人工智能包括哪些系統(tǒng)（人工智能包括哪些系統(tǒng)類型）

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于人工智能包括哪些系統(tǒng)的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com

本文目錄:

• 1、1, 什么是人工智能

• 2、定義人工智能的四個方面是什么?

• 3、人工智能包括哪些科學(xué)？

• 4、人工智能應(yīng)用領(lǐng)域有哪些？

一、1, 什么是人工智能

人工智能（計算機科學(xué)的一個分支）

人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。 人工智能是計算機科學(xué)的一個分支，它企圖了解智能的實質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機器，該領(lǐng)域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能從誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴大，但沒有一個統(tǒng)一的定義。

人工智能是對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。但是這種會自我思考的高級人工智能還需要科學(xué)理論和工程上的突破。

人工智能是一門極富挑戰(zhàn)性的科學(xué)，從事這項工作的人必須懂得計算機知識，心理學(xué)和哲學(xué)。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機器學(xué)習(xí)，計算機視覺等等，總的說來，人工智能研究的一個主要目標(biāo)是使機器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。但不同的時代、不同的人對這種“復(fù)雜工作”的理解是不同的。

工智能的定義可以分為兩部分，即“人工”和“智能”?！叭斯ぁ北容^好理解，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步，等等。但總的來說，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。

關(guān)于什么是“智能”，就問題多多了。這涉及到其它諸如意識（CONSCIOUSNESS）、自我（SELF）、思維（MIND）（包括無意識的思維（UNCONSCIOUS_MIND）等等問題。人唯一了解的智能是人本身的智能，這是普遍認(rèn)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(gòu)成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“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(guān)于動物或其它人造系統(tǒng)的智能也普遍被認(rèn)為是人工智能相關(guān)的研究課題。

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

人工智能機器人

著名的美國斯坦福大學(xué)人工智能研究中心尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關(guān)于知識的學(xué)科――怎樣表示知識以及怎樣獲得知識并使用知識的科學(xué)?！倍硪粋€美國麻省理工學(xué)院的溫斯頓教授認(rèn)為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動的規(guī)律，構(gòu)造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應(yīng)用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術(shù)。

人工智能是計算機學(xué)科的一個分支，二十世紀(jì)七十年代以來被稱為世界三大尖端技術(shù)之一（空間技術(shù)、能源技術(shù)、人工智能）。也被認(rèn)為是二十一世紀(jì)（基因工程、納米科學(xué)、人工智能）三大尖端技術(shù)之一。這是因為近三十年來它獲得了迅速的發(fā)展，在很多學(xué)科領(lǐng)域都獲得了廣泛應(yīng)用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統(tǒng)。

人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計算機實現(xiàn)智能的原理、制造類似于人腦智能的計算機，使計算機能實現(xiàn)更高層次的應(yīng)用。人工智能將涉及到計算機科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等學(xué)科?？梢哉f幾乎是自然科學(xué)和社會科學(xué)的所有學(xué)科，其范圍已遠(yuǎn)遠(yuǎn)超出了計算機科學(xué)的范疇，人工智能與思維科學(xué)的關(guān)系是實踐和理論的關(guān)系，人工智能是處于思維科學(xué)的技術(shù)應(yīng)用層次，是它的一個應(yīng)用分支。從思維觀點看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進(jìn)人工智能的突破性的發(fā)展，數(shù)學(xué)常被認(rèn)為是多種學(xué)科的基礎(chǔ)科學(xué)，數(shù)學(xué)也進(jìn)入語言、思維領(lǐng)域，人工智能學(xué)科也必須借用數(shù)學(xué)工具，數(shù)學(xué)不僅在標(biāo)準(zhǔn)邏輯、模糊數(shù)學(xué)等范圍發(fā)揮作用，數(shù)學(xué)進(jìn)入人工智能學(xué)科，它們將互相促進(jìn)而更快地發(fā)展。

2研究價值編輯

具有人工智能的機器人

例如繁重的科學(xué)和工程計算本來是要人腦來承擔(dān)的，如今計算機不但能完成這種計算，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，“機器學(xué)習(xí)”的數(shù)學(xué)基礎(chǔ)是“統(tǒng)計學(xué)”、“信息論”和“控制論”。還包括其他非數(shù)學(xué)學(xué)科。這類“機器學(xué)習(xí)”對“經(jīng)驗”的依賴性很強。計算機需要不斷從解決一類問題的經(jīng)驗中獲取知識，學(xué)習(xí)策略，在遇到類似的問題時，運用經(jīng)驗知識解決問題并積累新的經(jīng)驗，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)”。但人類除了會從經(jīng)驗中學(xué)習(xí)之外，還會創(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，計算機最難學(xué)會的就是“頓悟”。或者再嚴(yán)格一些來說，計算機在學(xué)習(xí)和“實踐”方面難以學(xué)會“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“概念”直接到另一個“概念”。正因為如此，這里的“實踐”并非同人類一樣的實踐。人類的實踐過程同時包括經(jīng)驗和創(chuàng)造。[1]

