欧洲日韩一区二区视频888,久青青在线观看视频国产,免费精品无码一区二区三区,国产一区二区三区无码视频

越來越多的人關(guān)注和研究AI，那么AI到底是什么？我們今天就來全面的解析一下，AI是什么？

人工智能（AI）是機(jī)器智能和計(jì)算機(jī)科學(xué)的一個(gè)分支，是一門研究機(jī)器智能和智能機(jī)器的新型的、綜合性的、具有強(qiáng)大生命力的邊緣學(xué)科。

人工智能自二十世紀(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?yàn)榻陙硭@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(gè)獨(dú)立的分支，無論在理論和實(shí)踐上都已自成一個(gè)系統(tǒng)。

人工智能是研究使計(jì)算機(jī)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(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類似于人腦智能的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。人工智能將涉及到計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等學(xué)科。

可以說幾乎是自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科，其范圍已遠(yuǎn)遠(yuǎn)超出了計(jì)算機(jī)科學(xué)的范疇，人工智能與思維科學(xué)的關(guān)系是實(shí)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(gè)應(yīng)用分支。

從思維觀點(diǎn)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。

人工智能的主要特征

智能是知識(shí)與智力的總合。知識(shí)是智能行為的基礎(chǔ)；智力是獲取知識(shí)并運(yùn)用知識(shí)求解問題的能力。 智能具有以下特征：

1、具有感知能力：指人們通過視覺、聽覺、觸覺、味覺、嗅覺等感覺器官感知外部世界的能力；

2、具有記憶與思維的能力：這是人腦最重要的功能，亦是人之所以有智能的根本原因；

3、具有學(xué)習(xí)能力及自適應(yīng)能力；

4、具有行為能力。

人工智能的起源及發(fā)展

1936年，24歲的英國數(shù)學(xué)家圖靈提出了“自動(dòng)機(jī)”理論,把研究會(huì)思維的機(jī)器和計(jì)算機(jī)的工作大大向前推進(jìn)了一步,他也因此被稱為“人工智能之父”。人工智能的研究從1956 年正式開始，這一年在達(dá)特茅斯大學(xué)召開的會(huì)議上正式使用了“人工智能”(Artificial Intelligence，AI)這個(gè)術(shù)語。

第一階段: 50 年代人工智能的興起和冷落。

人工智能概念首次提出后，相繼出現(xiàn)了一批顯著的成果，如機(jī)器定理證明、跳棋程序、通用問題s 求解程序、LISP 表處理語言等。但由于消解法推理能力的有限，以及機(jī)器翻譯等的失敗，使人工智能走入了低谷。這一階段的特點(diǎn)是：重視問題求解的方法，忽視知識(shí)重要性。

第二階段: 60 年代末到70 年代，專家系統(tǒng)出現(xiàn)，使人工智能研究出現(xiàn)新高潮。

DENDRAL 化學(xué)質(zhì)譜分析系統(tǒng)、MYCIN 疾病診斷和治療系統(tǒng)、PROSPECTIOR 探礦系統(tǒng)、Hearsay-II 語音理解系統(tǒng)等專家系統(tǒng)的研究和開發(fā)，將人工智能引向了實(shí)用化。并且，1969 年成立了國際人工智能聯(lián)合會(huì)議（International Joint Conferences onArtificial Intelligence 即IJCAI）。

第三階段: 80 年代，隨著第五代計(jì)算機(jī)的研制，人工智能得到了很大發(fā)展。

日本1982 年開始了“第五代計(jì)算機(jī)研制計(jì)劃”，即“知識(shí)信息處理計(jì)算機(jī)系統(tǒng)K I P S”，其目的是使邏輯推理達(dá)到數(shù)值運(yùn)算那么快。雖然此計(jì)劃最終失敗，但它的開展形成了一股研究人工智能的熱潮。

第四階段: 80 年代末，神經(jīng)網(wǎng)絡(luò)飛速發(fā)展。

1987 年，美國召開第一次神經(jīng)網(wǎng)絡(luò)國際會(huì)議，宣告了這一新學(xué)科的誕生。此后，各國在神經(jīng)網(wǎng)絡(luò)方面的投資逐漸增加，神經(jīng)網(wǎng)絡(luò)迅速發(fā)展起來。

第五階段: 90 年代，人工智能出現(xiàn)新的研究高潮。

由于網(wǎng)絡(luò)技術(shù)特別是國際互連網(wǎng)技術(shù)的發(fā)展，人工智能開始由單個(gè)智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究。不僅研究基于同一目標(biāo)的分布式問題求解，而且研究多個(gè)智能主體的多目標(biāo)問題求解，將人工智能更面向?qū)嵱谩?

