下载掌阅APP，畅读海量书库
立即打开
人工智能是研究使计算机模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机等内容，使计算机能实现更高层次的应用。随着AI 技术的发展，现代几乎各种技术的发展都涉及了人工智能技术，可以说人工智能已经广泛应用到许多领域，其典型的应用包括：
计算机最早的应用就是纯数值计算，而且，最初级的计算方式就是对“是”与“不是”的识别。通过二进制计算系统，计算机可以把相对复杂的十进制数字计算，转化为相对简单的二进制数字计算，再转化为对“是”与“不是”的简单识别。由于二进制计算系统中只有1和0两种状态，其中1表示“开”或“是”，0表示“关”或“不是”，因此容易用电子方式来实现其数字的运算过程。数字计算包括加减乘除四则运算、乘方、开方等。
符号运算又称代数运算，它是数字计算向代数运算的发展，如对表达式进行因式分解、化简、微分、积分、解代数方程、求解常微分方程等，因此“符号”可以代表整数、有理数、实数和复数，也可以代表多项式、函数、集合等。随着计算机的普及和人工智能的发展，多种功能齐全的计算机代数系统软件相继出现，其中Mathematica和Maple是它们的代表。由于它们都是用C语言写成的，所以可以在绝大多数计算机上使用。
逻辑推理又称逻辑运算或布尔运算。逻辑运算是数字符号化的逻辑推演法，它由符号运算发展而来。布尔用数学方法（即布尔代数）来研究逻辑问题，用等式表示判断，把推理看作是等式的变换，这种变换的有效性不依赖于人们对于符号的解释，只依赖于符号的组合规律。几乎所有的逻辑法则或定理都可转化为逻辑常量与变量、逻辑运算、逻辑函数等。
机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫作机器翻译系统。目前，国内的机器翻译大致分为三大类：词典翻译类、汉化翻译类和专业翻译类。
人工智能的第一大成就是下棋程序，如今的计算机程序已能够达到在各种棋类比赛中战胜人类顶尖高手的水平。另一个成就是涉及问题的原概念（即“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。
自然语言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瞩目的成果。目前该领域的主要课题是：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—即世界知识和期望，从而生成和理解自然语言。这是一个极其复杂的编码和解码问题。
分布式人工智能在20世纪70年代后期出现，是人工智能研究的一个重要分支。分布式人工智能系统一般由多个Agent（智能体）组成，每一个Agent又是一个半自治系统，Agent之间以及Agent与环境之间进行并发活动，并通过交互来完成问题求解。
图像识别是一门用计算机实现或模拟人类视觉功能的新兴学科，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，而且还包括对这些信息的描述、存储、识别与理解。目前，图像识别已在人类社会的许多领域得到成功应用。例如，在图像、图形识别方面有指纹识别等；在航天与军事方面有卫星图像处理、飞行器跟踪、成像精确制导、景物识别、目标检测等；在医学方面有图像的脏器重建、医学图像分析等；在工业方面有各种监测系统和生产过程监控系统等。
模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里，我们把环境与客体统称为“模式”。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的一个关键的突破口，也为人类认识自身智能提供线索。计算机识别的显著特点是速度快、准确性高和效率高。识别过程与人类的学习过程相似。比如，语音识别就是让计算机能听懂人说的话。在正在研究的口语自动翻译系统中，人们出国预订旅馆、购买机票和兑换外币时，只要利用电话网络和国际互联网，就可用手机、电话与外国人通话。
信息检索可以和逻辑推理及定理证明问题一样加以形式化。如今，信息检索的两大关键：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是人工智能走向广泛实际应用的契机与突破口。
机器学习是机器具有智能的重要标志，同时也是机器获取知识的根本途径。机器学习主要研究如何使计算机能够模拟或实现人类的学习功能。机器学习是一个难度较大的研究领域，它与认知科学、神经心理学、逻辑学等学科都有着密切的联系，并对人工智能的其他分支，如专家系统、自然语言理解、自动推理、智能机器人、计算机视觉、计算机听觉等方面也会起到重要的推动作用。
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。人类专家具有丰富的知识，所以才能拥有优异地解决问题的能力；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问题，而且能帮助人类专家发现推理过程中出现的差错。如今，在矿物勘测、化学分析、规划和医学诊断等方面，专家系统已经达到了人类专家的水平。
人工神经网络是在现代神经生物学研究基础上提出的模拟生物过程、反映人脑某些特性的一种计算结构。它不是人脑神经系统的真实描写，而只是它的某种抽象、简化和模拟。在人工神经网络中，神经元常被称为“处理单元”。有时从网络的观点出发常把它称为“节点”。人工神经元是对生物神经元的一种形式化描述，它对生物神经元的信息处理过程进行抽象，并用数学语言予以描述；对生物神经元的结构和功能进行模拟，并用模型图予以表达。
遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算机模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由经过基因编码的一定数目的个体组成，每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现是某种基因组合，它决定了个体的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。
人工生命是通过人工模拟生命系统来研究生命的领域。人工生命包括两个方面的内容：虚拟生命系统，主要涉及计算机软件工程与人工智能技术；人造生命，特指利用基因工程技术改造生物特性的工程生物系统，主要涉及合成生物技术。
深度学习的概念源于人工神经网络的研究，含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征，形成更加抽象的高层来表示属性类别或特征，以发现数据的分布特征。深度学习的动机在于建立、模拟人脑进行分析学习的神经网络，以模仿人脑的机制来解释数据，例如图像、声音和文本。