這是智能化研究者夢寐以求的東西。

2013年，帝金數(shù)據(jù)普數(shù)中心數(shù)據(jù)研究員S.C WANG開發(fā)了一種新的數(shù)據(jù)分析方法，該方法導(dǎo)出了研究函數(shù)性質(zhì)的新方法。作者發(fā)現(xiàn)，新數(shù)據(jù)分析方法給計算機學(xué)會“創(chuàng)造”提供了一種方法。本質(zhì)上，這種方法為人的“創(chuàng)造力”的模式化提供了一種相當(dāng)有效的途徑。這種途徑是數(shù)學(xué)賦予的，是普通人無法擁有但計算機可以擁有的“能力”。從此，計算機不僅精于算，還會因精于算而精于創(chuàng)造。計算機學(xué)家們應(yīng)該斬釘截鐵地剝奪“精于創(chuàng)造”的計算機過于全面的操作能力，否則計算機真的有一天會“反捕”人類。[1]

當(dāng)回頭審視新方法的推演過程和數(shù)學(xué)的時候，作者拓展了對思維和數(shù)學(xué)的認(rèn)識。數(shù)學(xué)簡潔，清晰，可靠性、模式化強。在數(shù)學(xué)的發(fā)展史上，處處閃耀著數(shù)學(xué)大師們創(chuàng)造力的光輝。這些創(chuàng)造力以各種數(shù)學(xué)定理或結(jié)論的方式呈現(xiàn)出來，而數(shù)學(xué)定理最大的特點就是：建立在一些基本的概念和公理上，以模式化的語言方式表達(dá)出來的包含豐富信息的邏輯結(jié)構(gòu)。應(yīng)該說，數(shù)學(xué)是最單純、最直白地反映著（至少一類）創(chuàng)造力模式的學(xué)科。[1]

3科學(xué)介紹編輯

實際應(yīng)用

機器視覺：機器視覺，指紋識別，人臉識別，視網(wǎng)膜識別，虹膜識別，掌紋識別，專家系統(tǒng)，自動規(guī)劃，智能搜索，定理證明，博弈，自動程序設(shè)計，智能控制，機器人學(xué)，語言和圖像理解，遺傳編程等。

學(xué)科范疇

人工智能是一門邊沿學(xué)科，屬于自然科學(xué)和社會科學(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)，計算機科學(xué)，信息論，控制論，不定性論

研究范疇

自然語言處理，知識表現(xiàn)，智能搜索，推理，規(guī)劃，機器學(xué)習(xí)，知識獲取，組合調(diào)度問題，感知問題，模式識別，邏輯程序設(shè)計軟計算，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

意識和人工智能

人工智能就其本質(zhì)而言，是對人的思維的信息過程的模擬。

對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)機制，制造出“類人腦”的機器；二是功能模擬，暫時撇開人腦的內(nèi)部結(jié)構(gòu)，而從其功能過程進(jìn)行模擬?，F(xiàn)代電子計算機的產(chǎn)生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。

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

而強人工智能則暫時處于瓶頸，還需要科學(xué)家們和人類的努力。

4發(fā)展階段編輯

1956年夏季，以麥卡賽、明斯基、羅切斯特和申農(nóng)等為首的一批有遠(yuǎn)見卓識的年輕科學(xué)家在一起聚會，共同研究和探討用機器模擬智能的一系列有關(guān)問題，并首次提出了“人工智能”這一術(shù)語，它標(biāo)志著“人工智能”這門新興學(xué)科的正式誕生。IBM公司“深藍(lán)”電腦擊敗了人類的世界國際象棋冠軍更是人工智能技術(shù)的一個完美表現(xiàn)。

從1956年正式提出人工智能學(xué)科算起，50多年來，取得長足的發(fā)展，成為一門廣泛的交叉和前沿科學(xué)?？偟恼f來，人工智能的目的就是讓計算機這臺機器能夠像人一樣思考。如果希望做出一臺能夠思考的機器，那就必須知道什么是思考，更進(jìn)一步講就是什么是智慧。什么樣的機器才是智慧的呢？科學(xué)家已經(jīng)作出了汽車，火車，飛機，收音機等等，它們模仿我們身體器官的功能，但是能不能模仿人類大腦的功能呢？到目前為止，我們也僅僅知道這個裝在我們天靈蓋里面的東西是由數(shù)十億個神經(jīng)細(xì)胞組成的器官，我們對這個東西知之甚少，模仿它或許是天下最困難的事情了。