另外，由于Hopfield 多層神經(jīng)網(wǎng)絡(luò)模型的提出，使人工神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用出現(xiàn)了欣欣向榮的景象。人工智能已深入到社會(huì)生活的各個(gè)領(lǐng)域。

人工智能的數(shù)學(xué)基礎(chǔ)

人類智能在計(jì)算機(jī)上的模擬就是人工智能，而智能的核心是思維，因而如何把人們的思維活動(dòng)形式化、符號(hào)化，使其得以在計(jì)算機(jī)上實(shí)現(xiàn)，就成為人工智能研究的重要課題。

在這方面，邏輯的有關(guān)理論、方法、技術(shù)起著十分重要的作用，它不僅為人工智能提供了有力的工具，而且也為知識(shí)的推理奠定了理論基礎(chǔ)。此外，概率論及模糊理論的有關(guān)概念及理論也在不確定性知識(shí)的表示與處理中占有重要地位。

因此，在系統(tǒng)學(xué)習(xí)人工智能的理論與技術(shù)之前，先掌握一些有關(guān)邏輯、概率論及模糊理論方面的知識(shí)是很有必要的。

人工智能中用到的邏輯可概括地劃分為兩大類。一類是經(jīng)典命題邏輯和一階渭詞邏輯，其特點(diǎn)是任何一個(gè)命題的真值或者為“真”，或者為“假”，二者必居其一。

因?yàn)樗挥袃蓚€(gè)真值，因此又稱為二值邏輯。另一類是泛指除經(jīng)典邏輯外的那些邏輯，主要包括三值邏輯、多值邏輯、模糊邏輯、模態(tài)邏輯及時(shí)態(tài)邏輯等，統(tǒng)稱為非經(jīng)典邏輯。

在非經(jīng)典邏輯中，又可分為兩種情況，一種是與經(jīng)典邏輯平行的邏輯，如多值邏輯、模糊邏輯等，它們使用的語言與經(jīng)典邏輯基本相同，主要區(qū)別是經(jīng)典邏輯中的一些定理在這種非經(jīng)典邏輯中不再成立，而且增加了一些新的概念和定理。另一種是對經(jīng)典邏輯的擴(kuò)充，如模態(tài)邏輯、時(shí)態(tài)邏輯等。

它們一般承認(rèn)經(jīng)典邏輯的定理，但在兩個(gè)方面進(jìn)行了擴(kuò)充：一是擴(kuò)充了經(jīng)典邏輯的語言；二是補(bǔ)充了經(jīng)典邏輯的定理。例如模態(tài)邏輯增加了兩個(gè)新算子L(……是必然的)和A4(……是可能的)，從而擴(kuò)大了經(jīng)典邏輯的詞匯表。概率論在人工智能中的應(yīng)用主要體現(xiàn)在有關(guān)概率、條件概率等的概念以及BaYes定理等，多年來它一直是人工智能中處理不確定性的理論基礎(chǔ)。

在科學(xué)研究和日常生活中，人們一直追求用確定的數(shù)學(xué)模型來描述現(xiàn)象或解決問題。隨著通信、計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，隨著基礎(chǔ)軟件、中間件和應(yīng)用軟件的廣泛應(yīng)用，計(jì)算機(jī)在數(shù)值計(jì)算、數(shù)據(jù)處理、信息查詢、工業(yè)控制、符號(hào)推理乃至知識(shí)工程等方面發(fā)揮出來的能力已大大提高。但是，計(jì)算機(jī)在這些領(lǐng)域中所解決的問題往往都是“良性設(shè)定問題”，即求解問題的前提條件明確、數(shù)學(xué)模型精確，并且可以用計(jì)算機(jī)程序設(shè)計(jì)語言進(jìn)行描述。

人工智能從來就是在數(shù)學(xué)的基礎(chǔ)上發(fā)展起來的，為了解決人工智能中的各種不確定性問題，同樣需要數(shù)學(xué)的支持。

人工智能的體現(xiàn)形式和研究領(lǐng)域

博弈

博弈論，又稱對策論，是使用嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)模型研究沖突對抗條件下最優(yōu)決策問題的理論。博弈思想在人工智能方面最早體現(xiàn)在計(jì)算機(jī)游戲方面，最早的計(jì)算機(jī)游戲（computer game）指的就是下棋, 為了設(shè)計(jì)可以和人類競爭甚至戰(zhàn)勝人類的程序， 人們便開始研究如何使得計(jì)算機(jī)可以學(xué)習(xí)人類的思維模式，具備與人類一樣的博弈能力。

