人工智能

维基百科，自由的百科全书

跳转到：导航, 搜索

本文介紹的是計算機科學。關於斯蒂芬·斯皮爾伯格導演的一部電影，詳見「A.I.人工智慧」。

人工智能（英语：Artificial Intelligence, AI）有時也稱作機器智能，是指由人工製造出來的系統所表現出來的智能。通常人工智能是指通過普通計算機實現的智能。該詞同時也指研究這樣的智能系統是否能夠實現，以及如何實現的科學領域。

[编辑] 概論

人工智能的定義可以分為兩部分，即「人工」和「智能」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或著人自身的智能程度有沒有高到可以創造人工智能的地步，等等。但總的來說，「人工系統」就是通常意義下的人工系統。

關於什麼是「智能」，就問題多多了。這涉及到其它諸如意識（consciousness）、自我（self）、心靈（mind）（包括無意識的精神（unconscious_mind）等等問題。人唯一瞭解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也瞭解有限，所以就很難定義什麼是「人工」製造的「智能」了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認為是人工智能相關的研究課題。

人工智慧目前在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，仿真系統中得到應用。

[编辑] 發展史

年代	20世纪40年代	20世纪50年代	20世纪60年代	20世纪70年代	20世纪80年代	20世纪90年代
計算機	1945 計算機(ENIAC)	1957 FORTRAN語言
人工智慧研究		1953 博弈論 1956 Dartmouth研究會		1977 知識工程宣言	1982 第五代電腦計劃開始	1991 人工神经网络
人工智慧語言			1960 LISP語言	1973 PROLOG語言
知識表達				1973 生產系統 1976 框架理論
專家系統			1965 DENDRAL	1975 MYCIN

[编辑] 研究課題

目前人工智慧的研究方向已經被分成幾個子領域，研究人員希望一個人工智慧系統應該具有某些特定能力，以下將這些能力列出並說明。

[编辑] 演绎、推理和解决问题

早期的人工智慧研究人员直接模仿人类进行逐步的推理，就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。到了1980和1990年代，利用机率和经济学上的概念，人工智慧研究还发展了非常成功的方法处理不确定或不完整的资讯。

对于困难的问题，有可能需要大量的运算资源，也就是发生了「可能组合爆增」：当问题超过一定的规模时，电脑会需要天文数量级的记忆体或是运算时间。寻找更有效的演算法是优先的人工智慧研究项目。

人类解决问题的模式通常是用最快捷，直观的判断，而不是有意识的，一步一步的推导，早期人工智慧研究通常使用逐步推导的方式。人工智慧研究已经于这种「次表征性的」解决问题方法取得进展：实体化的代理人研究强调感知运动的重要性。神经网络研究试图以模拟人类和动物的大脑结构重现这种技能。

[编辑] 知識表示法

主要文章：知識表示和常識知識庫

[编辑] 规划

智能Agent必须能够制定目标和实现这些目标。他们需要一种方法来建立一个可预测的世界模型(将整个世界状态用数学模型表现出来，并能预测它们的行为将如何改变这个世界)，这样就可以选择功效最大（或“值”）的行为。在传统的规划问题中，智能Agent被假定它是世界中为一具有影响力的，所以它要做出什么行为是已经确定的。但是，如果事实并非如此，它必须定期检查世界模型的状态是否和自己的预测相符合。如果不符合，它必须改变它的计划。因此智能代理必须具有在不确定结果的状态下推理的能力。在多Agent中，多Agent规划采用合作和竞争去完成一定的目标，使用演化演算法和群体智慧可以达成一个整体的突现行为目标。

[编辑] 學習

主要文章：機器學習

[编辑] 自然語言處理

主要文章：自然語言處理

[编辑] 運動和控制

主要文章：機器人學

[编辑] 知覺

主要文章：機器感知、計算機視覺和語音識別

機器感知是指能夠使用感測器所輸入的資料(如照相機，麥克風，聲納以及其他的特殊感測器)然後推斷世界的狀態。計算機視覺能夠分析影像輸入。另外還有語音識別、人臉辨識和物體辨識。

[编辑] 社交

主要文章：情感計算

情感和社交技能對於一個智慧代理人是很重要的。首先，通過了解他們的動機和情感狀態，代理人能夠預測別人的行動(這涉及要素博弈論、決策理論以及能夠塑造人的情感和情緒感知能力檢測)。此外，為了良好的人機互動，智慧代理人也需要表現出情緒來。至少它必須出現禮貌地和人類打交道。至少，它本身應該有正常的情緒。

[编辑] 創造力

主要文章：計算機創造力

一個人工智慧的子領域，代表了理論(從哲學和心理學的角度)和實際(通過特定的實現產生的系統的輸出是可以考慮的創意，或系統識別和評估創造力)所定義的創造力。相關領域研究的包括了人工直覺和人工想像。

[编辑] 多元智能

大多數研究人員希望他們的研究最終將被納入一個具有多元智能(稱為強人工智慧)，結合以上所有的技能並且超越大部分人類的能力。有些人認為為了達成以上目標，可能需要擬人化的特性，如人工意識或人工大腦。上述許多問題被認為是人工智慧完整性：為了解決其中一個問題，你必須解決全部的問題。即使一個簡單和特定的任務，如機器翻譯，要求機器按照作者的論點(推理)，知道什麼是被人談論(知識)，忠實地再現作者的意圖(情感計算)。因此，機器翻譯被認為是具有人工智慧完整性：它可能需要強人工智慧工，就像是人類一樣。