當(dāng)計算機出現(xiàn)后，人類開始真正有了一個可以模擬人類思維的工具，在以后的歲月中，無數(shù)科學(xué)家為這個目標(biāo)努力著。如今人工智能已經(jīng)不再是幾個科學(xué)家的專利了，全世界幾乎所有大學(xué)的計算機系都有人在研究這門學(xué)科，學(xué)習(xí)計算機的大學(xué)生也必須學(xué)習(xí)這樣一門課程，在大家不懈的努力下，如今計算機似乎已經(jīng)變得十分聰明了。例如，1997年5月，IBM公司研制的深藍(lán)（DEEP BLUE）計算機戰(zhàn)勝了國際象棋大師卡斯帕洛夫（KASPAROV）。大家或許不會注意到，在一些地方計算機幫助人進(jìn)行其它原來只屬于人類的工作，計算機以它的高速和準(zhǔn)確為人類發(fā)揮著它的作用。人工智能始終是計算機科學(xué)的前沿學(xué)科，計算機編程語言和其它計算機軟件都因為有了人工智能的進(jìn)展而得以存在。

5技術(shù)研究編輯

用來研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)平臺的機器就是計算機，人工智能的發(fā)展歷史是和計算機科學(xué)技術(shù)的發(fā)展史聯(lián)系在一起的。除了計算機科學(xué)以外，人工智能還涉及信息論、控制論、自動化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。人工智能學(xué)科研究的主要內(nèi)容包括：知識表示、自動推理和搜索方法、機器學(xué)習(xí)和知識獲取、知識處理系統(tǒng)、自然語言理解、計算機視覺、智能機器人、自動程序設(shè)計等方面。

人工智能技術(shù)研究 ARTIFICIAL INTELLIGENCE AND ROBOTICS RESEARCH 是一本關(guān)注人工智能與機器人研究領(lǐng)域最新進(jìn)展的國際中文期刊，由漢斯出版社發(fā)行，本刊支持思想創(chuàng)新、學(xué)術(shù)創(chuàng)新，倡導(dǎo)科學(xué)，繁榮學(xué)術(shù)，集學(xué)術(shù)性、思想性為一體，旨在為了給世界范圍內(nèi)的科學(xué)家、學(xué)者、科研人員提供一個傳播、分享和討論人工智能與機器人研究領(lǐng)域內(nèi)不同方向問題與發(fā)展的交流平臺。

研究領(lǐng)域

人工智能技術(shù)研究

智能機器人

模式識別與智能系統(tǒng)

虛擬現(xiàn)實技術(shù)與應(yīng)用

系統(tǒng)仿真技術(shù)與應(yīng)用

工業(yè)過程建模與智能控制

智能計算與機器博弈

人工智能理論

語音識別與合成

機器翻譯

圖像處理與計算機視覺

計算機感知

計算機神經(jīng)網(wǎng)絡(luò)

知識發(fā)現(xiàn)與機器學(xué)習(xí)

建筑智能化技術(shù)與應(yīng)用

人工智能其他學(xué)科

研究方法

如今沒有統(tǒng)一的原理或范式指導(dǎo)人工智能研究。許多問題上研究者都存在爭論。其中幾個長久以來仍沒有結(jié)論的問題是：是否應(yīng)從心理或神經(jīng)方面模擬人工智能?或者像鳥類生物學(xué)對于航空工程一樣，人類生物學(xué)對于人工智能研究是沒有關(guān)系的？智能行為能否用簡單的原則（如邏輯或優(yōu)化）來描述？還是必須解決大量完全無關(guān)的問題？

智能是否可以使用高級符號表達(dá)，如詞和想法？還是需要“子符號”的處理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提議人工智能應(yīng)歸類為SYNTHETIC INTELLIGENCE，[29]這個概念后來被某些非GOFAI研究者采納。

大腦模擬

主條目：控制論和計算神經(jīng)科學(xué)

20世紀(jì)40年代到50年代，許多研究者探索神經(jīng)病學(xué)，信息理論及控制論之間的聯(lián)系。其中還造出一些使用電子網(wǎng)絡(luò)構(gòu)造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 這些研究者還經(jīng)常在普林斯頓大學(xué)和英國的RATIO CLUB舉行技術(shù)協(xié)會會議.直到1960, 大部分人已經(jīng)放棄這個方法，盡管在80年代再次提出這些原理。