博弈的過程包含著對問題的表示、分解、搜索和歸納這四個(gè)重要問題。計(jì)算機(jī)棋類博弈基本屬于完全信息的動(dòng)態(tài)博弈。也就是對弈雙方不僅清楚當(dāng)前的局面，了解對手以往的著數(shù)，而且了解對手接下來可能采取的著數(shù)。盡管雙方可能采取的著法數(shù)以十計(jì)、百計(jì)，但畢竟還是有限的。計(jì)算機(jī)可以通過展開一顆根在上、葉在下的龐大的博弈樹描述這一對弈過程。再利用自身在時(shí)間和空間上的強(qiáng)大能力，進(jìn)行巧妙的搜索，從而找到可行解及近優(yōu)解，亦即給出當(dāng)前的著法。

顯然，計(jì)算機(jī)的搜索能力是計(jì)算機(jī)智力水平的重要體現(xiàn)。搜索算法是機(jī)器“思維”的核心。包括著法生成，博弈樹展開，各種剪枝搜索和各種啟發(fā)式搜索。顯而易見，搜索算法的設(shè)計(jì)和編寫過程處處體現(xiàn)著人工智能的思想。機(jī)器博弈是既簡單方便、經(jīng)濟(jì)實(shí)用，又豐富內(nèi)涵、變化無窮的思維邏輯研究載體。

個(gè)把小時(shí)就可以下一盤棋，就可以對電腦的“智能”進(jìn)行測試，而且可以悔棋、重試、復(fù)盤，可以一步步地發(fā)現(xiàn)電腦與人腦功能的差距，從而不斷提高電腦的智力水平。毫無疑問的是，機(jī)器博弈的研究可以顯著推動(dòng)人工智能的發(fā)展。

專家系統(tǒng)

專家系統(tǒng)是一種具有大量專門知識(shí)和經(jīng)驗(yàn)的智能程序系統(tǒng)，它能運(yùn)用領(lǐng)域?qū)＜叶嗄攴e累的經(jīng)驗(yàn)和專門知識(shí)，模擬領(lǐng)域?qū)＜业乃季S過程，解決該領(lǐng)域中需要專家才能解決的復(fù)雜問題。專家系統(tǒng)是目前人工智能中最活躍，最有成效的一個(gè)研究領(lǐng)域，它是一種基于知識(shí)的系統(tǒng)，它從人類專家那里獲得知識(shí)，并用來解決只有專家才能解決困難問題輔助教學(xué)系統(tǒng)。

人工智能專家系統(tǒng)常由知識(shí)庫、是推理機(jī)等構(gòu)成。推理機(jī)主要決定哪些規(guī)則滿足事實(shí)或目標(biāo)，并授予規(guī)則優(yōu)先級(jí)，然后執(zhí)行最高優(yōu)先級(jí)規(guī)則來進(jìn)行邏輯推理。知識(shí)獲取機(jī)為用戶建立的一個(gè)知識(shí)自動(dòng)輸入的確定方法。匹配模塊是該人工智能專家系統(tǒng)的核心部分，匹配功能的實(shí)現(xiàn)關(guān)系到整個(gè)程序的實(shí)現(xiàn)，解釋模塊以及結(jié)果處理都依賴于它的執(zhí)行結(jié)果。其過程如下圖所示：

目前已研究的專家系統(tǒng)模型有很多種。其中較為流行的有如下幾種：

基于規(guī)則的專家系統(tǒng)

基于規(guī)則推理( Rule Based Reasoning, RBR) 的方法是根據(jù)以往專家診斷的經(jīng)驗(yàn), 將其歸納成規(guī)則, 通過啟發(fā)式經(jīng)驗(yàn)知識(shí)進(jìn)行推理。早期的專家系統(tǒng)大多數(shù)是用規(guī)則推理的方法, 如DENDRAL專家系統(tǒng)、MYCIN專家系統(tǒng)、PROSPECTOR 專家系統(tǒng)等。

基于案例的專家系統(tǒng)

基于案例推理( Case Based Reasoning, CBR) 的方法就是通過搜索曾經(jīng)成功解決過的類似問題, 比較新、舊問題之間的特征、發(fā)生背景等差異, 重新使用或參考以前的知識(shí)和信息, 達(dá)到最終解決新問題的方法。第一個(gè)真正意義上的基于案例的專家系統(tǒng)是1983 年由耶魯大學(xué)Janet Kolodner 教授領(lǐng)導(dǎo)開發(fā)的CYRUS 系統(tǒng)。它以Schank的動(dòng)態(tài)存儲(chǔ)模型和問題求解的MOP( Memory Organized Packet)理論為基礎(chǔ), 做與旅行相關(guān)的咨詢工作。

