人工智能現狀

人工智能[編輯]

維基百科，自由的百科全書

本條目部分連結不符合格式手冊規範。跨語言連結及章節标題等處的連結可能需要清理。（2015年12月11日）  請協助改善此條目。參見WP:LINKSTYLE、WP:MOSIW以了解細節。突出顯示跨語言連結可以便于檢查。

本文介紹的是計算機科學。關于 斯蒂芬·斯皮爾伯格導演的一部電影，詳見“ A.I.人工智能”。

“人工智能”的各地常用别名
中國大陸	人工智能
台灣	人工智慧
港澳	人工智能
新馬	人工智慧
日韓	人工知能
越南	智慧人造（人造智能）

人工智能（英語：Artificial Intelligence, AI）亦稱機器智能，是指由人工制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電腦實作的智能。該詞同時也指研究這樣的智能系統是否能夠實作，以及如何實作的科學領域。

一般教材中的定義領域是“智能主體（intelligent agent）的研究與設計”[1]，智能主體是指一個可以觀察周遭環境并作出行動以達緻目标的系統。[2]約翰·麥卡錫于1955年的定義是[3]“制造智能機器的科學與工程。”[4]

人工智能的研究是高度技術性和專業的，各分支領域都是深入且各不相通的，因而涉及範圍極廣。[5]

人工智能的研究可以分為幾個技術問題。其分支領域主要集中在解決具體問題，其中之一是，如何使用各種不同的工具完成特定的應用程式。AI的核心問題包括推理、知識、規劃、學習、交流、感覺、移動和操作物體的能力等。[6]強人工智能目前仍然是該領域的長遠目标。[7]目前比較流行的方法包括統計方法，計算智能和傳統意義的AI。目前有大量的工具應用了人工智能，其中包括搜尋和數學優化、邏輯推演。而基于仿生學、認知心理學，以及基于機率論和經濟學的算法等等也在逐漸探索當中。

目錄

   [隐藏] 

• 1概論
• 2發展史
• 3研究課題
  • 3.1演繹、推理和解決問題
  • 3.2知識表示法
  • 3.3規劃
  • 3.4學習
  • 3.5自然語言處理
  • 3.6運動和控制
  • 3.7知覺
  • 3.8社交
  • 3.9創造力
  • 3.10多元智能
  • 3.11倫理管理
  • 3.12經濟沖擊
• 4強人工智能和弱人工智能
  • 4.1強人工智能
  • 4.2弱人工智能
  • 4.3對強人工智能的哲學争論
• 5研究方法
  • 5.1控制論與大腦模拟
  • 5.2符号處理
  • 5.3子符号方法
  • 5.4統計學方法
  • 5.5內建方法
• 6實際應用
• 7學科範疇
  • 7.1涉及學科
  • 7.2研究範疇
• 8應用領域
• 9參見
• 10注釋
• 11參考文獻
  • 11.1教材
  • 11.2人工智能曆史
  • 11.3其他
• 12擴充閱讀
• 13站外連結

概論[編輯]

人工智能的定義可以分為兩部分，即“人工”和“智能”。“人工”比較好了解，争議性也不大。有時我們會要考慮什麼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。

關于什麼是“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。人唯一了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了解都非常有限，對構成人的智能的必要元素也了解有限，是以就很難定義什麼是“人工”制造的“智能”了。是以人工智能的研究往往涉及對人的智能本身的研究。其它關于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。

人工智能目前在計算機領域内，得到了愈加廣泛的發揮。并在機器人、經濟政治決策、控制系統、仿真系統中得到應用。

發展史[編輯]

主條目： 人工智能的曆史

年代	20世紀40年代	20世紀50年代	20世紀60年代	20世紀70年代	20世紀80年代	20世紀90年代
計算機	1945 計算機（ENIAC）	1957 FORTRAN語言
人工智能研究	1953 博弈論 1956 達特矛斯會議	1977 知識工程宣言	1982 第五代電腦計劃開始	1991 人工神經網絡
人工智能語言	1960 LISP語言	1973 PROLOG語言
知識表達	1973 生産系統 1976 架構理論
專家系統	1965 DENDRAL	1975 MYCIN	1980 Xcon

研究課題[編輯]

目前人工智能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能系統應該具有某些特定能力，以下将這些能力列出并說明。[6]

演繹、推理和解決問題[編輯]

早期的人工智能研究人員直接模仿人類進行逐漸的推理，就像是玩棋盤遊戲或進行邏輯推理時人類的思考模式。[8]到了1980和1990年代，利用機率和經濟學上的概念，人工智能研究還發展了非常成功的方法處理不确定或不完整的資訊。[9]

對于困難的問題，有可能需要大量的運算資源，也就是發生了“可能組合爆增”：當問題超過一定的規模時，電腦會需要天文數量級的存儲器或是運算時間。尋找更有效的算法是優先的人工智能研究項目。[10]

人類解決問題的模式通常是用最快捷、直覺的判斷，而不是有意識的、一步一步的推導，早期人工智能研究通常使用逐漸推導的方式。[11]人工智能研究已經于這種“次表征性的”解決問題方法擷取進展：實體化Agent研究強調感覺運動的重要性。神經網絡研究試圖以模拟人類和動物的大腦結構重制這種技能。

知識表示法[編輯]

An ontology represents knowledge as a set of concepts within a domain and the relationships between those concepts. 主條目： 知識表示和 常識知識庫

規劃[編輯]

File:Hierarchical-control-system.svg A  hierarchical control system is a form of  control system in which a set of devices and governing software is arranged in a hierarchy.