符號處理

主條目：GOFAI

當(dāng)20世紀(jì)50年代，數(shù)字計算機研制成功，研究者開始探索人類智能是否能簡化成符號處理。研究主要集中在卡內(nèi)基梅隆大學(xué), 斯坦福大學(xué)和麻省理工學(xué)院，而各自有獨立的研究風(fēng)格。JOHN HAUGELAND稱這些方法為GOFAI(出色的老式人工智能)。[33] 60年代，符號方法在小型證明程序上模擬高級思考有很大的成就?；诳刂普摶蛏窠?jīng)網(wǎng)絡(luò)的方法則置于次要。[34] 60~70年代的研究者確信符號方法最終可以成功創(chuàng)造強人工智能的機器，同時這也是他們的目標(biāo)。

認(rèn)知模擬經(jīng)濟學(xué)家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化，同時他們?yōu)槿斯ぶ悄艿幕驹泶蛳禄A(chǔ)，如認(rèn)知科學(xué), 運籌學(xué)和經(jīng)營科學(xué)。他們的研究團(tuán)隊使用心理學(xué)實驗的結(jié)果開發(fā)模擬人類解決問題方法的程序。這方法一直在卡內(nèi)基梅隆大學(xué)沿襲下來，并在80年代于SOAR發(fā)展到高峰?；谶壿嫴幌癜瑐悺ぜ~厄爾和赫伯特·西蒙，JOHN MCCARTHY認(rèn)為機器不需要模擬人類的思想，而應(yīng)嘗試找到抽象推理和解決問題的本質(zhì)，不管人們是否使用同樣的算法。他在斯坦福大學(xué)的實驗室致力于使用形式化邏輯解決多種問題，包括知識表示, 智能規(guī)劃和機器學(xué)習(xí). 致力于邏輯方法的還有愛丁堡大學(xué)，而促成歐洲的其他地方開發(fā)編程語言PROLOG和邏輯編程科學(xué).“反邏輯”斯坦福大學(xué)的研究者 (如馬文·閔斯基和西摩爾·派普特)發(fā)現(xiàn)要解決計算機視覺和自然語言處理的困難問題，需要專門的方案-他們主張不存在簡單和通用原理（如邏輯）能夠達(dá)到所有的智能行為。ROGER SCHANK 描述他們的“反邏輯”方法為 "SCRUFFY" .常識知識庫 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子,因為他們必須人工一次編寫一個復(fù)雜的概念?；谥R大約在1970年出現(xiàn)大容量內(nèi)存計算機，研究者分別以三個方法開始把知識構(gòu)造成應(yīng)用軟件。這場“知識革命”促成專家系統(tǒng)的開發(fā)與計劃,這是第一個成功的人工智能軟件形式。“知識革命”同時讓人們意識到許多簡單的人工智能軟件可能需要大量的知識。

子符號法

80年代符號人工智能停滯不前，很多人認(rèn)為符號系統(tǒng)永遠(yuǎn)不可能模仿人類所有的認(rèn)知過程，特別是感知，機器人，機器學(xué)習(xí)和模式識別。很多研究者開始關(guān)注子符號方法解決特定的人工智能問題。

自下而上, 接口AGENT，嵌入環(huán)境（機器人），行為主義，新式AI機器人領(lǐng)域相關(guān)的研究者，如RODNEY BROOKS，否定符號人工智能而專注于機器人移動和求生等基本的工程問題。他們的工作再次關(guān)注早期控制論研究者的觀點，同時提出了在人工智能中使用控制理論。這與認(rèn)知科學(xué)領(lǐng)域中的表征感知論點是一致的:更高的智能需要個體的表征(如移動，感知和形象)。計算智能80年代中DAVID RUMELHART 等再次提出神經(jīng)網(wǎng)絡(luò)和聯(lián)結(jié)主義. 這和其他的子符號方法，如模糊控制和進(jìn)化計算，都屬于計算智能學(xué)科研究范疇。

統(tǒng)計學(xué)法

90年代，人工智能研究發(fā)展出復(fù)雜的數(shù)學(xué)工具來解決特定的分支問題。這些工具是真正的科學(xué)方法，即這些方法的結(jié)果是可測量的和可驗證的，同時也是人工智能成功的原因。共用的數(shù)學(xué)語言也允許已有學(xué)科的合作（如數(shù)學(xué)，經(jīng)濟或運籌學(xué)）。STUART J. RUSSELL和PETER NORVIG指出這些進(jìn)步不亞于“革命”和“NEATS的成功”。有人批評這些技術(shù)太專注于特定的問題，而沒有考慮長遠(yuǎn)的強人工智能目標(biāo)。

