摘录自《人工智能原理及其应用》
什么是人工智能
人工智能（ Artificial Intelligence, AI)人工智能是一门研究如何用人工的方法在计算机上模拟、延伸和扩展人类智能的学科。到目前为止，还没有一个统一的形式化定义。其主要原因是因为人工智能的定义要依赖于智能的严格定义。
一般来说，智能（Intelligence）是一种认识客观事物和运用知识解决问题的综合能力。如：感知、记忆、思维、学习、自适应、行为等，这些都是智能包含的不同能力。人类的智能总体上可分为高、中、低三个层次。
（关于”智能”…）
AI研究领域
人工智能是一个高度交叉的新兴学科，不同研究学派在理论基础、研究方法等方面还存在一定差异，目前还没有一套完整的理论体系，，这里采用了基于智能本质和作用的划分方法，即从思维、学习、行为、感知、计算智能、分布智能、智能机器、智能系统、智能应用等方面来进行分类。
机器思维
机器思维主要模拟人类的思维功能。在人工智能中，与机器思维有关的研究主要包括推理、搜索、规划等。
推理
推理是人工智能中的最基本问題之一。所谓机器推理是指按照某种策略，从已知事实出发，利用知识推出所需结论的过程。
搜索
依靠经验，利用已有知识，根据问题的实际情况，不断寻找可利用知识，从而构造一条代价最小的推理路线，使问题得以解决的过程称为搜索。
规划
规划是一种重要的问题求解技术，它是从某个特定问题状态出发，寻找并建立一个操作序列，直到求得目标状态为止的一个行动过程的描述。
机器学习
机器学习（ machinelearning)是机器获取知识的根本途径，同时也是机器具有智能的重要标志。
知识发现和数据挖掘
知识发现（knowledge discover)和数据挖掘（data mining）是在数据库的基础上实现的一种知识发现系统。它通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从数据中提炼和抽取知识，从而可以揭示出蕴涵在这些数据背后的客观世界的内在联系和本质原理，实现知识的自动获取。
联结学习
联结学习也称为神经学习，它是一种基于人工神经网络的学习方法。现有研究表明，人脑的学习和记忆过程都是通过神经系统来完成的。联结学习可以有多种不同的分类方法。比较典型的学习算法有感知器学习、BP网络学习和Hopfield网络学习等。近来，机器学习的发展产生了一个新的方向，即“深度学习”。
符号学习
符号学习是指从功能上模拟人类学习能力的机器学习方法，它是一种基于符号主义学派的机器学习观点。按照这种观点，知识可以用符号来表示，机器学习过程实际上是一种符号运算过程。对符号学习，可根据学习策略，即学习中所使用推理的方法，将其分为记忆学习、归纳学习和演绎学习等。
机器感知
机器感知作为机器获取外界信息的主要途径，是机器智能的重要组成部分。下面主要包括机器视觉、模式识别、自然语言理解。
机器视觉
机器视觉是一门用计算机模拟或实现人类视觉功能的学科。其主要研究目标是使计算机具有通过二维图像认知三维环境信息的能力。这种能力不仅包括对三维环境中物体形状、位置、姿态、运动等几何信息的感知，还包括对这些信息的描述、存储、识别与理解。
模式识别
所谓模式识别就是让计算机能够对给定的事务进行鉴别，并把它归入与其相同或相似的模式中。其中，被鉴别的事物可以是物理的、化学的、生理的，也可以是文字、图像、声音等。为了能使计算机进行模式识别，通常需要给它配上各种感知器官，使其能够直接感知外界信息。
自然语言理解
自然语言理解（ natural language processing)—直是人工智能的一个重要领域，它主要研究如何使计算机能够理解和生成自然语言。自然语言理解可分为声音语言理解和书面语言理解两大类。
机器行为
机器行为作为计算机作用于外界环境的主要途径，也是机器智能的主要组成部分。主要分为智能控制、智能制造。
智能控制
智能控制（intelligent control）是指那种无须或需要尽可能少的人工干预，就能独立地驱动智能机器，实现其目标的控制过程。它是一种把人工智能技术与传统自动控制技术相结合，研制智能控制系统的方法和技术。
智能行为
智能制造是指以计算机为核心，集成有关技术，以取代、延伸与强化有关专门人才在制造中的相关智能活动所形成、发展乃至创新了的制造。智能制造中所采用的技术称为智能制造技术，它是指在制造系统和制造过程中的各个环节，通过计算机来模拟人类专家的制造智能活动，并与制造环境中人的智能进行柔性集成与交互的各种制造技术的总称。
计算智能
计算智能（Computational Intelligence，CI）是借鉴仿生学的思想，基于人们对生物体智能机理的认识，采用数值计算的方法去模拟和实现人类的智能。计算智能的三大基本领域包括神经计算、进化计算、模糊计算。
