下载掌阅APP，畅读海量书库
立即打开
围绕“如何实现机器拟人智能”的研究问题，人工智能的研究目标按照机器拟人智能的发展深度和实现功能的不同，一般分为近期目标和远期目标。
计算机是基于大量数值计算的需求而创造的。在其出现的早期阶段，计算机的工作主要是数值计算，其内部有事先规定的计算法则，数值和运算符号均是人为输入的，故当时的计算机不具有逻辑推理功能，而逻辑推理正是人类主要的智力活动。物理符号系统的提出给计算机模拟人类智能提供了新思路，当计算机和人类使用的物理符号系统一致时，就有可能通过编写程序模拟智能。目前已有的例子有象棋博弈、定理证明、机器翻译等计算机实现的智能功能，但这些计算机程序只能接近于人类智能，且通常只针对某一特定场景，它们所展现的智能水平是非常有限的。
故人工智能的近期目标是研究如何使计算机执行过去需要人类高端智能的复杂任务，基于现有计算机技术去研究模拟人类智能行为的基础理论和基本方法。也就是说，计算机不仅能够完成相对简单的数值计算和非数值信息的数据处理任务，而且能够运用知识和智能，模拟人类智能解决传统方法所不能解决的问题。要实现这一短期目标，以能够模仿人类的智力活动的理论、技术和方法作为支撑，开发出相应的人工智能系统。
强人工智能作为人工智能的主要研究目标之一，也是人工智能远期目标。强人工智能要求人工智能具备一般智能行为能力，这样的人工智能与知识、意识、感性和自觉等人类智能特征相联系，能够自动推理决策、自动规划、知识表示、学习以及使用自然语言沟通。故要实现强人工智能，需要研究智能的基本机理，研究如何去模拟人类的思维活动和智能行为，构建智能系统，实现更好的智能效果。由于目前对人类思维活动和智力行为的相关研究还不够彻底，且模仿问题的本质和机制本就是一个难点，因此远期目标是当前人工智能技术远不能达到的。
人工智能广泛包含了数学、计算机科学、信息控制论、神经学、心理学等多门学科知识，是一门交叉性、边缘性的学科。研究人工智能来开发模拟和延展人类智能的理论、方法、技术以及实际应用，涵盖了专家系统、语音识别、自然语言处理、机器学习和知识获取等研究内容，致力于使机器完成原本需要人类高端智能的复杂任务。
专家系统是人工智能领域中最重要也是最活跃的研究内容之一。它是把人工智能从理论研究转化到实际应用上，实现了由一般推理策略转向专门知识的突破。在专家系统下，计算机能够根据某个领域一个以上的专家知识和经验，通常这个领域知识库具有很高的可维护性，专家系统模拟专家的分析决策过程，从而完成综合分析与推理判断。专家系统通常采用知识表示和知识推理来处理领域专家才能解决的问题。
语音识别是让机器识别和理解采集到的语音信号，把语音转换为相应的文本或者命令，语音是口语场景下的自然语言信息，同样具有自然语言的不确定性、环境相关性、上下文相关性的特点，且口语的语种、发音方式、语调、语速等通常存在较多差异，这就要求语音识别器的训练，因此包含了特征提取、模式匹配准则和模型训练 3 个方面。语音识别一般从声波分析中提取单词的发音单元相关特征，再套用模型，匹配发音单元序列与单词序列，从而生成可读文本命令。按照识别对象的不同，语音识别又可分为孤立词识别、关键词识别以及连续语音识别。语音识别常应用于语音输入系统、语音控制系统和智能对话查询系统等。
自然语言是相对于C语言、Java语言等人造语言的概念，自然语言处理研究的是实现人机之间使用自然语言沟通交流的理论方法，人工智能在自然语言处理中，要求实现理解问题、回答问题、生成摘要、阐释意义、机器翻译的功能。自然语言具有口语和书面语的表现形式，在研究自然语言处理问题时，获取不同形式、场景的各类自然语言处理数据集是研究基础。自然语言处理是一个关于计算机科学、人工智能、人机交互的领域，因为自然语言具有多义、模糊、非系统、上下文相关、环境相关、理解与应用目标相关等特性，所以它的技术难点表现在对单词的边界界定、语义的消除歧义、句法的模糊处理、不规则输入的处理和语言行为等问题上。研究自然语言处理利于寻找强人工智能的实现途径，进一步探究“智能”的本质，深化对人类语言能力和思维的认识。
从人类的学习活动中，能够发现人类在学习过程中可以通过实践经验的归纳总结，完成对抽象理论的理解和学习，并在理论上进行推导活动，最后又通过实践加以检验。机器学习正是在人类学习的背景下得到启发，计算机利用已有的大量经验事实作为基础，处理某一特定任务，并要求对任务完成质量进行一定的评估，分析经验数据，反馈以改进任务的处理能力。机器学习的研究主要概括为：使机器模拟人类学习活动，获取并积累知识，对知识库进行增删、修改、拓展和维护，也就是研究在观测数据、样本中寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。
在当今互联网的大环境下，知识获取有了新的特点：海量、动态、形式不一、存在矛盾知识等。故知识获取，是从数据搜集、整理、知识抽取出发，主要研究人工智能中机器对知识的获取理论、方法和技术，涵盖了知识抽取、知识建模、知识输入、知识检测和知识库的重组等方面。知识获取通过人工移植、机器学习（机器视觉和机器听觉）等途径实现。