集成方法

智能AGENT范式智能AGENT是一個會感知環(huán)境并作出行動以達(dá)致目標(biāo)的系統(tǒng)。最簡單的智能AGENT是那些可以解決特定問題的程序。更復(fù)雜的AGENT包括人類和人類組織（如公司）。這些范式可以讓研究者研究單獨的問題和找出有用且可驗證的方案，而不需考慮單一的方法。一個解決特定問題的AGENT可以使用任何可行的方法-一些AGENT用符號方法和邏輯方法，一些則是子符號神經(jīng)網(wǎng)絡(luò)或其他新的方法。范式同時也給研究者提供一個與其他領(lǐng)域溝通的共同語言--如決策論和經(jīng)濟學(xué)（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被廣泛接受。AGENT體系結(jié)構(gòu)和認(rèn)知體系結(jié)構(gòu)研究者設(shè)計出一些系統(tǒng)來處理多ANGENT系統(tǒng)中智能AGENT之間的相互作用。一個系統(tǒng)中包含符號和子符號部分的系統(tǒng)稱為混合智能系統(tǒng) ,而對這種系統(tǒng)的研究則是人工智能系統(tǒng)集成。分級控制系統(tǒng)則給反應(yīng)級別的子符號AI 和最高級別的傳統(tǒng)符號AI提供橋梁，同時放寬了規(guī)劃和世界建模的時間。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一個早期的分級系統(tǒng)計劃。

智能模擬

機器視、聽、觸、感覺及思維方式的模擬：指紋識別，人臉識別，視網(wǎng)膜識別，虹膜識別，掌紋識別，專家系統(tǒng)，智能搜索，定理證明，邏輯推理，博弈，信息感應(yīng)與辨證處理。

學(xué)科范疇

人工智能是一門邊沿學(xué)科，屬于自然科學(xué)、社會科學(xué)、技術(shù)科學(xué)三向交叉學(xué)科。

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)，計算機科學(xué)，信息論，控制論，不定性論，仿生學(xué)，社會結(jié)構(gòu)學(xué)與科學(xué)發(fā)展觀。

研究范疇

語言的學(xué)習(xí)與處理，知識表現(xiàn)，智能搜索，推理，規(guī)劃，機器學(xué)習(xí)，知識獲取，組合調(diào)度問題，感知問題，模式識別，邏輯程序設(shè)計，軟計算，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)，遺傳算法人類思維方式，最關(guān)鍵的難題還是機器的自主創(chuàng)造性思維能力的塑造與提升。

應(yīng)用領(lǐng)域

機器翻譯，智能控制，專家系統(tǒng)，機器人學(xué)，語言和圖像理解，遺傳編程機器人工廠，自動程序設(shè)計，航天應(yīng)用，龐大的信息處理，儲存與管理，執(zhí)行化合生命體無法執(zhí)行的或復(fù)雜或規(guī)模龐大的任務(wù)等等。

值得一提的是，機器翻譯是人工智能的重要分支和最先應(yīng)用領(lǐng)域。不過就已有的機譯成就來看，機譯系統(tǒng)的譯文質(zhì)量離終極目標(biāo)仍相差甚遠(yuǎn)；而機譯質(zhì)量是機譯系統(tǒng)成敗的關(guān)鍵。中國數(shù)學(xué)家、語言學(xué)家周海中教授曾在論文《機器翻譯五十年》中指出：要提高機譯的質(zhì)量，首先要解決的是語言本身問題而不是程序設(shè)計問題；單靠若干程序來做機譯系統(tǒng)，肯定是無法提高機譯質(zhì)量的；另外在人類尚未明了大腦是如何進(jìn)行語言的模糊識別和邏輯判斷的情況下，機譯要想達(dá)到“信、達(dá)、雅”的程度是不可能的。

安全問題

人工智能還在研究中，但有學(xué)者認(rèn)為讓計算機擁有智商是很危險的，它可能會反抗人類。這種隱患也在多部電影中發(fā)生過，其主要的關(guān)鍵是允不允許機器擁有自主意識的產(chǎn)生與延續(xù)，如果使機器擁有自主意識，則意味著機器具有與人同等或類似的創(chuàng)造性，自我保護(hù)意識，情感和自發(fā)行為。