智能Agent必須能夠制定目标和實作這些目标。[12]他們需要一種方法來建立一個可預測的世界模型（将整個世界狀态用數學模型表現出來，并能預測它們的行為将如何改變這個世界），這樣就可以選擇功效最大的行為。[13] 在傳統的規劃問題中，智能Agent被假定它是世界中唯一具有影響力的，是以它要做出什麼行為是已經确定的。[14]但是，如果事實并非如此，它必須定期檢查世界模型的狀态是否和自己的預測相比對。如果不比對，它必須改變它的計劃。是以智能代理必須具有在不确定結果的狀态下推理的能力。[15] 在多Agent中，多個Agent規劃以合作和競争的方式去完成一定的目标，使用演化算法和群體智能可以達成一個整體的突現行為目标。[16]

學習[編輯]

主條目： 機器學習

機器學習的主要目的是為了從使用者和輸入資料等處獲得知識，進而可以幫助解決更多問題、減少錯誤，提高解決問題的效率。對于人工智能來說，機器學習從一開始就很重要。1956年，在最初的達特茅斯夏季會議上，雷蒙德索洛莫諾夫寫了一篇關于不監視的機率性機器學習：一個歸納推理的機器。

自然語言處理[編輯]

主條目： 自然語言處理

運動和控制[編輯]

主條目： 機器人學

知覺[編輯]

主條目： 機器感覺、 計算機視覺和 語音識别

機器感覺[17]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）然後推斷世界的狀态。計算機視覺[18]能夠分析視訊輸入。另外還有語音識别[19]、人臉辨識和物體辨識。[20]

社交[編輯]

主條目： 情感計算

Kismet,一個具有表情等社交能力的機器人 [21]

情感和社交技能對于一個智能agent是很重要的。首先，通過了解他們的動機和情感狀态，代理人能夠預測别人的行動（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覺能力檢測）。此外，為了良好的人機互動，智能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。

創造力[編輯]

主條目： 計算機創造力

一個人工智能的子領域，代表了理論（從哲學和心理學的角度）和實際（通過特定的實作産生的系統的輸出是可以考慮的創意，或系統識别和評估創造力）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。

多元智能[編輯]

大多數研究人員希望他們的研究最終将被納入一個具有多元智能（稱為強人工智能），結合以上所有的技能并且超越大部分人類的能力。[7]有些人認為要達成以上目标，可能需要拟人化的特性，如人工意識或人工大腦。[22][23] 上述許多問題被認為是人工智能完整性：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）。是以，機器翻譯被認為是具有人工智能完整性：它可能需要強人工智能，就像是人類一樣。[24]

倫理管理[編輯]

史蒂芬·霍金、比爾蓋茨、 Elon Musk 、 Jaan Tallinn 以及 Nick Bostrom 等人都對于人工智能技術的未來公開表示憂心[25]，人工智能若在許多方面超越人類智能水準的智能、不斷更新、自我提升，進而擷取控制管理權，人類是否有足夠的能力及時停止人工智能領域的“軍備競賽”，能否保有最高掌控權，現有事實是：機器常失控導緻人員傷亡，這樣的情況是否會更加擴大規模出現，曆史顯然無法給出可靠的樂觀答案。特斯拉電動車馬斯克（Elon Musk）在麻省理工學院（MIT）航空航天部門百年紀念研讨會上稱人工智能是“召喚惡魔”行為，英國發明家Clive Sinclair認為一旦開始制造抵抗人類和超越人類的智能機器，人類可能很難生存，蓋茨同意馬斯克和其它人所言，且不知道為何有些人不擔憂這個問題。[26]

DeepMind的人工智能（AI）系統在2016年“AlphaGo”對戰南韓棋王李世乭獲勝，開發商表示在内部設立倫理委員會，針對人工智能的應用制定政策，防範人工智能淪為犯罪開發者。[27]

科技進步，人工智能科技産生“自主武器”軍備競賽已悄悄展開，英國、以色列與挪威，都已部署自主飛彈與無人操控的無人機，具“射後不理”（fire-and-forget）能力的飛彈，多枚飛彈還可互相溝通，分享找到攻擊目标。 霍金等人在英國獨立報發表文章警告未來人工智能可能會比人類金融市場、科學家、人類領袖更能操縱人心、甚至研發出人們無法了解的武器。專家恐發展到無法控制的局面，援引聯合國禁止研發某些特定武器的“特定正常武器公約”加以限制。[28]新南威爾士大學（New South Wales）人工智能的沃爾什（Toby Walsh）教授認為這是一種欺騙，因為機器無差別戰敵和平民的技術。[29]

經濟沖擊[編輯]

據CNN财經網數字媒體未來學家兼Webbmedia集團創始人艾米·韋伯（Amy Webb）；美國線上[30]...等紛紛預測一些即将被機器人替換的職業，日本野村總合研究所也與美國牛津大學的研究學者共同調查指出，10至20年後，日本有49%的職業(235種職業)可能會被機械和人工智能替換而消失，直接影響約達2500萬人，[31]例如：超市店員、一般事務員、計程車司機、收費站營運商和收銀員、市場營銷人員、客服人員、制造業勞工、金融中間人和分析師、新聞記者、電話公司職員、麻醉師、士兵和保安、律師、醫生、軟體開發者和操盤手、股票交易員等等高薪酬的腦力職業将最先受到沖擊[32]。

強人工智能和弱人工智能[編輯]

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”應廣義地了解為采取行動，或制定行動的決策，而不是肢體動作。

強人工智能[編輯]

主條目： 強人工智能

強人工智能觀點認為有可能制造出真正能推理（Reasoning）和解決問題（解決問題）的智能機器，并且，這樣的機器能将被認為是有知覺的，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，即機器産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。

弱人工智能[編輯]

