器视觉或计算机视觉已从模式识别的一个研究领域发展为一门独立的学科。在视觉方面，已经给计算机系统装上电视输入装置以便能够"看见"周围的东西。视觉是感知问题之一。在人工智能中研究的感知过程通常包含一组操作。例如，可见的景物由传感器编码，并被表示为一个灰度数值的矩阵。这些灰度数值由检测器加以处理。检测器搜索主要图象的成分，如线段、简单曲线和角度等。这些成分又被处理，以便根据景物的表面和形状来推断有关景物的三维特性信息。
带有视觉的月球自主车
带有视觉的越野自主车
机器视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图象压缩传输和复原、多光谱和彩色图象的处理与解释等。机器视觉已在机器人装配、卫星图象处理、工业过程监控、飞行器跟踪和制导以及电视实况转播等领域获得极为广泛的应用。
1.4.11 智能控制
人工智能的发展促进自动控制向智能控制发展。智能控制是一类无需(或需要尽可能少的)人的干预就能够独立地驱动智能机器实现其目标的自动控制。或者说，智能控制是驱动智能机器自主地实现其目标的过程。
随着人工智能和计算机技术的发展，已可能把自动控制和人工智能以及系统科学的某些分支结合起来，建立一种适用于复杂系统的控制理论和技术。智能控制正是在这种条件下产生的。它是自动控制的最新发展阶段，也是用计算机模拟人类智能的一个重要研究领域。1965年，傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。十多年后，建立实用智能控制系统的技术逐渐成熟。1971年，傅京孙提出把人工智能与自动控制结合起来的思想。1977年，美国萨里迪斯提出把人工智能、控制论和运筹学结合起来的思想。1986年，中国蔡自兴提出把人工智能、控制论、信息论和运筹学结合起来的思想。按照这些结构理论已经研究出一些智能控制的理论和技术，用来构造用于不同领域的智能控制系统。
智能控制的核心在高层控制，即组织级控制。其任务在于对实际环境或过程进行组织，即决策和规划，以实现广义问题求解。已经提出的用以构造智能控制系统的理论和技术有分级递阶控制理论、分级控制器设计的熵方法、智能逐级增高而精度逐级降低原理、专家控制系统、学习控制系统和基于NN的控制系统等。智能控制有很多研究领域，它们的研究课题既具有独立性，又相互关联。目前研究得较多的是以下6个方面：智能机器人规划与控制、智能过程规划、智能过程控制、专家控制系统、语音控制以及智能仪器。
1.4.12 智能检索
随着科学技术的迅速发展，出现了"知识爆炸"的情况。对国内外种类繁多和数量巨大的科技文献之检索远非人力和传统检索系统所能胜任。研究智能检索系统已成为科技持续快速发展的重要保证。数据库系统是储存某学科大量事实的计算机软件系统，它们可以回答用户提出的有关该学科的各种问题。
数据库系统的设计也是计算机科学的一个活跃的分支。为了有效地表示、存储和检索大量事实，已经发展了许多技术。当我们想用数据库中的事实进行推理并从中检索答案时，这个课题就显得很有意义。
1.4.13 智能调度与指挥
确定最佳调度或组合的问题是我们感兴趣的又一类问题。一个古典的问题就是推销员旅行问题。这个问题要求为推销员寻找一条最短的旅行路线。他从某个城市出发，访问每个城市一次，且只许一次，然后回到出发的城市。大多数这类问题能够从可能的组合或序列中选取一个答案，不过组合或序列的范围很大。试图求解这类问题的程序产生了一种组合爆炸的可能性。这时，即使是大型计算机的容量也会被用光。在这些问题中有几个(包括推销员旅行问题)是属于计算理论家称为NP完全性一类的问题。他们根据理论上的最佳方法计算出所耗时间(或所走步数)的最坏情况来排列不同问题的难度。
智能组合调度与指挥方法已被应用于汽车运输调度、列车的编组与指挥、空中交通管制以及军事指挥等系统。
1.4.14 系统与语言工具