實現(xiàn)方法

人工智能在計算機上實現(xiàn)時有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物機體所用的方法相同。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，還要求實現(xiàn)方法也和人類或生物機體所用的方法相同或相類似。遺傳算法（GENERIC ALGORITHM，簡稱GA）和人工神經(jīng)網(wǎng)絡(luò)（ARTIFICIAL NEURAL NETWORK，簡稱ANN）均屬后一類型。遺傳算法模擬人類或生物的遺傳-進(jìn)化機制，人工神經(jīng)網(wǎng)絡(luò)則是模擬人類或動物大腦中神經(jīng)細(xì)胞的活動方式。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，如果游戲簡單，還是方便的。如果游戲復(fù)雜，角色數(shù)量和活動空間增加，相應(yīng)的邏輯就會很復(fù)雜（按指數(shù)式增長），人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調(diào)試，最后為用戶提供一個新的版本或提供一個新補丁，非常麻煩。采用后一種方法時，編程者要為每一角色設(shè)計一個智能系統(tǒng)（一個模塊）來進(jìn)行控制，這個智能系統(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)開始也常犯錯誤，但它能吸取教訓(xùn)，下一次運行時就可能改正，至少不會永遠(yuǎn)錯下去，用不到發(fā)布新版本或打補丁。利用這種方法來實現(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。但一旦入了門，就可得到廣泛應(yīng)用。由于這種方法編程時無須對角色的活動規(guī)律做詳細(xì)規(guī)定，應(yīng)用于復(fù)雜問題，通常會比前一種方法更省力。

二、定義人工智能的四個方面是什么?

人工智能是對人的意識、思維的信息過程的模擬。但不是人的智能，能像人那樣思考、也可能超過人的智能。但是這種會自我思考的高級人工智能還需要科學(xué)理論和工程上的突破。從誕生以來，人工智能理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。正因為如此，人工智能的應(yīng)用方向才十分之廣。

為了讓愛寵寵對人工智能的定義進(jìn)行討論，以便更深刻地理解人工智能，下面綜述其它幾種關(guān)于人工智能的定義。

人工智能定義1：人工智能是那些與人的思維、決策、問題求解和學(xué)習(xí)等有關(guān)活動的自動化（Bellman,1978）。

人工智能定義2：人工智能是一種使計算機能夠思維，使機器具有智力的激動人心的新嘗試（Haugeland,1985）。

人工智能定義3：人工智能是用計算模型研究智力行為（Charniak和McDermott,1985）。

人工智能定義4：人工智能是研究那些使理解、推理和行為成為可能的計算（Winston,1992）。

三、人工智能包括哪些科學(xué)？

人工智能（AI）是一門極富挑戰(zhàn)性的科學(xué)，從事這項工作的人必須懂得計算機知識，心理學(xué)和哲學(xué)。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機器學(xué)習(xí)，計算機視覺等等，總的說來，人工智能的目的就是讓計算機這臺機器能夠象人一樣思考。

在1955的時候，香農(nóng)與人一起開發(fā)了The Logic TheoriST程序，它是一種采用樹形結(jié)構(gòu)的程序，在程序運行時，它在樹中搜索，尋找與可能答案最接近的樹的分枝進(jìn)行探索，以得到正確的答案。

這個程序在人工智能的歷史上可以說是有重要地位的，它在學(xué)術(shù)上和社會上帶來的巨大的影響，以至于我們所采用的思想方法有許多還是來自于這個50年代的程序。

1956年，作為人工智能領(lǐng)域另一位著名科學(xué)家的麥卡希召集了一次會議來討論人工智能未來的發(fā)展方向。從那時起，人工智能的名字才正式確立，這次會議在人工智能歷史上不是巨大的成功。

但是這次會議給人工智能奠基人相互交流的機會，并為未來人工智能的發(fā)展起了鋪墊的作用。在此以后，人工智能的重點開始變?yōu)榻嵱玫哪軌蜃孕薪鉀Q問題的系統(tǒng)，并要求系統(tǒng)有自學(xué)習(xí)能力。

在1957年，香農(nóng)和另一些人又開發(fā)了一個程序稱為General Problem Solver(GPS)，它對Wiener的反饋理論有一個擴展，并能夠解決一些比較普遍的問題。

別的科學(xué)家在努力開發(fā)系統(tǒng)時，右圖這位科學(xué)家作出了一項重大的貢獻(xiàn)，他創(chuàng)建了表處理語言LISP，直到許多人工智能程序還在使用這種語言，它幾乎成了人工智能的代名詞，到了今天，LISP仍然在發(fā)展。

