人工智能作為計(jì)算機(jī)科學(xué)的一個(gè)分支，通常是指通過(guò)普通計(jì)算機(jī)程序來(lái)呈現(xiàn)人類智能的技術(shù)，以及這樣的智能系統(tǒng)是否能夠?qū)崿F(xiàn)，如何實(shí)現(xiàn)。主流的AI教科書(shū)將該領(lǐng)域定義為有關(guān)“智能主體”（intelligent agents）的研究。其中智能體是指任何能夠感知環(huán)境并采取行動(dòng)以最大程度地成功實(shí)現(xiàn)目標(biāo)的設(shè)備或系統(tǒng)。通俗地講，“人工智能”通常用于描述模仿人類思維相關(guān)的“認(rèn)知”功能的機(jī)器，如“學(xué)習(xí)”和“解決問(wèn)題”等。

人工智能研究領(lǐng)域起源于1956年的達(dá)特茅斯會(huì)議，并逐漸發(fā)展成一門(mén)學(xué)科。J.麥卡錫（John McCarthy）在達(dá)特茅斯會(huì)議上首次提出“人工智能”一詞以區(qū)分該領(lǐng)域與控制論。自1956年達(dá)特茅斯會(huì)議之后到20世紀(jì)70年代，人工智能經(jīng)歷了其蓬勃發(fā)展的首個(gè)黃金時(shí)代。達(dá)特茅斯會(huì)議的與會(huì)者A.紐厄爾（Allen Newell，CMU）、H.西蒙（Herbert Simon，CMU）、J.麥卡錫（John McCarthy，MIT）、M.明斯基（Marvin Minsky，MIT）和A.塞繆爾（Arthur Samuel，IBM）成為AI研究的創(chuàng)始人和領(lǐng)導(dǎo)人。他們及其學(xué)生制作了程序“邏輯理論家”（logic theorist），計(jì)算機(jī)正在學(xué)習(xí)跳棋策略，解決單詞代數(shù)問(wèn)題，證明邏輯定理和英語(yǔ)問(wèn)題等。到20世紀(jì)60年代中期，美國(guó)的研究已由國(guó)防部大量資助，并且在世界各地建立了實(shí)驗(yàn)室。AI的創(chuàng)始人對(duì)未來(lái)感到樂(lè)觀：H.西蒙預(yù)測(cè)說(shuō)，“20年內(nèi)，機(jī)器能做到人類可以做的任何事情?！?/p>

進(jìn)入20世紀(jì)70年代，科研人員在人工智能研究中對(duì)課題難度預(yù)估不足導(dǎo)致的問(wèn)題慢慢顯露出來(lái)，由于英國(guó)的J.萊特希爾（James Lighthill）的批評(píng)報(bào)告和美國(guó)國(guó)會(huì)不斷要求提供更多生產(chǎn)性項(xiàng)目的壓力，美國(guó)和英國(guó)政府都中斷了對(duì)AI的探索性研究。人工智能項(xiàng)目難以獲得資金，隨后的幾年被稱為“人工智能的冬天”。

20世紀(jì)80年代，隨著專家系統(tǒng)的出現(xiàn)與風(fēng)靡、神經(jīng)網(wǎng)絡(luò)的復(fù)興及日本的第5代計(jì)算機(jī)計(jì)劃的實(shí)施，人工智能經(jīng)歷了它的第2個(gè)黃金時(shí)代。到1985年，人工智能市場(chǎng)規(guī)模已超過(guò)10億美元。日本的第5代機(jī)計(jì)劃在西方國(guó)家中引起強(qiáng)烈反響，激發(fā)了美國(guó)和英國(guó)政府恢復(fù)學(xué)術(shù)研究的資金。美國(guó)的“微電子與計(jì)算機(jī)技術(shù)合作工程”、英國(guó)的“阿爾維方案”等都是在這樣的背景下產(chǎn)生的。第5代計(jì)算機(jī)計(jì)劃促成了20世紀(jì)80年代中后期人工智能的繁榮，也提升了日本在全世界的形象。

然而，第5代計(jì)算機(jī)既沒(méi)能證明它能干傳統(tǒng)計(jì)算機(jī)不能干的工作，在典型的應(yīng)用中也并不比傳統(tǒng)計(jì)算機(jī)快多少。專家系統(tǒng)取得的成功也是有限的，它無(wú)法自我學(xué)習(xí)并更新知識(shí)庫(kù)和算法，導(dǎo)致其維護(hù)成本越來(lái)越高，以至于很多企業(yè)后來(lái)都放棄了這些陳舊的專家系統(tǒng)。從1987年Lisp機(jī)器市場(chǎng)的崩潰開(kāi)始，人工智能又一次聲名狼藉，其第2次持久的寒冬開(kāi)始了。