人工智能对计算机界的某些最大贡献已经以派生的形式表现出来。计算机系统的一些概念，如分时系统、编目处理系统和交互调试系统等，已经在人工智能研究中得到发展。几种知识表达语言(把编码知识和推理方法作为数据结构和过程计算机的语言)已在70年代后期开发出来，以探索各种建立推理程序的思想。特里·威诺格雷德(Terry Winograd)的文章《在程序设计语言之外》(1979年)讨论了他的某些关于计算的未来思想；其中部分思想是在他的人工智能研究中产生的。80年代以来，计算机系统、如分布式系统、并行处理系统、多机协作系统和各种计算机网络等，都有了发展。在人工智能程序设计语言方面，除了继续开发和改进通用和专用的编程语言新版本和新语种外，还研究出了一些面向目标的编程语言和专用开发工具。对关系数据库研究所取得的进展，无疑为人工智能程序设计提供了新的有效工具。
1.5 人工智能对人类的影响
人工智能的发展已对人类及其未来产生深远影响，这些影响涉及人类的经济利益、社会作用和文化生活等方面，下面逐一加以讨论。
1.5.1 人工智能对经济的影响
人工智能系统的开发和应用，已为人类创造出可观的经济效益，专家系统就是一个例子。随着计算机系统价格的继续下降，人工智能技术必将得到更大的推广，产生更大的经济效益。下面略举二例说明。
1.专家系统的效益
成功的专家系统能为它的建造者、拥有者和用户带来明显的经济效益。用比较经济的方法执行任务而不需要有经验的专家，可以极大地减少劳务开支和培养费用。由于软件易于复制，所以专家系统能够广泛传播专家知识和经验，推广应用数量有限的和昂贵的专业人员及其知识。
如果保护得当，软件能被长期地和完整地保存。
领域专业人员(如医生)难以同时保持最新的实际建议(如治疗方案和方法)，而专家系统却能迅速地更新和保存这类建议，使终端用户(如病人)从中受益。
2.人工智能推动计算机技术发展
人工智能研究已经对计算机技术的各个方面产生并将继续产生较大影响。人工智能应用要求繁重的计算，促进了并行处理和专用集成片的开发。算法发生器和灵巧的数据结构获得应用，自动程序设计技术将开始对软件开发产生积极影响。所有这些在研究人工智能时开发出来的新技术，推动了计算机技术的发展，进而使计算机为人类创造更大的经济实惠。
1.5.2 人工智能对社会的影响
人工智能在给它的创造者、销售者和用户带来经济利益的同时，就象任何新技术一样，它的发展也引起或即将出现许多问题，并使一些人感到担心或懊恼。
1.劳务就业问题
由于人工智能能够代替人类进行各种脑力劳动，将会使一部分人不得不改变他们的工种，甚至造成失业。人工智能在科技和工程中的应用，会使一些人失去介入信息处理活动(如规划、诊断、理解和决策等)的机会，甚至不得不改变自己的工作方式。
2.社会结构变化
人们一方面希望人工智能和智能机器能够代替人类从事各种劳动，另一方面又担心它们的发展会引起新的社会问题。实际上，近十多年来，社会结构正在发生一种静悄悄的变化。"人-机器"的社会结构，终将为"人-智能机器-机器"的社会结构所取代。智能机器人就是智能机器之一。现在和将来的很多本来是由人承担的工作将由机器人来担任，因此，人们将不得不学会与有智能的机器相处，并适应这种变化了的社会结构。
3.思维方式与观念的变化
人工智能的发展与推广应用，将影响到人类的思维方式和传统观念，并使它们发生改变。例如，传统知识一般印在书本报刊或杂志上，因而是固定不变的，而人工智能系统的知识库的知识却是可以不断修改、扩充和更新的。又如，一旦专家系统的用户开始相信系统(智能机器)的判断和决定，那么他们就可能不愿多动脑筋，变得懒惰，并失去对许多问题及其求解任务的责任感和敏感性。那些过分依赖计算器的学生，他们的主动思维能力和计算能力也会明显下降。过分地依赖计算机的建议而不加分析地接受，将会使智能机器用户的认知能力下降，并增加误解。在设计和研制智能系统时，应考虑到上述问题，尽量鼓励用户在问题求解中的主动性，让他们的智力积极参与问题求解过程。
4.心理上的威胁
