本文將解釋為什么我們認(rèn)為人工智能是一個(gè)最值得研究的課題，并試圖定義人工智能究竟是什么。這是開啟人工智能學(xué)習(xí)之旅之前不錯(cuò)的準(zhǔn)備。
我們稱自己為智人（有智慧的人），因?yàn)橹悄埽╥ntelligence）對(duì)我們來(lái)說(shuō)尤其重要。幾千年來(lái)，我們一直試圖理解我們是如何思考和行動(dòng)的，也就是不斷地了解我們的大腦是如何憑借它那小部分物質(zhì)去感知、理解、預(yù)測(cè)并操縱一個(gè)遠(yuǎn)比其自身更大更復(fù)雜的世界。人工智能（artificial intelligence，AI）領(lǐng)域不僅涉及理解，還涉及構(gòu)建智能實(shí)體。這些智能實(shí)體機(jī)器需要在各種各樣新奇的情況下，計(jì)算如何有效和安全地行動(dòng)。
人工智能經(jīng)常被各種調(diào)查列為最有趣、發(fā)展最快的領(lǐng)域之一，現(xiàn)在每年創(chuàng)造的價(jià)值超過(guò)一萬(wàn)億美元。人工智能專家李開復(fù)預(yù)測(cè)稱，人工智能對(duì)世界的影響“將超過(guò)人類歷史上的任何事物”。此外，人工智能的研究前沿仍是開放的。學(xué)習(xí)較古老科學(xué)（如物理學(xué)）的學(xué)生可能會(huì)認(rèn)為最好的想法都已經(jīng)被伽利略、牛頓、居里夫人、愛(ài)因斯坦等人發(fā)現(xiàn)了，但當(dāng)下人工智能仍然為專業(yè)人員提供了許多機(jī)會(huì)。
目前，人工智能包含大量不同的子領(lǐng)域，從學(xué)習(xí)、推理、感知等通用領(lǐng)域到下棋、證明數(shù)學(xué)定理、寫詩(shī)、駕車或診斷疾病等特定領(lǐng)域。人工智能可以與任何智能任務(wù)產(chǎn)生聯(lián)系，是真正普遍存在的領(lǐng)域。
歷史上研究人員研究過(guò)幾種不同版本的人工智能。有些根據(jù)對(duì)人類行為的復(fù)刻來(lái)定義智能，而另一些更喜歡用“理性”（rationality）來(lái)抽象正式地定義智能，直觀上的理解是做“正確的事情”。智能主題的本身也各不相同：一些人將智能視為內(nèi)部思維過(guò)程和推理的屬性，而另一些人則關(guān)注智能的外部特征，也就是智能行為。
從人與理性以及思想與行為這兩個(gè)維度來(lái)看，有4種可能的組合，而且這4種組合都有其追隨者和相應(yīng)的研究項(xiàng)目。他們所使用的方法必然是不同的：追求類人智能必須在某種程度上是與心理學(xué)相關(guān)的經(jīng)驗(yàn)科學(xué)，包括對(duì)真實(shí)人類行為和思維過(guò)程的觀察和假設(shè)；而理性主義方法涉及數(shù)學(xué)和工程的結(jié)合，并與統(tǒng)計(jì)學(xué)、控制理論和經(jīng)濟(jì)學(xué)相聯(lián)系。各個(gè)研究團(tuán)體既互相輕視又互相幫助。接下來(lái)，讓我們更細(xì)致地探討這4種方法。
1. 類人行為：圖靈測(cè)試方法
圖靈測(cè)試（Turing test）是由艾倫·圖靈（Alan Turing）提出的，它被設(shè)計(jì)成一個(gè)思維實(shí)驗(yàn)，用以回避“機(jī)器能思考嗎？”這個(gè)哲學(xué)上模糊的問(wèn)題。如果人類提問(wèn)者在提出一些書面問(wèn)題后無(wú)法分辨書面回答是來(lái)自人還是來(lái)自計(jì)算機(jī)，那么計(jì)算機(jī)就能通過(guò)測(cè)試。目前，為計(jì)算機(jī)編程使其能夠通過(guò)嚴(yán)格的應(yīng)用測(cè)試尚有大量工作要做。計(jì)算機(jī)需要具備下列能力：
自然語(yǔ)言處理（natural language processing），以使用人類語(yǔ)言成功地交流；
知識(shí)表示（knowledge representation），以存儲(chǔ)它所知道或聽到的內(nèi)容；
自動(dòng)推理（automated reasoning），以回答問(wèn)題并得出新的結(jié)論；
機(jī)器學(xué)習(xí)（machine learning），以適應(yīng)新的環(huán)境，并檢測(cè)和推斷模式。
圖靈認(rèn)為，沒(méi)有必要對(duì)人進(jìn)行物理模擬來(lái)證明智能。然而，其他研究人員提出了完全圖靈測(cè)試（total Turing test），該測(cè)試需要與真實(shí)世界中的對(duì)象和人進(jìn)行交互。為了通過(guò)完全圖靈測(cè)試，機(jī)器人還需要具備下列能力：
計(jì)算機(jī)視覺(jué)（computer vision）和語(yǔ)音識(shí)別功能，以感知世界；
機(jī)器人學(xué)（robotics），以操縱對(duì)象并行動(dòng)。
以上6個(gè)學(xué)科構(gòu)成了人工智能的大部分內(nèi)容。然而，人工智能研究人員很少把精力用在通過(guò)圖靈測(cè)試上，他們認(rèn)為研究智能的基本原理更為重要。
2. 類人思考：認(rèn)知建模方法
我們必須知道人類是如何思考的，才能說(shuō)程序像人類一樣思考。我們可以通過(guò)3種方式了解人類的思維：
內(nèi)省（introspection）——試圖在自己進(jìn)行思維活動(dòng)時(shí)捕獲思維；
心理實(shí)驗(yàn)（psychological experiment）——觀察一個(gè)人的行為；
大腦成像（brain imaging）——觀察大腦的活動(dòng)。
一旦我們有了足夠精確的心智理論，就有可能把這個(gè)理論表達(dá)為計(jì)算機(jī)程序。如果程序的輸入/輸出行為與相應(yīng)的人類行為相匹配，那就表明程序的某些機(jī)制也可能在人類中存在。認(rèn)知科學(xué)（cognitive science）這一跨學(xué)科領(lǐng)域匯集了人工智能的計(jì)算機(jī)模型和心理學(xué)的實(shí)驗(yàn)技術(shù)，用以構(gòu)建精確且可測(cè)試的人類心智理論。
在人工智能發(fā)展的早期，這兩種方法經(jīng)常會(huì)混淆。有作者認(rèn)為，如果算法在某個(gè)任務(wù)中表現(xiàn)良好，就會(huì)是建模人類表現(xiàn)的良好模型，反之亦然。而現(xiàn)代作者將這兩種主張分開，這種區(qū)分使人工智能和認(rèn)知科學(xué)都得到了更快的發(fā)展。這兩個(gè)領(lǐng)域相互促進(jìn)，值得一提的是計(jì)算機(jī)視覺(jué)領(lǐng)域，它將神經(jīng)生理學(xué)證據(jù)整合到了計(jì)算模型中。最近，將神經(jīng)影像學(xué)方法與分析數(shù)據(jù)的機(jī)器學(xué)習(xí)技術(shù)相結(jié)合，開啟了“讀心”能力（即查明人類內(nèi)心思想的語(yǔ)義內(nèi)容）的研究。這種能力反過(guò)來(lái)可以進(jìn)一步揭示人類認(rèn)知的運(yùn)作方式。