人工智能（Artificial Intelligence，簡稱AI）是50年代興起的一門新興邊緣學科，二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能），也被認為是二十一世紀三大尖端技術之一（基因工程、納米科學、人工智能）。廣義的講，人工智能是關于人造物的智能行為，而智能行為包括知覺、推理、學習、交流和在復雜環境中的行為。人工智能的一個長期目標是發明出可以像人類一樣或能更好地完成以上行為的機器；另一個目標是理解這種智能行為是否存在于機器、人類或其他動物中。目前能夠用來研究人工智能的主要物質手段以及能夠實現人工智能技術的機器就是計算機， 人工智能的發展歷史是和計算機科學與技術的發展史聯系在一起的。除了計算機科學以外， 人工智能還涉及信息論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。

?

　　一、AI的主要內容

　　人工智能研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。

　　知識表示是人工智能的基本問題之一，推理和搜索都與表示方法密切相關。常用的知識表示方法有：邏輯表示法、產生式表示法、語義網絡表示法和框架表示法等。

　　常識，自然為人們所關注，已提出多種方法，如非單調推理、定性推理就是從不同角度來表達常識和處理常識的。

　　問題求解中的自動推理是知識的使用過程，由于有多種知識表示方法，相應地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎。結構化表示下的繼承性能推理是非演繹性的。由于知識處理的需要，近幾年來提出了多種非演繹的推理方法，如連接機制推理、類比推理、基于示例的推理、反繹推理和受限推理等。

　　搜索是人工智能的一種問題求解方法，搜索策略決定著問題求解的一個推理步驟中知識被使用的優先關系。可分為無信息導引的盲目搜索和利用經驗知識導引的啟發式搜索。啟發式知識常由啟發式函數來表示，啟發式知識利用得越充分，求解問題的搜索空間就越小。典型的啟發式搜索方法有A*、AO*算法等。近幾年搜索方法研究開始注意那些具有百萬節點的超大規模的搜索問題。

　　機器學習是人工智能的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。

　　知識處理系統主要由知識庫和推理機組成。知識庫存儲系統所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規定使用知識的基本方法和策略，推理過程中為記錄結果或通信需設數據庫或采用黑板機制。如果在知識庫中存儲的是某一領域（如醫療診斷）的專家知識，則這樣的知識系統稱為專家系統。為適應復雜問題的求解需要，單一的專家系統向多主體的分布式人工智能系統發展，這時知識共享、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。