擴展資料：

一、信息技術(shù)簡介

信息技術(shù)（Information Technology，縮寫IT），是主要用于管理和處理信息所采用的各種技術(shù)的總稱。它主要是應(yīng)用計算機科學(xué)和通信技術(shù)來設(shè)計、開發(fā)、安裝和實施信息系統(tǒng)及應(yīng)用軟件。

它也常被稱為信息和通信技術(shù)（Information and Communications Technology, ICT）。主要包括傳感技術(shù)、計算機與智能技術(shù)、通信技術(shù)和控制技術(shù)。

二、社會功能

信息技術(shù)在全球的廣泛使用，不僅深刻地影響著經(jīng)濟結(jié)構(gòu)與經(jīng)濟效率，而且作為先進(jìn)生產(chǎn)力的代表，對社會文化和精神文明產(chǎn)生著深刻的影響。

信息技術(shù)已引起傳統(tǒng)教育方式發(fā)生著深刻變化。計算機仿真技術(shù)、多媒體技術(shù)、虛擬現(xiàn)實技術(shù)和遠(yuǎn)程教育技術(shù)以及信息載體的多樣性，使學(xué)習(xí)者可以克服時空障礙，更加主動地安排自己的學(xué)習(xí)時間和速度。

特別是借助于互聯(lián)網(wǎng)的遠(yuǎn)程教育，將開辟出通達(dá)全球的知識傳播通道，實現(xiàn)不同地區(qū)的學(xué)習(xí)者、傳授者之間的互相對話和交流，不僅可望大大提高教育的效率，而且給學(xué)習(xí)者提供一個寬松的內(nèi)容豐富的學(xué)習(xí)環(huán)境。遠(yuǎn)程教育的發(fā)展將在傳統(tǒng)的教育領(lǐng)域引發(fā)一場革命，并促使人類知識水平的普遍提高。

互聯(lián)網(wǎng)已經(jīng)成為科學(xué)研究和技術(shù)開發(fā)不可缺少的工具?；ヂ?lián)網(wǎng)擁有的600多個大型圖書館、400多個文獻(xiàn)庫和100萬個信息源，成為科研人員可以隨時進(jìn)入并從中獲取最新科技動態(tài)的信息寶庫，大大節(jié)約查閱文獻(xiàn)的時間和費用。

信息網(wǎng)絡(luò)為各種思想文化的傳播，提供了更加便捷的渠道，大量的信息通過網(wǎng)絡(luò)滲入到社會各個角落，成為當(dāng)今文化傳播的重要手段。

參考資料：

百度百科－信息技術(shù)

四、人工智能應(yīng)用領(lǐng)域有哪些？

人工智能的主要應(yīng)用領(lǐng)域有：1.強化學(xué)習(xí)領(lǐng)域；2.生成模型字段；3.內(nèi)存網(wǎng)絡(luò)領(lǐng)域；4.數(shù)據(jù)學(xué)習(xí)領(lǐng)域；5.模擬環(huán)境領(lǐng)域；6.醫(yī)療技術(shù)領(lǐng)域；7.教育領(lǐng)域；8.物流管理領(lǐng)域。

1.加強學(xué)習(xí)領(lǐng)域

強化學(xué)習(xí)是一種通過實驗和錯誤進(jìn)行學(xué)習(xí)的方法，它受到人類學(xué)習(xí)新技能過程的啟發(fā)。在強化學(xué)習(xí)的典型案例中，我們要求參與者采取行動，通過觀察當(dāng)前情況來最大化反饋結(jié)果。每次你執(zhí)行一個動作，實驗者都會收到環(huán)境的反饋，所以它可以判斷這個動作的效果是積極的還是消極的。

2.生成模型字段

通過大量樣本的收集，人工智能生成的模型具有很強的相似性。也就是說，如果訓(xùn)練數(shù)據(jù)是人臉的圖像，那么訓(xùn)練后得到的模型也是類似人臉的合成圖像。

人工智能頂級專家Ian Goodfellow為我們提出了兩個新思路：一個是生成器，負(fù)責(zé)將輸入的數(shù)據(jù)合成新的內(nèi)容；另一個是鑒別器，負(fù)責(zé)判斷生成器生成的內(nèi)容是真是假。這樣，生成器必須反復(fù)學(xué)習(xí)合成的內(nèi)容，直到鑒別器無法辨別生成器內(nèi)容的真實性。

3.存儲網(wǎng)絡(luò)字段

人工智能系統(tǒng)要像人類一樣適應(yīng)各種環(huán)境，就必須不斷掌握新的技能并學(xué)會應(yīng)用。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)很難滿足這些要求。比如一個神經(jīng)網(wǎng)絡(luò)訓(xùn)練完A任務(wù)后，如果訓(xùn)練它去解決B任務(wù)，那么這個網(wǎng)絡(luò)模型就不再適合A了。

