人工智能在計(jì)算機(jī)領(lǐng)域內(nèi)，得到了愈加廣泛的重視。并在機(jī)器人，經(jīng)濟(jì)政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應(yīng)用。

例如繁重的科學(xué)和工程計(jì)算本來(lái)是要人腦來(lái)承擔(dān)的，如今計(jì)算機(jī)不但能完成這種計(jì)算，而且能夠比人腦做得更快、更準(zhǔn)確，因此當(dāng)代人已不再把這種計(jì)算看作是“需要人類智能才能完成的復(fù)雜任務(wù)”，可見復(fù)雜工作的定義是隨著時(shí)代的發(fā)展和技術(shù)的進(jìn)步而變化的，人工智能這門科學(xué)的具體目標(biāo)也自然隨著時(shí)代的變化而發(fā)展。它一方面不斷獲得新的進(jìn)展，另一方面又轉(zhuǎn)向更有意義、更加困難的目標(biāo)。

通常，“機(jī)器學(xué)習(xí)”的數(shù)學(xué)基礎(chǔ)是“統(tǒng)計(jì)學(xué)”、“信息論”和“控制論”。還包括其他非數(shù)學(xué)學(xué)科。這類“機(jī)器學(xué)習(xí)”對(duì)“經(jīng)驗(yàn)”的依賴性很強(qiáng)。計(jì)算機(jī)需要不斷從解決一類問(wèn)題的經(jīng)驗(yàn)中獲取知識(shí)，學(xué)習(xí)策略，在遇到類似的問(wèn)題時(shí)，運(yùn)用經(jīng)驗(yàn)知識(shí)解決問(wèn)題并積累新的經(jīng)驗(yàn)，就像普通人一樣。我們可以將這樣的學(xué)習(xí)方式稱之為“連續(xù)型學(xué)習(xí)”。但人類除了會(huì)從經(jīng)驗(yàn)中學(xué)習(xí)之外，還會(huì)創(chuàng)造，即“跳躍型學(xué)習(xí)”。這在某些情形下被稱為“靈感”或“頓悟”。一直以來(lái)，計(jì)算機(jī)最難學(xué)會(huì)的就是“頓悟”�；蛘咴賴�(yán)格一些來(lái)說(shuō)，計(jì)算機(jī)在學(xué)習(xí)和“實(shí)踐”方面難以學(xué)會(huì)“不依賴于量變的質(zhì)變”，很難從一種“質(zhì)”直接到另一種“質(zhì)”，或者從一個(gè)“概念”直接到另一個(gè)“概念”。正因?yàn)槿绱�，這里的“實(shí)踐”并非同人類一樣的實(shí)踐。人類的實(shí)踐過(guò)程同時(shí)包括經(jīng)驗(yàn)和創(chuàng)造。這是智能化研究者夢(mèng)寐以求的東西。

實(shí)際應(yīng)用：機(jī)器視覺(jué)，指紋識(shí)別，人臉識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，掌紋識(shí)別，專家系統(tǒng)，自動(dòng)規(guī)劃，智能搜索，定理證明，博弈，自動(dòng)程序設(shè)計(jì)，智能控制，機(jī)器人學(xué)，語(yǔ)言和圖像理解，遺傳編程等。

三、應(yīng)用范疇

學(xué)科范疇 ：人工智能是一門邊緣學(xué)科，屬于自然科學(xué)和社會(huì)科學(xué)的交叉。

涉及學(xué)科 ：哲學(xué)和認(rèn)知科學(xué)，數(shù)學(xué)，神經(jīng)生理學(xué)，心理學(xué)，計(jì)算機(jī)科學(xué)，信息論，控制論，不定性論

研究范疇：自然語(yǔ)言處理，知識(shí)表現(xiàn)，智能搜索，推理，規(guī)劃，機(jī)器學(xué)習(xí)，知識(shí)獲取，組合調(diào)度問(wèn)題，感知問(wèn)題，模式識(shí)別，邏輯程序設(shè)計(jì)軟計(jì)算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法

意識(shí)和人工智能P：人工智能就其本質(zhì)而言，是對(duì)人的思維的信息過(guò)程的模擬。

對(duì)于人的思維模擬可以從兩條道路進(jìn)行，一是結(jié)構(gòu)模擬，仿照人腦的結(jié)構(gòu)機(jī)制，制造出“類人腦”的機(jī)器；二是功能模擬，暫時(shí)撇開人腦的內(nèi)部結(jié)構(gòu)，而從其功能過(guò)程進(jìn)行模擬�，F(xiàn)代電子計(jì)算機(jī)的產(chǎn)生便是對(duì)人腦思維功能的模擬，是對(duì)人腦思維的信息過(guò)程的模擬。