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

強人工智能的研究目前處于停滞不前的狀态下。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内容與差别。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，擷取相當豐碩的理論上和實質上的成果，如2009年康乃爾大學教授Hod Lipson 和其博士研究所學生Michael Schmidt 研發出的 Eureqa計算機程式，隻要給予一些資料，這計算機程式自己隻用幾十個小時計算就推論出牛頓花費多年研究才發現的牛頓力學公式，等于隻用幾十個小時就自己重新發現牛頓力學公式，這計算機程式也能用來研究很多其他領域的科學問題上。

對強人工智能的哲學争論[編輯]

“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資訊處理機器創造的，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，隻要運作适當的程式，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）

關于強人工智能的争論，不同于更廣義的一進制論和二進制論的争論。其争論要點是：如果一台機器的唯一工作原理就是轉換編碼資料，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資料，而資料本身是對某些事情的一種編碼表現，那麼在不了解這一編碼和這實際事情之間的對應關系的前提下，機器不可能對其處理的資料有任何了解。基于這一論點，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？他認為像上述的資料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作的，那麼強人工智能也是可實作的。比如西蒙·布萊克本（Simon Blackburn）在其哲學入門教材Think裡說道，一個人的看起來是“智能”的行動并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。基于這個論點，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。布萊克本認為這是一個主觀認定的問題。

需要指出的是，弱人工智能并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，在一百多年前是被認為很需要智能的。并且，即使強人工智能被證明為可能的，也不代表強人工智能必定能被研制出來。

研究方法[編輯]

目前沒有統一的原理或範式指導人工智能研究。許多問題上研究者都存在争論。[33]

其中幾個長久以來仍沒有結論的問題是：是否應從心理或神經方面模拟人工智能?或者像鳥類生物學對于航空工程一樣，人類生物學對于人工智能研究是沒有關系的？[34]智能行為能否用簡單的原則（如邏輯或優化）來描述？還是必須解決大量完全無關的問題？[35]

智能是否可以使用進階符号表達，如詞和想法？還是需要“子符号”的處理？[36] 約翰·豪格蘭德（John Haugeland）提出了GOFAI（出色的老式人工智能）的概念，也提議人工智能應歸類為synthetic intelligence，[37]這個概念後來被某些非GOFAI研究者采納。[38][39]

控制論與大腦模拟[編輯]

主條目： 控制論和 計算神經科學

20世紀40年代到50年代，許多研究者探索神經學、資訊理論及控制論之間的聯系。其中還造出一些使用電子網絡構造的初步智能，如格雷·華特（W. Grey Walter）的烏龜（turtle）和約翰霍普金斯野獸（Johns Hopkins Beast）。

這些研究者還經常在普林斯頓大學和英國的Ratio Club舉行技術協會會議。[40]直到1960，大部分人已經放棄這個方法，盡管在80年代再次提出這些原理。

符号處理[編輯]

主條目： GOFAI

當20世紀50年代，數字計算機研制成功，研究者開始探索人類智能是否能簡化成符号處理。研究主要集中在卡内基梅隆大學，斯坦福大學和麻省理工學院，而各自有獨立的研究風格。約翰·豪格蘭德（John Haugeland）稱這些方法為GOFAI（出色的老式人工智能）[41]。60年代，符号方法在小型證明程式上模拟進階思考有很大的成就。基于控制論或神經網絡的方法則置于次要[42]。60－70年代的研究者确信符号方法最終可以成功創造強人工智能的機器，同時這也是他們的目标。

認知模拟：經濟學家 赫伯特·西蒙和 艾倫·紐厄爾研究人類問題解決能力和嘗試将其形式化，同時他們為人工智能的基本原理打下基礎，如 認知科學、 運籌學和 經營科學。他們的研究團隊使用 心理學實驗的結果開發模拟人類解決問題方法的程式。這方法一直在 卡内基梅隆大學沿襲下來，并在80年代于Soar發展到高峰 [43] [44]。

基于邏輯：不像 艾倫·紐厄爾和 赫伯特·西蒙， 約翰·麥卡錫認為機器不需要模拟人類的思想，而應嘗試找到抽象推理和解決問題的本質，不管人們是否使用同樣的算法 [34]。他在 斯坦福大學的實驗室緻力于使用形式化邏輯解決多種問題，包括 知識表示， 智能規劃和 機器學習 [45]。緻力于邏輯方法的還有 愛丁堡大學，而促成歐洲的其他地方開發程式設計語言 Prolog和 邏輯程式設計科學 [46]。

“反邏輯”:  斯坦福大學的研究者 （如 馬文·闵斯基和 西摩爾·派普特） [47]發現要解決 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）能夠達到所有的智能行為。羅傑·單克（Roger Schank）描述他們的“反邏輯”方法為“scruffy” [35]。 常識知識庫（如 道格拉斯·萊納特的 Cyc）就是“scruffy”AI的例子，因為他們必須人工一次編寫一個複雜的概念 [48]。

基于知識：大約在1970年出現大容量記憶體計算機，研究者分别以三個方法開始把 知識構造成應用軟體 [49]。這場“知識革命”促成 專家系統的開發與計劃，這是第一個成功的人工智能軟體形式 [50]。“知識革命”同時讓人們意識到許多簡單的人工智能軟體可能需要大量的知識。

子符号方法[編輯]

1980年代符号人工智能停滞不前，很多人認為符号系統永遠不可能模仿人類所有的認知過程，特别是感覺、機器人、機器學習和模式識别。很多研究者開始關注子符号方法解決特定的人工智能問題[36]。