分布智能
分布式人工智能（ Distributed Artificial Intelligence，DAI)是随着计算机网络、计算机通信 和并发程序设计技术而发展起来的一个新的人工智能研究领域。它主要研究在逻辑上或物理上分布的智能系统之间如何相互协调各自的智能行为，实现问题的并行求解。分布式人工智能的研究目前有两个主要方向，一个是分布式问题求解，另一个是多Agent系统。
智能系统
智能系统可以泛指各种具有智能特征和功能的软硬件系统。从这 种 意义上讲，前面所讨论的研究内容几乎都能以智能系统的形式来出现，如智能控制系统、智能检索系统等。这里主要包含一些除上述研究内容以外的智能系统，如专家系统和智能决策支持系统。
人工心理与人工情感
人工心理(artificial psychology)就是利用信息科学的手段，对人的心理活动（重点是人的情感、意志、性格、创造）的更全面的再一次人工机器(计算机、模型算法)模拟，其目的在于从心理学广义层次上研究情感、情绪与认知，以及动机与情绪的人工机器实现问题。人工情感(artificial emotion)是利用信息科学的手段对人类情感过程进行模拟、识别和理解， 使机器能够产生类人情感，并与人类自然和谐地进行人机交互的研究领域。 目前，对人工情感的研究的两个主要领域是情感计算(affective computing)和感性工学(kansei engineering)。
AI的应用领域
目前，人工智能的应用领域已非常广泛，从理论到技术，从产品到工程，从家 庭到社会，智能无处不在。例如，智能家电、智能产品、智能家居、智能楼宇、智能社区、智能网络、智能电力、智能交通、智能控制技术等。下面简单介绍其中的几种典型应用。
智能机器人
机器人(robot)是一种具有人类的某些智能行为的机器。智能机器人是一种具有感知能力、思维能力和行为能力的新一代机器人。这种机器人能 够主动适应外界环境变化，并能够通过学习丰富自己的知识，提髙自己的能力。 目前，人们已研制出许多具有一定感知、行为、思维、决策能力和情感功能的机器人，这些机器人能够在特定领域代替人类工作。
智能检索
智能检索是指利用人工智能的方法从大量信息中尽快找到所需要的信息或知识。随着科学技术的迅速发展和信息手段的快速提升，在各种数据库中，尤其是因特网上存放着海量的信息或知识。面对这种信息海洋，迫切需要相应的智能检索技术和智能检索系统来帮助人们快速、准确、有效地完成检索工作。
智能游戏
游戏是一种娱乐活动。游戏技术与计算机技术的结合，产生了“计算机游戏”或 “视频游戏”，与网络技术的结合产生了“网络游戏”，与人工智能技术的结合产生了“智能游戏”。所谓智能游戏，是指游戏中的非玩家角色具有一定智能行为的游戏。
AI发展历史
人工智能诞生以来走过了一条坎坷和曲折的发展道路。回顾历史，可以按照人工智能在不同时期的主要特征，将其产生与发展过程分为五个阶段：孕育期、形成期、知识应用期、从学派分立走向综合到智能科学技术学科的兴起。
（详细..）
AI三大学派
由于智能问题的复杂性，具有不同的学科背景或不同的研究应用领域的学者，在从不同的角度、用不同的方法、沿着不同的途径对人工智能本质进行探索的过程中，逐渐形成了符号主义、联结主义和行为主义三大学派。目前，这三大学派正在由早期的激烈争论和分立研究逐步走向取长补短和综合研究。
（详细..）
AI的研究目标
关于人工智能的研究目标，目前还没有一个统一的说法。1978年，斯洛曼（A.Sloman)对人工智能给出了以下三个主要目标：
-
对智能行为有效解释的理论分析；
-
解释人类智能；
-
构造具有智能的人工制品。
要实现斯洛曼的这些目标，需要同时开展对智能机理和智能构造技术的研究。对图灵所期望的那种智能机器，尽管它没有提到思维过程，但要真正实现这种智能机器，却同样离不开对智能机理的研究。因此，揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类智能应该是人工智能研究的根本目标，或者叫远期目标。人工智能的远期目标涉及脑科学、认知科学、计算机科学、系统科学、控制论及微电子等多个学科，并有赖于这些学科的共同发展。但从目前这些学科的现状来看，实现人工智能的远期目标还需要一个较长的时期。
在这种情况下，人工智能的近期目标是研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为，如推理、思考、分析、决策、预测、理解、规划、设计和学习等。为了实现这一目标，人们需要根据现有计算机的特点，研究实现智能的有关理论、方法和技术，建立相应的智能系统。