弱人工智能如今不斷地迅猛發(fā)展，尤其是2008年經(jīng)濟(jì)危機(jī)后，美日歐希望借機(jī)器人等實(shí)現(xiàn)再工業(yè)化，工業(yè)機(jī)器人以比以往任何時(shí)候更快的速度發(fā)展，更加帶動(dòng)了弱人工智能和相關(guān)領(lǐng)域產(chǎn)業(yè)的不斷突破，很多必須用人來(lái)做的工作如今已經(jīng)能用機(jī)器人實(shí)現(xiàn)。

而強(qiáng)人工智能則暫時(shí)處于瓶頸，還需要科學(xué)家們和人類的努力。

四、實(shí)現(xiàn)方法

人工智能在計(jì)算機(jī)上實(shí)現(xiàn)時(shí)有2種不同的方式。一種是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動(dòng)物機(jī)體所用的方法相同。這種方法叫工程學(xué)方法（ENGINEERING APPROACH），它已在一些領(lǐng)域內(nèi)作出了成果，如文字識(shí)別、電腦下棋等。另一種是模擬法（MODELING APPROACH），它不僅要看效果，還要求實(shí)現(xiàn)方法也和人類或生物機(jī)體所用的方法相同或相類似。遺傳算法（GENERIC ALGORITHM，簡(jiǎn)稱GA）和人工神經(jīng)網(wǎng)絡(luò)（ARTIFICIAL NEURAL NETWORK，簡(jiǎn)稱ANN）均屬后一類型。遺傳算法模擬人類或生物的遺傳－進(jìn)化機(jī)制，人工神經(jīng)網(wǎng)絡(luò)則是模擬人類或動(dòng)物大腦中神經(jīng)細(xì)胞的活動(dòng)方式。

為了得到相同智能效果，兩種方式通常都可使用。采用前一種方法，需要人工詳細(xì)規(guī)定程序邏輯，如果游戲簡(jiǎn)單，還是方便的。如果游戲復(fù)雜，角色數(shù)量和活動(dòng)空間增加，相應(yīng)的邏輯就會(huì)很復(fù)雜（按指數(shù)式增長(zhǎng)），人工編程就非常繁瑣，容易出錯(cuò)。而一旦出錯(cuò)，就必須修改原程序，重新編譯、調(diào)試，最后為用戶提供一個(gè)新的版本或提供一個(gè)新補(bǔ)丁，非常麻煩。

采用后一種方法時(shí)，編程者要為每一角色設(shè)計(jì)一個(gè)智能系統(tǒng)（一個(gè)模塊）來(lái)進(jìn)行控制，這個(gè)智能系統(tǒng)（模塊）開始什么也不懂，就像初生嬰兒那樣，但它能夠?qū)W習(xí)，能漸漸地適應(yīng)環(huán)境，應(yīng)付各種復(fù)雜情況。這種系統(tǒng)開始也常犯錯(cuò)誤，但它能吸取教訓(xùn)，下一次運(yùn)行時(shí)就可能改正，至少不會(huì)永遠(yuǎn)錯(cuò)下去，用不到發(fā)布新版本或打補(bǔ)丁。利用這種方法來(lái)實(shí)現(xiàn)人工智能，要求編程者具有生物學(xué)的思考方法，入門難度大一點(diǎn)。

但一旦入了門，就可得到廣泛應(yīng)用。由于這種方法編程時(shí)無(wú)須對(duì)角色的活動(dòng)規(guī)律做詳細(xì)規(guī)定，應(yīng)用于復(fù)雜問(wèn)題，通常會(huì)比前一種方法更省力。

過(guò)去十年來(lái)，人們廣泛討論如何將人工智能（AI）引入計(jì)算領(lǐng)域，并允許機(jī)器從經(jīng)驗(yàn)中學(xué)習(xí)，做出類似人類的決策，從而幾乎改變我們經(jīng)濟(jì)的每一個(gè)環(huán)節(jié)。人工智能項(xiàng)技術(shù)多應(yīng)用在幫助企業(yè)自動(dòng)化日常任務(wù)，通過(guò)分析客戶的行為更好地了解他們的客戶，降低運(yùn)營(yíng)成本，以及在不同行業(yè)個(gè)性化服務(wù)產(chǎn)品，無(wú)論是金融銀行，還是交通運(yùn)輸、安防保衛(wèi)、醫(yī)療健康等領(lǐng)域，都逐漸展現(xiàn)出AI獨(dú)特的優(yōu)勢(shì)。

人工智能技術(shù)發(fā)展的步伐不會(huì)止步，當(dāng)層出不窮的新算法、新代碼出現(xiàn)時(shí)，新產(chǎn)品市場(chǎng)的機(jī)會(huì)大大增加了，而面臨的非授權(quán)使用和惡意篡改風(fēng)險(xiǎn)無(wú)疑也隨之增長(zhǎng)，數(shù)字版權(quán)的保護(hù)任重道遠(yuǎn)。

對(duì)于人工智能，相信大家都是相當(dāng)關(guān)注的，大家對(duì)此還有哪些進(jìn)一步的看法呢？歡迎留言討論哦！

來(lái)源：21ic