自下而上、 接口agent、 嵌入環境（機器人）、 行為主義、 新式AI：機器人領域相關的研究者，如 羅德尼·布魯克斯（Rodney Brooks），否定符号人工智能而專注于機器人移動和求生等基本的工程問題。 [51]他們的工作再次關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。這與認知科學領域中的表征感覺論點是一緻的:更高的智能需要個體的表征（如移動，感覺和形象）。

計算智能：1980年代中大衛·魯姆哈特（David E. Rumelhart）等再次提出 神經網絡和 聯結主義 [52]。這和其他的子符号方法，如模糊控制和進化計算，都屬于計算智能學科研究範疇 [53]。

統計學方法[編輯]

1990年代，人工智能研究發展出複雜的數學工具來解決特定的分支問題。這些工具是真正的科學方法，即這些方法的結果是可測量的和可驗證的，同時也是近期人工智能成功的原因。共用的數學語言也允許已有學科的合作（如數學，經濟或運籌學）。Stuart J. Russell和Peter Norvig指出這些進步不亞于“革命”和“neats的成功”[54]。有人批評這些技術太專注于特定的問題，而沒有考慮長遠的強人工智能目标[55]。

內建方法[編輯]

智能agent範式：智能agent是一個會感覺環境并作出行動以達緻目标的系統。最簡單的智能agent是那些可以解決特定問題的程式。更複雜的agent包括人類和人類組織（如 公司）。這些範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用符号方法和邏輯方法，一些則是子符号 神經網絡或其他新的方法。範式同時也給研究者提供一個與其他領域溝通的共同語言--如 決策論和經濟學（也使用abstract agents的概念）。1990年代智能agent範式被廣泛接受。 [2]

agent體系結構和 認知體系結構：研究者設計出一些系統來處理多agent系統中智能agent之間的互相作用。 [56]一個系統中包含符号和子符号部分的系統稱為 混合智能系統，而對這種系統的研究則是 人工智能系統內建。 分級控制系統則給反應級别的子符号AI和最進階别的傳統符号AI提供橋梁，同時放寬了規劃和世界模組化的時間。

實際應用[編輯]

機器視覺、指紋識别、人臉識别、視網膜識别、虹膜識别、掌紋識别、專家系統、自動規劃等。

學科範疇[編輯]

人工智能是一門邊緣學科，屬于自然科學和社會科學的交叉。

涉及學科[編輯]

• 實體學
• 哲學和認知科學
• 邏輯學
• 數學
• 心理學
• 計算機科學
• 控制論
• 決定論
• 不确定性原理
• 社會學
• 犯罪學
• 智能犯罪

研究範疇[編輯]

• 自然語言處理（NLP; Natural Language Processing）
• 知識表現（Knowledge Representation）
• 智能搜尋（Intelligent Search）
• 推理
• 規劃（Planning）
• 機器學習（Machine Learning）
• 增強式學習（Reinforcement Learning）
• 知識擷取
• 感覺問題
• 模式識别
• 邏輯程式設計
• 軟計算（Soft Computing）
• 不精确和不确定的管理
• 人工生命（Artificial Life）
• 人工神經網絡（Artificial Neural Network）
• 複雜系統
• 遺傳算法
• 資料挖掘（Data Mining）
• 模糊控制

應用領域[編輯]

• 智能控制
• 機器人學
• 自動化技術
• 語言和圖像了解
• 遺傳程式設計
• 法學資訊系統

參見[編輯]

	資訊技術主題
	機器人學主題

• 人工生命
• 認知神經科學
• 電腦圍棋
• 僞春菜
• 艾倫·圖靈
• 恐怖谷理論
• 電子世界争霸戰
• 計算機科學
• 計算機科學課程清單
• 認知科學
• 意識
• 希爾勒的中文房間
• 語義學
• 技術奇異點
• 集體智能
• 控制論
• 心理學
• 國際人工智能聯合會議
• OWL
• 遊戲樹
• 量子計算機
• 生物化學計算機-例：人腦

注釋[編輯]