20世紀(jì)90年代末至21世紀(jì)初，由于對(duì)解決特定問(wèn)題的重視，計(jì)算機(jī)芯片的計(jì)算能力突飛猛、人工智能算法也取得了重大突破等原因，人工智能開(kāi)始用于物流、數(shù)據(jù)挖掘、醫(yī)學(xué)診斷等領(lǐng)域。IBM公司的“深藍(lán)”超級(jí)計(jì)算機(jī)于1997年5月11日擊敗G.卡斯帕羅夫（Garry Kasparov），成為首個(gè)擊敗世界冠軍的計(jì)算機(jī)象棋游戲系統(tǒng)。2016年3月，基于深度強(qiáng)化學(xué)習(xí)方法的AlphaGo程序以4:1戰(zhàn)勝世界圍棋冠軍李世石，成為首個(gè)輕松戰(zhàn)勝人類頂級(jí)圍棋選手的計(jì)算機(jī)圍棋游戲系統(tǒng)。新一輪人工智能研究熱潮被掀起。

2015年是人工智能具有里程碑意義的一年，使用AI的軟件項(xiàng)目的數(shù)量從2012年的“零星使用”增加到2700多個(gè)。圖像處理任務(wù)的錯(cuò)誤率更低，微軟開(kāi)發(fā)的Skype系統(tǒng)可以自動(dòng)翻譯語(yǔ)言，F(xiàn)acebook系統(tǒng)可以向盲人描述圖像，這些得益于互聯(lián)網(wǎng)帶來(lái)的海量數(shù)據(jù)、云計(jì)算的基礎(chǔ)架構(gòu)、神經(jīng)網(wǎng)絡(luò)的發(fā)展。在2017年的一項(xiàng)調(diào)查中，五分之一的公司報(bào)告顯示“在某些產(chǎn)品或流程中集成了AI”。在2016年左右，中國(guó)大大加快了政府資金投入；鑒于其龐大的數(shù)據(jù)供應(yīng)和快速增長(zhǎng)的研究成果，一些觀察家認(rèn)為，它有望成為“人工智能超級(jí)大國(guó)”。但人們已經(jīng)意識(shí)到，有關(guān)人工智能的報(bào)道往往被夸大了。

計(jì)算機(jī)科學(xué)將AI研究定義為對(duì)“智能主體”的研究，智能主體是指任何能夠感知環(huán)境并采取行動(dòng)以最大程度地成功實(shí)現(xiàn)目標(biāo)的設(shè)備或系統(tǒng)。可以更具體將AI定義為：具備正確解釋外部數(shù)據(jù)，從而從此類數(shù)據(jù)中學(xué)習(xí)，并通過(guò)靈活適配以利用這些所學(xué)的知識(shí)來(lái)實(shí)現(xiàn)特定目標(biāo)和任務(wù)的能力的系統(tǒng)。

人工智能領(lǐng)域借鑒了計(jì)算機(jī)科學(xué)、信息工程、數(shù)學(xué)、心理學(xué)、語(yǔ)言學(xué)、哲學(xué)和許多其他領(lǐng)域，被劃分為幾個(gè)子領(lǐng)域，這些子領(lǐng)域或是基于技術(shù)考慮因素；比如特定目標(biāo)（機(jī)器人、機(jī)器學(xué)習(xí)）；或是基于特定工具的使用（邏輯、神經(jīng)網(wǎng)絡(luò)），或是基于深層次的哲學(xué)差異或是社會(huì)文化等因素。傳統(tǒng)的人工智能研究包括推理、知識(shí)表示、規(guī)劃、學(xué)習(xí)、自然語(yǔ)言處理、感知、物體移動(dòng)及操控力。

隨著機(jī)器能力的不斷提高，通常被認(rèn)為需要“智能”的任務(wù)也在常常被從AI的定義中移除，這種現(xiàn)象被稱為AI效應(yīng)。例如，光學(xué)字符識(shí)別因?yàn)橐殉蔀橐环N常規(guī)技術(shù)而常常被排除在AI事物之外。通常歸類為AI的現(xiàn)代機(jī)器有正確理解人類語(yǔ)言、在策略游戲系統(tǒng)（如國(guó)際象棋和圍棋）中以最高水平競(jìng)爭(zhēng)，自動(dòng)駕駛汽車，內(nèi)容傳送網(wǎng)絡(luò)中的智能路由以及軍事模擬等能力。

知識(shí)表示和知識(shí)工程是經(jīng)典AI研究的核心。一些“專家系統(tǒng)”試圖將某些領(lǐng)域的專家所擁有的明確知識(shí)匯集在一起。另外，一些項(xiàng)目試圖將普通人已知的“常識(shí)”收集到一個(gè)包含有關(guān)世界的廣泛知識(shí)的數(shù)據(jù)庫(kù)中。一個(gè)全面的常識(shí)性知識(shí)庫(kù)將包括對(duì)象、屬性、對(duì)象分類及其之間的聯(lián)系、情景、事件，狀態(tài)和時(shí)間、因果關(guān)系及影響等內(nèi)容。

智能主體必須能夠設(shè)定并實(shí)現(xiàn)目標(biāo)。他們需要一種方法將未來(lái)可視化以表示世界的狀態(tài)，得以預(yù)測(cè)并通過(guò)行為改變未來(lái)，并能夠做出使得可用選擇的效用最大化的選擇。在經(jīng)典的計(jì)劃問(wèn)題中，智能體可以假定它是世界上唯一運(yùn)行的系統(tǒng)，從而使自己可以確定其行為的后果。但是，如果代理不是唯一的參與者，則要求代理可以在不確定性下進(jìn)行推理。這就要求智能體不僅要評(píng)估其環(huán)境并做出預(yù)測(cè)，而且還要評(píng)估其預(yù)測(cè)并根據(jù)其評(píng)估進(jìn)行調(diào)整。