[编辑] 強人工智能和弱人工智能

人工智能的一個比較流行的定義，也是該領域較早的定義，是由當時麻省理工學院的約翰·麥卡錫在1956年的達特矛斯會議上提出的：人工智能就是要讓機器的行為看起來就像是人所表現出的智能行為一樣。但是這個定義似乎忽略了強人工智能的可能性（見下）。另一個定義指人工智能是人造機器所表現出來的智能。總體來講，目前對人工智能的定義大多可劃分為四類，即機器「像人一樣思考」、「像人一樣行動」、「理性地思考」和「理性地行動」。這裡「行動」應廣義地理解為採取行動，或制定行動的決策，而不是肢體動作。

[编辑] 強人工智能

主条目：強人工智慧

強人工智能觀點認為有可能製造出真正能推理（Reasoning）和解決問題（Problem_solving）的智能機器，並且，這樣的機器能將被認為是有知覺的，有自我意識的。強人工智能可以有兩類：

類人的人工智能，即機器的思考和推理就像人的思維一樣。
非類人的人工智能，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。

[编辑] 弱人工智能

弱人工智能觀點認為不可能製造出能真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是並不真正擁有智能，也不會有自主意識。

強人工智能的研究目前處於停滯不前的狀態下。人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解強人工智能和弱人工智能的內容與差別。就現下的人工智能研究領域來看，研究者已大量造出看起來像是智能的機器，取得相當豐碩的理論上和實質上的成果。

[编辑] 對強人工智能的哲學爭論

「強人工智能」一詞最初是約翰·羅傑斯·希爾勒針對計算機和其它信息處理機器創造的，其定義為：

「強人工智能觀點認為計算機不僅是用來研究人的思維的一種工具；相反，只要運行適當的程序，計算機本身就是有思維的。」（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980）

關於強人工智能的爭論，不同於更廣義的一元論和二元論的爭論。其爭論要點是：如果一台機器的唯一工作原理就是轉換編碼數據，那麼這台機器是不是有思維的？希爾勒認為這是不可能的。他舉了個中文房間的例子來說明，如果機器僅僅是轉換數據，而數據本身是對某些事情的一種編碼表現，那麼在不理解這一編碼和這實際事情之間的對應關係的前提下，機器不可能對其處理的數據有任何理解。基於這一論點，希爾勒認為即使有機器通過了圖靈測試，也不一定說明機器就真的像人一樣有思維和意識。

也有哲學家持不同的觀點。丹尼爾·丹尼特在其著作意識的解釋（Consciousness Explained）裡認為，人也不過是一台有靈魂的機器而已，為什麼我們認為：「人可以有智能，而普通機器就不能」呢？他認為像上述的數據轉換機器是有可能有思維和意識的。

有的哲學家認為如果弱人工智能是可實現的，那麼強人工智能也是可實現的。比如Simon Blackburn在其哲學入門教材 Think 裡說道，一個人的看起來是「智能」的行動並不能真正說明這個人就真的是智能的。我永遠不可能知道另一個人是否真的像我一樣是智能的，還是說她／他僅僅是看起來是智能的。基於這個論點，既然弱人工智能認為可以令機器看起來像是智能的，那就不能完全否定這機器是真的有智能的。Blackburn 認為這是一個主觀認定的問題。

需要指出的是，弱人工智能並非和強人工智能完全對立，也就是說，即使強人工智能是可能的，弱人工智能仍然是有意義的。至少，今日的計算機能做的事，像算術運算等，在百多年前是被認為很需要智能的。

[编辑] 实际应用

机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划等。

[编辑] 學科範疇

人工智能是一門邊沿學科，屬於自然科學和社會科學的交叉。

[编辑] 涉及學科

[编辑] 研究範疇

自然語言處理（NLP; Natural Language Processing）
知識表現（Knowledge Representation）
智能搜索（Intelligent Search）
推理
規劃（Planning）
機器學習（Machine Learning）
增強式學習（Reinforcement Learning）
知識獲取
感知問題
模式識別
邏輯程序設計
軟計算（Soft Computing）
不精確和不確定的管理
人工生命（Artificial Life）
人工神經網路（Artificial Neural Network）
複雜系統
遺傳算法
資料挖掘（Data Mining）
模糊控制

[编辑] 應用領域

[编辑] 參見

[编辑] 站外鏈接

机器人智能机器人智能
研學論壇關於人工智能，模式識別，科學交流的學術論壇
ChinaAI.org-- 中國人工智能網－人工智能|模式識別|數字圖像處理
AI Depot -- community discussion, news, and articles
Loebner Prize website
Game AI -- 計算機遊戲開發者的AI資源
Kurzweil CyberArt Technologies-- 關於人工智能藝術的網站，裡面有著名的人工智能繪畫程序AARON
關於人工智能，專家系統prolog語言全介紹的wiki網站
中華民國人工智慧學會 -- 以促進中華民國人工智慧及相關領域之研究、發展、應用與交流為宗旨的民間組織。
MostAI -- 關於人工智能的網站，AI Fans交流平台