1. ^ 針對研究智能代理的人工智能定義：
   • Poole，Mackworth & Goebel（1998），p. 1其中使用"計算智能"作為人工智能的同義詞.
   • Russell & Norvig 2003 (主張"理性智能體"的概念)其中寫道"完整智能體的觀念現在已經在領域内被廣泛接受" Russell & Norvig 2003，第55頁 Russell & Norvig 2004，第43頁.
   • Nilsson 1998
2. ^ 2.0 2.1 智能代理範式：
   • Russell & Norvig 2003，第27, 32–58, 968–972頁
   • Poole，Mackworth & Goebel（1998），第7–21頁
   • Luger & Stubblefield 2004，第235–240頁
   此處使用的定義--目的，動作，感覺與環境出自Russell & Norvig (2003).
3. ^ 盡管這點上存在争論（見Crevier (1993， p. 50)）, McCarthy在一個訪談中明确的說"我想出了這個詞" . （Skillings 2006）
4. ^ McCarthy對人工智能的定義：
   • McCarthy 2007
5. ^ Pamela McCorduck (2004， pp. 424) writes of "the rough shattering of AI in subfields—vision, natural language, decision theory, genetic algorithms, robotics ... and these with own sub-subfield—that would hardly have anything to say to each other."
6. ^ 6.0 6.1 這些智能的特征出自以下教材：
   • Russell & Norvig 2003
   • Luger & Stubblefield 2004
   • Poole，Mackworth & Goebel（1998）
   • Nilsson 1998
7. ^ 7.0 7.1 強人工智能常出現在人工智能的導論中：
   • Kurzweil 1999和 Kurzweil 2005
8. ^ Problem solving, puzzle solving, game playing and deduction:
   • Russell & Norvig 2003，chpt. 3–9,
   • Poole，Mackworth & Goebel（1998），chpt. 2,3,7,9,
   • Luger & Stubblefield 2004，chpt. 3,4,6,8,
   • Nilsson 1998，chpt. 7–12
9. ^ Uncertain reasoning:
   • Russell & Norvig 2003，第452–644頁,
   • Poole，Mackworth & Goebel（1998），第345–395頁,
   • Luger & Stubblefield 2004，第333–381頁,
   • Nilsson 1998，chpt. 19
10. ^ Intractability and efficiency and the combinatorial explosion:
    • Russell & Norvig 2003，第9, 21–22頁
11. ^ Psychological evidence of sub-symbolic reasoning:
    • Wason & Shapiro (1966) showed that people do poorly on completely abstract problems, but if the problem is restated to allow the use of intuitive social intelligence, performance dramatically improves.（See Wason selection task）
    • Kahneman， Slovic & Tversky (1982) have shown that people are terrible at elementary problems that involve uncertain reasoning. (See list of cognitive biases for several examples).
    • Lakoff & Núñez (2000) have controversially argued that even our skills at mathematics depend on knowledge and skills that come from "the body", i.e. sensorimotor and perceptual skills.（See Where Mathematics Comes From）
12. ^ Planning:
    • ACM 1998，~I.2.8,
    • Russell & Norvig 2003，第375–459頁,
    • Poole，Mackworth & Goebel（1998），第281–316頁,
    • Luger & Stubblefield 2004，第314–329頁,
    • Nilsson 1998，chpt. 10.1–2, 22
13. ^ Information value theory:
    • Russell & Norvig 2003，第600–604頁
14. ^ Classical planning:
    • Russell & Norvig 2003，第375–430頁,
    • Poole，Mackworth & Goebel（1998），第281–315頁,
    • Luger & Stubblefield 2004，第314–329頁,
    • Nilsson 1998，chpt. 10.1–2, 22
15. ^ Planning and acting in non-deterministic domains: conditional planning, execution monitoring, replanning and continuous planning:
    • Russell & Norvig 2003，第430–449頁
16. ^ Multi-agent planning and emergent behavior:
    • Russell & Norvig 2003，第449–455頁
17. ^ Machine perception:
    • Russell & Norvig 2003，第537–581, 863–898頁
    • Nilsson 1998，~chpt. 6
18. ^ Computer vision:
    • ACM 1998，I.2.10
    • Russell & Norvig 2003，第863–898頁
    • Nilsson 1998，chpt. 6
19. ^ Speech recognition:
    • ACM 1998，~I.2.7
    • Russell & Norvig 2003，第568–578頁
20. ^ Object recognition:
    • Russell & Norvig 2003，第885–892頁
21. ^ Kismet. MIT Artificial Intelligence Laboratory, Humanoid Robotics Group.
22. ^ Gerald Edelman, Igor Aleksander and others have both argued that artificial consciousness is required for strong AI.（ Aleksander 1995; Edelman 2007）
23. ^ Artificial brain arguments: AI requires a simulation of the operation of the human brain
    • Russell & Norvig 2003，第957頁
    • Crevier 1993，第271 and 279頁
    A few of the people who make some form of the argument:
    • Moravec 1988
    • Kurzweil 2005，第262頁
    • Hawkins & Blakeslee 2005
    The most extreme form of this argument (the brain replacement scenario) was put forward by Clark Glymour in the mid-70s and was touched on by Zenon Pylyshyn andJohn Searle in 1980.
24. ^ AI complete: Shapiro 1992，第9頁
25. ^ 人工智慧有多恐怖？聽聽“天才”Demis Hassabis 怎麼說！the guardian《The superhero of artificial intelligence: can this genius keep it in check?》. inside / tech2ipo.com （中文（台灣）‎）.
26. ^ 人工智能發展是繁榮人類或毀滅人類？. 大紀元/莫琳綜 （中文（台灣）‎）.
27. ^ AlphaGo赢棋王 靠兩大密技. 2016-03-19 04:01 經濟日報 記者彭慧明 （中文（台灣）‎）.
28. ^ 專家憂人工智慧武器成“殺人機器” 多國研商限制規範. 2014/11/13 The News Lens關鍵評論 Sid Weng （中文（台灣）‎）.
29. ^ 别再讓機器人殺人！反對團體呼籲勿用人工智慧參與戰争. 風傳媒 蕭喬雲 2015年10月22日 （中文（台灣）‎）.
30. ^ 機器人威脅人類 10大類工作未來恐被取代. 大紀元 / 鄭孝祺 （中文（台灣）‎）.
31. ^ 日近半職業 将被人工智慧取代. 中國時報 （中文（台灣）‎）.
32. ^ 人工智慧：提前到來的職業殺手. Evans Data調查 April （中文（台灣）‎）.
33. ^ Nils Nilsson寫道："Simply put, there is wide disagreement in the field about what AI is all about" （Nilsson 1983，p.10）.
34. ^ 34.0 34.1 Biological intelligence vs. intelligence in general:
    • Russell & Norvig 2003，第2–3頁, who make the analogy with aeronautical engineering.
    • McCorduck 2004，第100–101頁, who writes that there are "two major branches of artificial intelligence: one aimed at producing intelligent behavior regardless of how it was accomplioshed, and the other aimed at modeling intelligent processes found in nature, particularly human ones."
    • Kolata 1982, a paper in Science, which describes McCathy's indifference to biological models. Kolata quotes McCarthy as writing: "This is AI, so we don't care if it's psychologically real"[1]. McCarthy recently reiterated his position at the [email protected] conference where he said "Artificial intelligence is not, by definition, simulation of human intelligence" （Maker 2006）.
35. ^ 35.0 35.1 Neats vs. scruffies:
    • McCorduck 2004，第421–424, 486–489頁
    • Crevier 1993，第168頁
    • Nilsson 1983，第10–11頁
36. ^ 36.0 36.1 Symbolic vs. sub-symbolic AI:
    • Nilsson (1998， p. 7), who uses the term "sub-symbolic".
37. ^ Haugeland 1985, p. 255.
38. ^ http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.38.8384&rep=rep1&type=pdf
39. ^ Pei Wang. Artificial general intelligence, 2008: proceedings of the First AGI Conference. IOS Press. 2008: 63 [31 October 2011]. ISBN 978-1-58603-833-5.
40. ^ AI's immediate precursors:
    • McCorduck 2004，第51–107頁
    • Crevier 1993，第27–32頁
    • Russell & Norvig 2003，第15, 940頁
    • Moravec 1988，第3頁
    See also Template:See section. Among the researchers who laid the foundations of AI were Alan Turing, John Von Neumann, Norbert Wiener, Claude Shannon, Warren McCullough, Walter Pitts and Donald Hebb.
41. ^ Haugeland 1985，第112–117頁
42. ^ The most dramatic case of sub-symbolic AI being pushed into the background was the devastating critique of perceptrons by Marvin Minsky and Seymour Papert in 1969. See History of AI, AI winter, or Frank Rosenblatt.
43. ^ Cognitive simulation, Newell and Simon, AI at CMU (then called Carnegie Tech):
    • McCorduck 2004，第139–179, 245–250, 322–323 (EPAM)頁
    • Crevier 1993，第145–149頁
44. ^ Soar (history):
    • McCorduck 2004，第450–451頁
    • Crevier 1993，第258–263頁
45. ^ McCarthy and AI research at SAIL and SRI International:
    • McCorduck 2004，第251–259頁
    • Crevier 1993
46. ^ AI research at Edinburgh and in France, birth of Prolog:
    • Crevier 1993，第193–196頁
    • Howe 1994
47. ^ AI at MIT under Marvin Minsky in the 1960s :
    • McCorduck 2004，第259–305頁
    • Crevier 1993，第83–102, 163–176頁
    • Russell & Norvig 2003，第19頁
48. ^ Cyc:
    • McCorduck 2004，第489頁, who calls it "a determinedly scruffy enterprise"
    • Crevier 1993，第239–243頁
    • Russell & Norvig 2003，第363−365頁
    • Lenat & Guha 1989
49. ^ Knowledge revolution:
    • McCorduck 2004，第266–276, 298–300, 314, 421頁
    • Russell & Norvig 2003，第22–23頁
50. ^ Expert systems:
    • ACM 1998，I.2.1,
    • Russell & Norvig 2003，第22–24頁
    • Luger & Stubblefield 2004，第227–331頁,
    • Nilsson 1998，chpt. 17.4
    • McCorduck 2004，第327–335, 434–435頁
    • Crevier 1993，第145–62, 197–203頁
51. ^ Embodied approaches to AI:
    • McCorduck 2004，第454–462頁
    • Brooks 1990
    • Moravec 1988
52. ^ Revival of connectionism:
    • Crevier 1993，第214–215頁
    • Russell & Norvig 2003，第25頁
53. ^ Computational intelligence
    • IEEE Computational Intelligence Society
54. ^ 形式方法是目前首選的（"簡約派的勝利"）:
    • Russell & Norvig 2003，第25–26頁
    • McCorduck 2004，第486–487頁
55. ^ Pat Langley, "The changing science of machine learning", Machine Learning, Volume 82, Number 3, 275–279, doi:10.1007/s10994-011-5242-y
56. ^ Agent architectures, hybrid intelligent systems:
    • Russell & Norvig (2003， pp. 27, 932, 970–972)
    • Nilsson (1998， chpt. 25)