人工智能还使一部分社会成员感到心理上的威胁，或叫做精神威胁。人们一般认为，只有人类才具有感知精神，而且以此与机器相别。如果有一天，这些人开始相信机器也能够思维和创作，那么他们可能会感到失望，甚至感到威胁。他们担心：有朝一日，智能机器的人工智能会超过人类的自然智能，使人类沦为智能机器和智能系统的奴隶。对于人的观念(更具体地指人的精神)和机器的观念(更具体地指人工智能)之间的关系问题，哲学家、神学家和其它人们之间一直存在着争论。按照人工智能的观点，人类有可能用机器来规划自己的未来，甚至可以把这个规划问题想象为一类状态空间搜索。当社会上一部分人欢迎这种新观念时，另一部分人则发现这些新观念是惹人烦恼的和无法接受的，尤其是当这些观念与他们钟爱的信仰和观念背道而驰时。
5.技术失控的危险
任何新技术最大危险莫过于人类对它失去了控制，或者是它落入那些企图利用新技术反对人类的人手中。有人担心机器人和人工智能的其它制品威胁人类的安全。为此，著名的美国科幻作家阿西莫夫(I.Asimov)提出了"机器人三守则"：
(1) 机器人必须不危害人类，也不允许它眼看人类受害而袖手旁观。
(2) 机器人必须绝对服从人类，除非这种服从有害于人类。
(3) 机器人必须保护自身不受伤害，除非为了保护人类或者是人类命令它作出牺牲。
我们认为，如果把这个"机器人三守则"推广到整个智能机器，成为"智能机器三守则"，那么，人类社会就会更容易接受智能机器和人工智能。
人工智能技术是一种信息技术，能够极快地传递。我们必须保持高度警惕,防止人工智能技术被用于反对人类和危害社会的犯罪(有的人称之为"智能犯罪")。同时，人类有足够的智慧和信心，能够研制出防范、检测和侦破各种智能犯罪活动的智能手段。
6.引起的法律问题
人工智能的应用技术不仅代替了人的一些体力劳动，也代替了人的某些脑力劳动，有时甚至行使着本应由人担任的职能，免不了引起法律纠纷。比如医疗诊断专家系统万一出现失误，导致医疗事故，怎么样来处理，开发专家系统者是否要负责任，使用专家系统者应负什么责任，等等。
人工智能的应用将会越来越普及，正在逐步进入家庭，使用"机顶盒"技术的智能化电器已问世。可以预料，将会出现更多的与人工智能的应用有关的法律问题，需要社会在实践的基础上从法律角度作出对这些问题的解决方案。
要通过法律手段，对利用人工智能技术来反对人类和危害社会的犯罪行为进行惩罚，使人工智能技术为人类的利益作贡献。
1.5.3 人工智能对文化的影响
如前所述，人工智能可能改变人的思维方式和传统观念。此外，人工智能对人类文化有更多的影响。
1.改善人类知识
在重新阐述我们的历史知识的过程中，哲学家、科学家和人工智能学家有机会努力解决知识的模糊性以及消除知识的不一致性。这种努力的结果，可能导致知识的某些改善，以便能够比较容易地推断出令人感兴趣的新的真理。
2.改善人类语言
根据语言学的观点，语言是思维的表现和工具，思维规律可用语言学方法加以研究，但人的下意识和潜意识往往"只能意会，不可言传"。由于采用人工智能技术，综合应用语法、语义和形式知识表示方法，我们有可能在改善知识的自然语言表示的同时，把知识阐述为适用的人工智能形式。随着人工智能原理日益广泛传播，人们可能应用人工智能概念来描述他们生活中的日常状态和求解各种问题的过程。人工智能能够扩大人们交流知识的概念集合，为我们提供一定状况下可供选择的概念，描述我们所见所闻的方法以及描述我们的信念的新方法。
3.改善文化生活
人工智能技术为人类文化生活打开了许多新的窗口。比如图像处理技术必将对图形艺术、广告和社会教育部门产生深远的影响。比如现有的智力游戏机将发展为具有更高智能的文化娱乐手段。
综上分析我们知道，人工智能技术对人类的社会进步、经济发展和文化提高都有巨大的影响。随着时间的推进和技术的进步，这种影响将越来越明显地表现出来。还有一些影响，可能是我们现在难以预测的。可以肯定，人工智能将对人类的物质文明和精神文明产生越来越大的影响。
1.6 对人工智能的展望
人工智能的近期研究目标在于建造智能计算机，用以代替人类从事脑力劳动，即使现有的计算机更聪明更有用。正是根据这一近期研究目标，我们才把人工智能理解为计算机科学的一个分支。人工智能还有它的远期研究目标，即探究人类智能和机器智能的基本原理，研究用自动机(automata)模拟人类的思维过程和智能行为。这个长期目标远远超出计算机科学的范畴，几乎涉及自然科学和社会科学的所有学科。我们将在本节中研究这一问题。