機(jī)器學(xué)習(xí)作為人工智能領(lǐng)域的基本概念，是指對(duì)能通過(guò)經(jīng)驗(yàn)進(jìn)行自動(dòng)改的計(jì)算機(jī)算法的研究。無(wú)監(jiān)督學(xué)習(xí)是指無(wú)需人工標(biāo)簽輸入，在一串輸入流中尋找模式的能力。監(jiān)督學(xué)習(xí)需要給定人工標(biāo)簽輸入，包括分類和數(shù)值回歸。

使機(jī)器能夠閱讀和理解人類語(yǔ)言。一個(gè)足夠強(qiáng)大的自然語(yǔ)言處理系統(tǒng)將能夠?qū)崿F(xiàn)自然語(yǔ)言的用戶界面，并直接從諸如新聞專線之類的人工來(lái)源獲取知識(shí)。自然語(yǔ)言處理的一些直接應(yīng)用包括信息檢索、文本挖掘、問(wèn)題解答和機(jī)器翻譯。當(dāng)前許多方法使用單詞共現(xiàn)頻率來(lái)構(gòu)造文本的句法表示。搜索的“關(guān)鍵詞發(fā)現(xiàn)”策略是流行且可擴(kuò)展的，但也很笨。對(duì)于“dog”的搜索查詢可能只將文字單詞“dog”與文檔匹配，而將單詞“貴賓犬”與文檔丟失。“詞匯相似性”策略使用諸如“意外”之類的詞語(yǔ)出現(xiàn)來(lái)評(píng)估文檔的情感?，F(xiàn)代統(tǒng)計(jì)NLP方法可以將所有這些策略以及其他策略結(jié)合在一起，并且通常在頁(yè)面或段落級(jí)別達(dá)到可接受的準(zhǔn)確性，但是仍然缺乏對(duì)孤立句子進(jìn)行良好分類所需的語(yǔ)義理解。除了編碼語(yǔ)義常識(shí)知識(shí)通常遇到的困難之外，現(xiàn)有的語(yǔ)義NLP有時(shí)縮放得太差，無(wú)法在業(yè)務(wù)應(yīng)用程序中使用。除語(yǔ)義NLP之外，“敘事”NLP的最終目標(biāo)是體現(xiàn)對(duì)常識(shí)推理的充分理解。

機(jī)器感知是利用傳感器，如攝像機(jī)（可見(jiàn)光譜或紅外）、傳聲器、無(wú)線信號(hào)、雷達(dá)和觸覺(jué)傳感器的輸入來(lái)推論世界的面貌的能力。應(yīng)用包括人臉識(shí)別和目標(biāo)識(shí)別。計(jì)算機(jī)視覺(jué)是指分析模糊視覺(jué)輸入的能力。一個(gè)巨大的、高五十米的行人可能會(huì)產(chǎn)生與附近正常大小的行人完全相同的像素，因此要求AI判斷不同解釋相應(yīng)的可能性和合理性。

人工智能在機(jī)器人技術(shù)中被大量應(yīng)用?，F(xiàn)代工廠中廣泛應(yīng)用高級(jí)機(jī)械臂及其他機(jī)器人，它們能從經(jīng)驗(yàn)中學(xué)習(xí)如何更有效的移動(dòng)以避免摩擦力和齒輪轉(zhuǎn)動(dòng)?，F(xiàn)代智能手機(jī)在給定的狹小、穩(wěn)定的可見(jiàn)環(huán)境中，可以輕松斷定自己的位置并繪制出所處環(huán)境的地圖。但是在如（內(nèi)窺鏡）患者呼吸器官內(nèi)等動(dòng)態(tài)環(huán)境中面臨更大的挑戰(zhàn)。運(yùn)動(dòng)規(guī)劃是將動(dòng)作任務(wù)分解為“原始動(dòng)作”（如獨(dú)立關(guān)節(jié)動(dòng)作）的過(guò)程。這種運(yùn)動(dòng)通常涉及順應(yīng)性運(yùn)動(dòng)，在該過(guò)程中，運(yùn)動(dòng)需要保持與物體的物理接觸。

• SCHAEFFER J．Didn't Samuel Solve That Game．Boston, MA：Springer，2009．
• LORICA,BEN．The state of AI adoption．[S.l.]：O'Reilly Media，2018．
• ALLEN, GREGORY．Understanding China's AI Strategy．[S.l.]：Center for a New American Security，2019．
• KAPLAN, ANDREAS,HAENLEIN, MICHAEL．Siri, Siri, in my hand: Who's the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence．Business Horizons，2019，62 (1)：15–25．
• CAMBRIA E,WHITE, BEBO．Jumping NLP Curves: A Review of Natural Language Processing Research [Review Article]．IEEE Computational Intelligence Magazine，2014，9 (2)：48–57．