參考文獻[編輯]

教材[編輯]

• Luger, George; Stubblefield, William. Artificial Intelligence: Structures and Strategies for Complex Problem Solving 5th. The Benjamin/Cummings Publishing Company, Inc. 2004. ISBN 0-8053-4780-1.
• Luger, George. 人工智能：複雜問題求解的結構和政策. 史忠植等譯 原書第4版. 北京: 機械工業出版社. 2004. ISBN 7-111-12944-X （中文）.
• Neapolitan, Richard; Jiang, Xia. Contemporary Artificial Intelligence. Chapman & Hall/CRC. 2012. ISBN 978-143984-469-4.
• Nilsson, Nils. Artificial Intelligence: A New Synthesis. Morgan Kaufmann Publishers. 1998. ISBN 978-1-55860-467-4.
• Nilsson, Nils. 人工智能. 鄭扣根等譯. 北京: 機械工業出版社. 2000. ISBN 7-111-07885-3 （中文）.
• Russell, Stuart J.; Norvig, Peter. Artificial Intelligence: A Modern Approach 2nd. Upper Saddle River, New Jersey: Prentice Hall. 2003. ISBN 0-13-790395-2.
• Russell, Stuart J.; Norvig, Peter. 人工智能：一種現代方法. 姜哲譯 原書第2版. 北京: 人民郵電出版社. 2004. ISBN 9787115122285 （中文）.
• Poole, David; Mackworth, Alan; Goebel, Randy. Computational Intelligence: A Logical Approach. New York: Oxford University Press. 1998. ISBN 0-19-510270-3.
• Winston, Patrick Henry. Artificial Intelligence. Reading, Massachusetts: Addison-Wesley. 1984. ISBN 0-201-08259-4.
• Winston, Patrick Henry. 人工智能. 崔良沂，趙永昌譯 原書第3版. 北京: 清華大學出版社. 2005. ISBN 9787302103271 （中文）.

