当今，人们在日常生活中接触人工智能的频率越来越高。有可以帮用户买菜的京东智能冰箱；可以做自动翻译的机器；还有Siri、Alexa和Cortana这样的机器人助理；以及无人车、AlphaGo等已经把人工智能技术带到了“看得到摸得着”的境地。
那么人工智能到底是什么？这个领域涉及哪些方面？人工智能要完成的目标和任务有哪些？接下来的内容将做一一介绍。
1
什么是人工智能
//
Alan Turing定义的AI是：能使计算机完成那些需要人类智力才能完成的工作的科学。
斯坦福大学的学者认为AI是智能机器的科学和工程，特别是智能计算机程序。维基百科定义AI是指由人工制造出来的系统所表现出来的智能，该词同时也指研究这样的智能系统是否能够实现，以及如何实现的科学领域。
不管怎样定义，都离不开智能，然而到目前为止人类还没能统一地给出智能的定义，通常所说的智能也只是参考人类智慧的表现形式。原中国人工智能学会理事长钟义信教授，认为人类智慧包含发现问题、定义问题、解决问题三方面，而人工智能目前只做到了解决问题的程度。
2
人工智能的历史
//
历史上人工智能有以下三大学派：
符号主义(symbolicism)，又称为逻辑主义(logi-cism)、心理学派(psychologism)或计算机学派(computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
连接主义(connectionism)，又称为仿生学派(bi-onicsism)或生理学派(physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。
行为主义(actionism)，又称为进化主义(evoluti-onism)或控制论学派(cyberneticsism)，其原理为控制论及感知——动作型控制系统。
3
人工智能的目标
//
人工智能的目标包括：推理、知识表示、自动规划、机器学习、自然语言理解、计算机视觉、机器人学和强人工智能八个方面。
知识表示和推理包括：命题演算和归结，谓词演算和归结，可以进行一些公式或定理的推导。
自动规划包括机器人的计划、动作和学习，状态空间搜索，敌对搜索，规划等内容。
机器学习这一研究领域是由AI的一个子目标发展而来，用来帮助机器和软件进行自我学习来解决遇到的问题。
自然语言处理是另一个由AI的一个子目标发展而来的研究领域，用来帮助机器与真人进行沟通交流。
计算机视觉是由AI的目标而兴起的一个领域，用来辨认和识别机器所能看到的物体。
机器人学也是脱胎于AI的目标，用来给一个机器赋予实际的形态以完成实际的动作。
人工智能、机器学习、数据挖掘这些非常相关的术语或知识我们经常看到，也见到很多关于三者关系的文章和讨论。一般来说，人工智能是一个很大的研究领域；机器学习是人工智能的一个目标，提供很多算法；而数据挖掘是偏向算法应用的部分。
人工智能、机器学习以及数据挖掘，这三者相辅相成，另外也需要其他领域的知识支持。具体关系请参考上图。
4
人工智能的方法
//
为了达到人工智能的目标，下面依次梳理一下学术和工业界研究的各种方法和成果。
//
4.1 知识的表示和推理
知识表示包括：基于知识的系统，表示常识知识等。传统的知识表示已经很成熟了，包括了描述逻辑，也包括了语义网（资源描述框架RDF）。
知识推理建立在逻辑上，首先需要庞大的数据集，比如freebase；其次需要关系抽取自动化工具；最后需要合理的知识存储结构，比如资源描述框架RDF。
谷歌提的知识图谱概念就是一种知识工程，它有庞大的知识库和基于知识库的各种服务。早年业界研究的知识本体也是一种知识工程，研究成果有 FrameNet、WordNet、中文知网HowNet等。
IBM在2011年研发了Watson问答系统。谷歌在2012年提出知识图谱，作为谷歌的两大重要技术储备，一个是深度学习，形成了谷歌大脑；另一个就是知识图谱，用来支撑下一代搜索和在线广告业务。
脸谱公司利用知识图谱技术构建兴趣图谱，用来连接人、分享的信息等，并基于此构建了graph search。其他的工业应用还有：SIRI、EVI、Google Now、Dbpedia、 freebase等。一般一个知识工程的底层技术架构，请参考以上图示。
//
4.2 自动规划
首先要说一下有限状态机（FSM），一般应用于游戏机器人，网络协议，正则表达式，词法语法分析，自动客服等。如下图是一个简单的游戏机器人状态转移和行动图。