基于框架的專家系統(tǒng)

框架( Frame) 是將某類對象的所有知識(shí)組織在一起的一種通用數(shù)據(jù)結(jié)構(gòu), 而相互關(guān)聯(lián)的框架連接組成框架系統(tǒng)。

框架表示法最突出的特點(diǎn)是善于表達(dá)結(jié)構(gòu)性的知識(shí), 且具有良好的繼承性和自然性。因此, 基于框架的專家系統(tǒng)適合于具有固定格式的事物、動(dòng)作或事件。

基于模糊邏輯的專家系統(tǒng)

和二值的波爾邏輯不同，模糊邏輯是多值的。它處理歸屬的程度和可信的程度。模糊邏輯使用介于0（完全為假）和1（完全為真）之間邏輯值得連續(xù)區(qū)間。與非黑即白不同，它使用顏色的色譜，可以接受同時(shí)部分為真和部分未假的事物。

基于模糊邏輯的專家系統(tǒng)的優(yōu)點(diǎn)在于: ① 具有專家水平的專門知識(shí), 能表現(xiàn)專家技能和高度的技巧以及有足夠的魯棒性; ②能進(jìn)行有效的推理, 具有啟發(fā)性, 能夠運(yùn)用人類專家的經(jīng)驗(yàn)和知識(shí)進(jìn)行啟發(fā)性的搜索、試探性的推理; ③具有靈活性和透明性。但是, 模糊推理知識(shí)獲取困難, 尤其是征兆的模糊關(guān)系較難確定, 且系統(tǒng)的推理能力依賴模糊知識(shí)庫, 學(xué)習(xí)能力差, 容易發(fā)生錯(cuò)誤。由于模糊語言變量是用隸屬函數(shù)表示的,實(shí)現(xiàn)語言變量與隸屬函數(shù)之間的轉(zhuǎn)換是一個(gè)難點(diǎn)。

基于D-S 證據(jù)理論的專家系統(tǒng)

證據(jù)理論是由Dempster于1967年首先提出，由他的學(xué)生Shafer于1976年進(jìn)一步發(fā)展起來的一種不精確推理理論，也稱為Dempster/Shafer 證據(jù)理論(D-S證據(jù)理論)，屬于人工智能范疇，最早應(yīng)用于專家系統(tǒng)中，具有處理不確定信息的能力。作為一種不確定推理方法，證據(jù)理論的主要特點(diǎn)是：滿足比貝葉斯概率論更弱的條件；具有直接表達(dá)“不確定”和“不知道”的能力.。當(dāng)約束限制為嚴(yán)格的概率時(shí), 它就成為概率論。

基于Web的專家系統(tǒng)

基于Web的專家系統(tǒng)是Web數(shù)據(jù)交換技術(shù)與傳統(tǒng)專家系統(tǒng)集成所得到的一種先進(jìn)專家系統(tǒng)。它利用Web瀏覽器實(shí)現(xiàn)人機(jī)交互，基于Web專家系統(tǒng)中的各類用戶都可通過瀏覽器訪問專家系統(tǒng)。從結(jié)構(gòu)上，它由瀏覽器、應(yīng)用服務(wù)器和數(shù)據(jù)庫服務(wù)器三個(gè)層次所組成，包括Web接口、推理機(jī)、知識(shí)庫、數(shù)據(jù)庫和解釋器。

模式識(shí)別

廣義地說，存在于時(shí)間和空間中可觀察的事物，如果我們可以區(qū)別他們是否相同或者是否相似，都可以稱之為模式。但需要注意的是，模式并不是指向事物本身，而是我們從事物獲得的信息。因此，模式往往表現(xiàn)為具有時(shí)間或空間分布的信息。人們?yōu)榱苏莆湛陀^事物，按事物相似的程度組成類別。模式識(shí)別的作用和目的就在于面對某一具體事物時(shí)將其正確的歸入某一類別。

模式識(shí)別系統(tǒng)有兩個(gè)過程組成，即設(shè)計(jì)和實(shí)現(xiàn)。設(shè)計(jì)是指用一定數(shù)量的樣本（訓(xùn)練集或?qū)W習(xí)集）進(jìn)行分類器的設(shè)計(jì)。實(shí)現(xiàn)是指用所涉及的分類器對待識(shí)別的樣本進(jìn)行分類決策?；诮y(tǒng)計(jì)方法的模式識(shí)別系統(tǒng)主要由4個(gè)部分組成：數(shù)據(jù)獲取，預(yù)處理，特征提取和選擇，分類決策，如下圖所示：