人工智能曆史[編輯]

• Crevier, Daniel. AI: The Tumultuous Search for Artificial Intelligence. New York, NY: BasicBooks. 1993. ISBN 978-0-465-02997-6.
• McCorduck, Pamela. Machines Who Think 2nd. Natick, MA: A. K. Peters, Ltd. 2004. ISBN 1-56881-205-1.
• Nils, Nilsson. The Quest for Artificial Intelligence: A History of Ideas and Achievements. New York: Cambridge University Press. 2010.

其他[編輯]

• ACM Computing Classification System: Artificial intelligence. ACM. 1998 [30 August 2007].
• Aleksander, Igor. Artificial Neuroconsciousness: An Update. IWANN. 1995. （原始内容存檔于2 March 1997）. BibTex Internet Archive
• Brooks, Rodney. Elephants Don't Play Chess (PDF). Robotics and Autonomous Systems. 1990, 6: 3–15 [30 August 2007].doi:10.1016/S0921-8890(05)80025-9. （原始内容存檔 (PDF)于9 August 2007）..
• Buchanan, Bruce G. A (Very) Brief History of Artificial Intelligence (PDF). AI Magazine. 2005: 53–60 [30 August 2007]. （原始内容存檔 (PDF)于26 September 2007）.
• Dennett, Daniel. Consciousness Explained. The Penguin Press. 1991. ISBN 0-7139-9037-6.
• Dreyfus, Hubert. What Computers Can't Do. New York: MIT Press. 1972. ISBN 0-06-011082-1.
• Dreyfus, Hubert. What Computers Still Can't Do. New York: MIT Press. 1979. ISBN 0-262-04134-0.
• Dreyfus, Hubert; Dreyfus, Stuart. Mind over Machine: The Power of Human Intuition and Expertise in the Era of the Computer. Oxford, UK: Blackwell. 1986. ISBN 0-02-908060-6.
• Dreyfus, Hubert. What Computers Still Can't Do. New York: MIT Press. 1992. ISBN 0-262-54067-3.
• Edelman, Gerald. Gerald Edelman – Neural Darwinism and Brain-based Devices. Talking Robots. 23 November 2007.
• Fearn, Nicholas. The Latest Answers to the Oldest Questions: A Philosophical Adventure with the World's Greatest Thinkers. New York: Grove Press. 2007. ISBN 0-8021-1839-9.
• Forster, Dion. Self validating consciousness in strong artificial intelligence: An African theological contribution (PDF). Pretoria: University of South Africa. 2006.
• Gladwell, Malcolm. Blink. New York: Little, Brown and Co. 2005. ISBN 0-316-17232-4.
• Haugeland, John. Artificial Intelligence: The Very Idea. Cambridge, Mass.: MIT Press. 1985. ISBN 0-262-08153-9.
• Hawkins, Jeff; Blakeslee, Sandra. On Intelligence. New York, NY: Owl Books. 2005. ISBN 0-8050-7853-3.
• Hofstadter, Douglas. Gödel, Escher, Bach: an Eternal Golden Braid. New York, NY: Vintage Books. 1979. ISBN 0-394-74502-7.
• Howe, J. Artificial Intelligence at Edinburgh University: a Perspective. November 1994 [30 August 2007]..
• Kahneman, Daniel; Slovic, D.; Tversky, Amos. Judgment under uncertainty: Heuristics and biases. New York: Cambridge University Press. 1982. ISBN 0-521-28414-7.
• Kolata, G. How can computers get common sense?. Science. 1982, 217 (4566): 1237–1238. doi:10.1126/science.217.4566.1237.PMID 17837639.
• Kurzweil, Ray. The Age of Spiritual Machines. Penguin Books. 1999. ISBN 0-670-88217-8.
• Kurzweil, Ray. The Singularity is Near. Penguin Books. 2005. ISBN 0-670-03384-7.
• Lakoff, George. Women, Fire, and Dangerous Things: What Categories Reveal About the Mind. University of Chicago Press. 1987.ISBN 0-226-46804-6.
• Lakoff, George; Núñez, Rafael E. Where Mathematics Comes From: How the Embodied Mind Brings Mathematics into Being. Basic Books. 2000. ISBN 0-465-03771-2..
• Lenat, Douglas; Guha, R. V. Building Large Knowledge-Based Systems. Addison-Wesley. 1989. ISBN 0-201-51752-3.
• Lighthill, Professor Sir James. Artificial Intelligence: a paper symposium. Science Research Council. 1973. 

  |contribution=

  被忽略 (幫助)
• Lucas, John. Minds, Machines and Gödel. (編) Anderson, A.R. Minds and Machines. 1961 [30 August 2007]. （原始内容存檔于19 August 2007）.
• Maker, Meg Houston. [email protected]: AI Past, Present, Future. Dartmouth College. 2006 [16 October 2008]. （原始内容存檔于8 October 2008）.
• McCarthy, John; Minsky, Marvin; Rochester, Nathan; Shannon, Claude. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. 1955 [30 August 2007]. （原始内容存檔于26 August 2007）..
• McCarthy, John; Hayes, P. J. Some philosophical problems from the standpoint of artificial intelligence. Machine Intelligence. 1969, 4: 463–502 [30 August 2007]. （原始内容存檔于10 August 2007）.
• McCarthy, John. What Is Artificial Intelligence?. 12 November 2007.
• Minsky, Marvin. Computation: Finite and Infinite Machines. Englewood Cliffs, N.J.: Prentice-Hall. 1967. ISBN 0-13-165449-7.
• Minsky, Marvin. The Emotion Machine. New York, NY: Simon & Schusterl. 2006. ISBN 0-7432-7663-9.
• Moravec, Hans. The Role of Raw Power in Intelligence. 1976 [30 August 2007].
• Moravec, Hans. Mind Children. Harvard University Press. 1988. ISBN 0-674-57616-0.
• NRC, (United States National Research Council). Developments in Artificial Intelligence. Funding a Revolution: Government Support for Computing Research. National Academy Press. 1999.
• Needham, Joseph. Science and Civilization in China: Volume 2. Caves Books Ltd. 1986.
• Newell, Allen; Simon, H. A. GPS: A Program that Simulates Human Thought. (編) Feigenbaum, E.A.; Feldman, J. Computers and Thought. New York: McGraw-Hill. 1963.
• Newell, Allen; Simon, H. A. Communications of the ACM 19 (3). 1976. 

