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)我們來說尤其重要。幾千年來，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)值超過一萬億美元。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、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)刻來定義智能，而另一些更喜歡用“理性”（rationality）來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，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)上模糊的問題。如果人類提問者在提出一些書面問題后無法分辨書面回答是來自人還是來自計(jì)算機(jī)，那么計(jì)算機(jī)就能通過測(cè)試。目前，為計(jì)算機(jī)編程使其能夠通過嚴(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：
自然語言處理（natural language processing），以使用人類語言成功地交流；
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，沒有必要對(duì)人進(jìn)行物理模擬來證明智能。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（computer vision）和語音識(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，才能說程序像人類一樣思考。我們可以通過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)心思想的語義內(nèi)容）的研究。這種能力反過來可以進(jìn)一步揭示人類認(rèn)知的運(yùn)作方式。