其次是状态空间搜索，最简单粗暴的是盲目搜索，就像特斯拉评价爱迪生：“如果说有一根针掉进草垛了，让他去找，他会毫不犹豫的，一根一根草挑出来找”。优化改进的版本是启发式搜索，如A*算法。这方面的应用有国际象棋Deepblue，围棋AlphaGo。AlphaGo 在蒙特卡洛树搜索 (Monte Carlo Tree Search, MCTS) 基础上使用了深度学习，监督学习和增强学习等方法。
“蒙特卡洛树搜索”是一类启发式的搜索策略，能够基于对搜索空间的随机抽样来扩大搜索树，始终保证选取当前抽样中的最优策略从而不断接近全局最优，确定每一步棋应该怎么走才能够创造更好机会。另外还包括：计划、动作和学习，敌对搜索，基于逻辑的规划方法，状态演算等内容。
//
4.3 机器学习
谷歌CEO桑德尔·皮蔡在一封致股东信中，把机器学习誉为人工智能和计算的真正未来，可想而知机器学习在人工智能研究领域的重要地位。
机器学习的方式包括：有监督学习、无监督学习、半监督学习和强化学习。其中的算法有：回归算法（最小二乘法、LR等），基于实例的算法（KNN、LVQ等），正则化方法（LASSO等），决策树算法（CART、C4.5、RF等），贝叶斯方法（朴素贝叶斯、BBN等），基于核的算法（SVM、LDA等），聚类算法（K-Means、DBSCAN、EM等），关联规则（Apriori、FP-Grouth），遗传算法，人工神经网络（PNN、BP等），深度学习（RBN、DBN、CNN、DNN、LSTM、GAN等），降维方法（PCA、PLS等），集成方法（Boosting、Bagging、AdaBoost、RF、GBDT等）。
//
4.4 自然语言处理NLP
（自然语言处理简要的知识架构图）
NLP是人工智能的另一个目标，用于分析、理解和生成自然语言，以方便人和计算机设备进行交流，以及人与人之间的交流。它的应用领域包括：机器翻译，文本、语音、图片转换，聊天机器人，自动摘要，情感分析，文本分类，信息提取等。
//
4.5 机器人视觉
视觉对人很重要，人类获得讯息90%以上是依靠眼睛的，那么对于机器人要想获得人获取信息的能力，重点是解决机器人视觉系统。
目前机器视觉已经可以做到很多事情，比如识别人脸、标志和文字；探测物体并了解其环境的应用，如自动驾驶无人车等；检测的事件，对视频监控和人数统计；组织信息，如对于图像和图像序列的索引数据库；造型对象或环境，医学图像分析系统或地形模型；自动检测，如在制造业的应用程序。
//
4.6 机器人学和强人工智能
机器人学是一个交叉学科，主要研究包括环境适应机器仿生，机器人自主行为，人机协作，微纳操作机器人，制造装备机器人、科学工程机器人、服务型机器人等。目前国内的机器人行业还没有形成规模，商业化做得好的比如大疆、沈阳新松机器人公司。
强人工智能是人工智能研究的最主要目标之一，强人工智能也指通用人工智能（artificial general intelligence，AGI），或具备执行一般智慧行为的能力。强人工智能通常把人工智能和意识、感性、知识和自觉等人类的特征互相连结。
实现强人工智能至少需要拥有以下能力：
· 自动推理，使用一些策略来解决问题，在不确定性的环境中作出决策；
· 知识表示，包括常识知识库；
· 自动规划；
· 学习；
· 使用自然语言进行沟通；
整合以上这些手段来达到同一个的目标。目前的强人工智能主要出现在电影或小说里，比如斯皮尔伯格导演的《人工智能》里面的机器男孩大卫。
最后，再回到人类智慧和人工智能的讨论上，人类智慧是人类的“隐性智慧”与“显性智慧”相互作用相互促进相辅相成的能力体系。
其中，“隐性智慧”主要是指人类发现问题和定义问题从而设定工作框架的能力，由目的、知识、直觉能力、抽象能力、想象能力、灵感能力、顿悟能力和艺术创造能力所支持，具有很强的内隐性，因而不容易被确切理解，更难以在机器上进行模拟；“显性智慧”主要是指人类在隐性智慧所设定工作框架内解决问题的能力，依赖于收集信息、生成知识和创生解决问题的策略并转换为行动等能力的支持，具有较为明确的外显性，因而有可能被逐步理解并在机器上模拟出来。
目前几乎所有的人工智能都只能模仿人类的解决问题的能力，而没有发现问题、定义问题的能力。因此，“人工智能将全面超越人类智慧”的说法没有科学根据，目前的人工智能只是帮助人类提高生产力的工具而已。 | 