  |contribution=

  被忽略 (幫助).
• Nilsson, Nils, Artificial Intelligence Prepares for 2001 (PDF), AI Magazine, 1983, 1 (1), Presidential Address to theAssociation for the Advancement of Artificial Intelligence.
• Penrose, Roger. The Emperor's New Mind: Concerning Computer, Minds and The Laws of Physics. Oxford University Press. 1989.ISBN 0-19-851973-7.
• Searle, John. Minds, Brains and Programs. Behavioral and Brain Sciences. 1980, 3 (3): 417–457.doi:10.1017/S0140525X00005756.
• Searle, John. Mind, language and society. New York, NY: Basic Books. 1999. ISBN 0-465-04521-9. OCLC 231867665 43689264.
• Serenko, Alexander; Detlor, Brian. Intelligent agents as innovations (PDF). AI and Society. 2004, 18 (4): 364–381.doi:10.1007/s00146-004-0310-5.
• Serenko, Alexander; Ruhi, Umar; Cocosila, Mihail. Unplanned effects of intelligent agents on Internet use: Social Informatics approach (PDF). AI and Society. 2007, 21 (1–2): 141–166. doi:10.1007/s00146-006-0051-8.
• Shapiro, Stuart C. Artificial Intelligence. (編) Shapiro, Stuart C. Encyclopedia of Artificial Intelligence (PDF) 2nd. New York: John Wiley. 1992: 54–57. ISBN 0-471-50306-1.
• Simon, H. A. The Shape of Automation for Men and Management. New York: Harper & Row. 1965.
• Skillings, Jonathan. Getting Machines to Think Like Us. cnet. 3 July 2006 [3 February 2011].
• Tecuci, Gheorghe. Artificial Intelligence. Wiley Interdisciplinary Reviews: Computational Statistics (Wiley). March/April 2012,4 (2): 168–180. doi:10.1002/wics.200.
• Turing, Alan. Computing Machinery and Intelligence. Mind LIX. October 1950: 433–460 [2008-08-18].doi:10.1093/mind/LIX.236.433. ISSN 0026-4423.
• van der Walt, Christiaan; Bernard, Etienne. Data characteristics that determine classifier performance (PDF). 2006<!––year is presumed based on acknowledgements at the end of the article––> [5 August 2009].
• Vinge, Vernor. The Coming Technological Singularity: How to Survive in the Post-Human Era. 1993.
• Wason, P. C.; Shapiro, D. Reasoning. (編) Foss, B. M. New horizons in psychology. Harmondsworth: Penguin. 1966.
• Weizenbaum, Joseph. Computer Power and Human Reason. San Francisco: W.H. Freeman & Company. 1976. ISBN 0-7167-0464-1.

擴充閱讀[編輯]

• TechCast Article Series, John Sagi, Framing Consciousness
• Boden, Margaret, Mind As Machine, Oxford University Press, 2006
• Johnston, John (2008) "The Allure of Machinic Life: Cybernetics, Artificial Life, and the New AI", MIT Press
• Myers, Courtney Boyd ed. (2009). The AI Report. Forbes June 2009
• Serenko, Alexander. The development of an AI journal ranking based on the revealed preference approach (PDF). Journal of Informetrics. 2010, 4 (4): 447–459. doi:10.1016/j.joi.2010.04.001.
• Sun, R. & Bookman, L. (eds.), Computational Architectures: Integrating Neural and Symbolic Processes. Kluwer Academic Publishers, Needham, MA. 1994.

站外連結[編輯]

從維基百科的 姊妹計劃 了解更多有關 “ Artificial Intelligence”的内容
	維基詞典上的字詞解釋
	維基共享資源上的多媒體資源
	維基新聞上的新聞
	維基語錄上的名言
	維基文庫上的原始文獻
	維基教科書上的教科書和手冊
	維基學院上的學習資源

• What Is AI?—An introduction to artificial intelligence by AI founder John McCarthy.
• 開放式目錄計劃中的AI相關内容
• AITopics—A large directory of links and other resources maintained by the Association for the Advancement of Artificial Intelligence, the leading organization of academic AI researchers.
• Artificial Intelligence Discussion group
• 機器人智能機器人智能
• 研學論壇關于人工智能，模式識别，科學交流的學術論壇
• ChinaAI.org—中國人工智能網－人工智能|模式識别|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—關于人工智能藝術的網站，裡面有著名的人工智能繪畫程式AARON
• 關于人工智能，專家系統prolog語言全介紹的wiki網站
• 中華民國人工智能學會—以促進中華民國人工智能及相關領域之研究、發展、應用與交流為宗旨的民間組織。
• MostAI—關于人工智能的網站，AI Fans交流平台
• 智能程式自進化概念

[顯示]  相關條目連結

規範控制 LCCN: sh85008180  GND: 4033447-8  BNF: cb11932084t（資料）  NDL: 00574798

分類：

• 人工智能
• 控制論
• 形式科學
• 社會中的技術
• 計算神經科學
• 新興技術
• 計算機科學中未解決的問題