1.6.1 更新的理论框架
在重新阐述我们的历史知识的过程中，哲学家、科学家和人工智能学家有机会努力解决知识的模糊性以及消除知识的不一致性。这种努力的结果，可能导致知识的某些改善，以便能够比较容易地推断出令人感兴趣的新的真理。
人工智能研究尚存在不少问题，这主要表现在下列几个方面：
1.宏观与微观隔离
一方面是哲学、认知科学、思维科学和心理学等学科所研究的智能层次太高、太抽象；另一方面是人工智能逻辑符号、神经网络和行为主义所研究的智能层次太低。这两方面之间相距太远，中间还有许多层次未予研究，无法把宏观与微观有机地结合起来和相互渗透。
2.全局与局部割裂
人类智能是脑系统的整体效应，有着丰富的层次和多个侧面。但是，符号主义只抓住人脑的抽象思维特性；连接主义只模仿人的形象思维特性；行为主义则着眼于人类智能行为特性及其进化过程。它们存在明显的局限性。必须从多层次、多因素、多维和全局观点来研究智能，才能克服上述局限性。
3.理论和实际脱节
大脑的实际工作，在宏观上我们已知道得不少；但是智能的千姿百态，变幻莫测，复杂得难以理出清晰的头绪。在微观上，我们对大脑的工作机制却知之甚少，似是而非，使我们难以找出规律。在这种背景下提出的各种人工智能理论，只是部分人的主观猜想，能在某些方面表现出"智能"就算相当成功了。
上述存在问题和其它问题说明，人脑的结构和功能要比人们想象的复杂得多，人工智能研究面临的困难要比我们估计的重大得多，人工智能研究的任务要比我们讨论过的艰巨得多。同时也说明，要从根本上了解人脑的结构和功能，解决面临的难题，完成人工智能的研究任务，需要寻找和建立更新的人工智能框架和理论体系，打下人工智能进一步发展的理论基础。
我们至少需要经过几代人的持续奋斗，进行多学科联合协作研究，才可能基本上解开"智能"之谜，使人工智能理论达到一个更高的水平。
1.6.2 更好的技术集成
这里我们将讨论另一种集成技术，即多学科智能集成技术。
人工智能技术是其它信息处理技术及相关学科技术的集成。实现这一集成面临许多挑战，如创造知识表示和传递的标准形式，理解各个子系统间的有效交互作用以及开发数值模型与非数值知识综合表示的新方法，也包括定量模型与定性模型的结合，以便以较快速度进行定性推理。
要集成的信息技术除数字技术外，还包括计算机网络、远程通信、数据库、计算机图形学、语音与听觉、机器人学、过程控制、并行计算和集群计算、虚拟技术、进化计算与人工生命、光计算和生物信息处理等技术。除了信息技术外，未来的智能系统还要集成认知科学、心理学与生物学、社会学、语言学、系统学和哲学等。计算不仅是智能系统支持结构的重要部分，而且是智能系统的活力所在，就象血液对于人体一样重要。
智能系统、认知科学和知识技术基本科学的发展，必将对未来工业和未来社会产生不可估量的影响。
1.6.3 更成熟的应用方法
硬件是人工智能实现的保证，软件是人工智能的核心。
许多人工智能应用问题需要开发复杂的软件系统，这促进了软件工程学科的出现与发展。由于人工智能应用问题的复杂性和广泛性，传统的软件设计方法显然是不够用和不适用的。人工智能软件所要执行的功能很可能随着系统的开发而变化。人工智能方法必须支持人工智能系统的开发实验，并允许系统有组织地从一个较小的核心原型逐渐发展为一个完整的应用系统。
可期望，将会研究出通用而有效的人工智能开发方法。更高级的AI通用语言、更有效的AI专用语言与开发环境或工具以及人工智能开发专用机器将会不断出现及更新，为人工智能研究和开发提供有力的工具。
在应用人工智能时，还需要寻找与发现问题分类与求解的新方法，最终研究出使人工智能成功地应用于更多领域的和更成熟的方法。
在当前的人工智能应用方法研究中，有几个引人注目的课题，即多种方法混合技术、多专家系统技术、机器学习(尤以神经网络学习)方法、硬件软件一体化技术以及并行分布处理技术等。
随着人工智能应用方法的日渐成熟，人工智能的应用领域必将不断扩大。我们可以预言，人工智能、智能机器和智能系统比现在的电子计算机一定会有广泛得多的应用领域。哪里有人类活动，哪里就将应用到人工智能技术。