目前有一些網(wǎng)絡(luò)結(jié)構(gòu)可以使模型具有不同程度的記憶能力。長短期記憶網(wǎng)絡(luò)可以處理和預(yù)測時間序列；漸進(jìn)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)獨立模型之間的水平關(guān)系，提取共同特征，可以完成新的任務(wù)。

4.數(shù)據(jù)學(xué)習(xí)領(lǐng)域

一直以來，深度學(xué)習(xí)模式都是需要大量的訓(xùn)練數(shù)據(jù)才能達(dá)到最好的效果。沒有大規(guī)模的訓(xùn)練數(shù)據(jù)，深度學(xué)習(xí)模型不會取得最好的效果。例如，當(dāng)我們使用人工智能系統(tǒng)解決缺乏數(shù)據(jù)的任務(wù)時，會出現(xiàn)各種問題。有一種方法叫遷移學(xué)習(xí)，就是把訓(xùn)練好的模型轉(zhuǎn)移到一個新的任務(wù)上，這樣問題就很容易解決了。

5.仿真環(huán)境領(lǐng)域

如果人工智能系統(tǒng)要應(yīng)用于現(xiàn)實生活，那么人工智能必須具有適用性的特點。因此，開發(fā)模擬真實物理世界和行為的數(shù)字環(huán)境，將為我們提供檢驗人工智能的機會。在這些仿真環(huán)境中進(jìn)行訓(xùn)練，可以幫助我們很好地理解人工智能系統(tǒng)的學(xué)習(xí)原理以及如何改進(jìn)系統(tǒng)，也為我們提供了一個可以應(yīng)用到真實環(huán)境中的模型。

6.醫(yī)療技術(shù)領(lǐng)域

目前垂直領(lǐng)域的圖像算法和自然語言處理技術(shù)基本能夠滿足醫(yī)療行業(yè)的需求，市場上已經(jīng)出現(xiàn)了很多技術(shù)服務(wù)商，比如提供智能醫(yī)學(xué)影像技術(shù)的尚德云星、開發(fā)人工智能細(xì)胞識別醫(yī)療診斷系統(tǒng)的智維信分公司、提供智能輔助診斷服務(wù)平臺的若水醫(yī)療、統(tǒng)計處理醫(yī)療數(shù)據(jù)的一通天下等。雖然智能醫(yī)療在輔助診療、疾病預(yù)測、醫(yī)學(xué)影像輔助診斷、藥物開發(fā)等方面發(fā)揮著重要作用。由于醫(yī)院之間缺乏醫(yī)學(xué)影像數(shù)據(jù)和電子病歷的流通，企業(yè)與醫(yī)院之間的合作不透明，這就使得技術(shù)發(fā)展與數(shù)據(jù)供給之間產(chǎn)生矛盾。

7.教育領(lǐng)域

科大訊飛、學(xué)校教育等企業(yè)已經(jīng)開始探索人工智能在教育領(lǐng)域的應(yīng)用。通過圖像識別，可以進(jìn)行試卷批改、識題、機器答題等。通過語音識別可以糾正和改善發(fā)音；人機交互可以在線回答問題。AI+教育，可以在一定程度上改善教育行業(yè)師資分布以及成本問題，從工具層面為師生提供更高效的學(xué)習(xí)方式，但無法對教育內(nèi)容產(chǎn)生更實質(zhì)性的影響。

8.物流管理領(lǐng)域

物流行業(yè)利用智能搜索、推理規(guī)劃、計算機視覺、智能機器人等技術(shù)，在配送、裝卸、運輸、倉儲等過程中進(jìn)行了自動化改造，基本可以實現(xiàn)無人化作業(yè)。比如利用大數(shù)據(jù)對商品進(jìn)行智能配送規(guī)劃，優(yōu)化物流供給、需求匹配、物流資源的配置等。

以上就是關(guān)于人工智能包括哪些系統(tǒng)相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。

推薦閱讀：

人工投票團(tuán)隊24小時在線（刷票微信投票什么價位）

人工智能ai全稱怎么讀（人工智能ai什么意思）

國家扶持的人工智能四大平臺（國家扶持的人工智能四大平臺是）

淘寶搜索店鋪排名規(guī)則（淘寶搜索店鋪排名規(guī)則怎么設(shè)置）

家庭機器人可以幫我們干什么（家庭機器人可以幫我們干什么英文）