概括地說，模式識(shí)別中的最基本的問題是解決模式的分類。較全面的看，是研究模式的描述、分析、分類、理解和綜合。更高層次的模式識(shí)別應(yīng)該還包括對模式的學(xué)習(xí)、判斷、自適應(yīng)、自尋優(yōu)和自動(dòng)發(fā)現(xiàn)規(guī)律等。

所以，模式識(shí)別在某種意義上和人工智能中的“學(xué)習(xí)”“概念形成”相近。模式識(shí)別與及其職能的結(jié)合將開辟廣闊的應(yīng)用前景。

人工神經(jīng)網(wǎng)絡(luò)

眾所周知，人類大腦的組織結(jié)構(gòu)和運(yùn)行機(jī)制有其絕妙的特點(diǎn)，從模仿人腦智能的角度出發(fā)，來探尋新的信息表示、儲(chǔ)存和處理方式，設(shè)計(jì)全新的計(jì)算機(jī)處理結(jié)構(gòu)模型，構(gòu)建一種更接近人類智能的信息處理系統(tǒng)來解決實(shí)際工程和科學(xué)研究領(lǐng)域中難以解決的問題，一定能夠極大推動(dòng)科研進(jìn)步，這些促成了人工神經(jīng)網(wǎng)絡(luò)（ANN）的出現(xiàn)。

簡單的說，ANN是模仿人腦工作方式而設(shè)計(jì)的一種機(jī)器，它可用電子或光電元件實(shí)現(xiàn)，還可以用軟件在計(jì)算機(jī)上進(jìn)行仿真模擬，甚至最新的研究成果顯示人類已經(jīng)使用DNA在試管中制造出了首個(gè)人造神經(jīng)網(wǎng)絡(luò)（這個(gè)相互作用的分子組成的電路能像人腦一樣，基于不完整的模式進(jìn)行回）；人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力，可以通過預(yù)先提供的一批相互對應(yīng)的輸入－輸出數(shù)據(jù)，分析掌握兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律，用新的輸入數(shù)據(jù)來推算輸出結(jié)果，這種學(xué)習(xí)分析的過程被稱為“訓(xùn)練”。

神經(jīng)網(wǎng)絡(luò)發(fā)展很快，已經(jīng)被廣泛應(yīng)用在市場的方方面面。

自然語言理解

自然語言理解一直是智能領(lǐng)域研究的重要課題之一，因?yàn)樽匀徽Z言本身具有獨(dú)特的魅力，其一，如果計(jì)算機(jī)能夠理解自然語言，那么人機(jī)交互將變得前所未有的暢通，那將是對計(jì)算機(jī)技術(shù)的重大突破，其二，創(chuàng)造和使用自然語言是人類幾千年智慧的結(jié)晶，研究自然語言更有助于解開人工智能的奧秘。

對自然語言的理解，有以下四條準(zhǔn)則：問答、文摘生成、釋義、翻譯。與之對應(yīng)就可以得到，自然語言理解的處理過程為：語言形式化描述、處理算法設(shè)計(jì)、處理算法實(shí)現(xiàn)和評(píng)估。其中語言形式化描述就是通過對自然語言自身規(guī)律進(jìn)行研究，進(jìn)而采用數(shù)學(xué)的方法將其描述出來，以便于計(jì)算機(jī)處理，也可認(rèn)為是對自然語言進(jìn)行數(shù)學(xué)建模。處理的算法設(shè)計(jì)就是將數(shù)學(xué)形式化描述的語言變換為計(jì)算機(jī)可操作、控制的對象。處理算法實(shí)現(xiàn)和評(píng)估就是通過程序設(shè)計(jì)語言(如C語言)將算法實(shí)現(xiàn)出來，并對其性能和功能進(jìn)行評(píng)估。

自然語言理解的智能應(yīng)用主要體現(xiàn)在翻譯方面。

人工智能的現(xiàn)在與未來

如今人工智能已經(jīng)不再是幾個(gè)科學(xué)家的專利了，全世界幾乎所有大學(xué)的計(jì)算機(jī)系都有人在研究這門學(xué)科，學(xué)習(xí)計(jì)算機(jī)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(jì)算機(jī)似乎已經(jīng)變得十分聰明了。

大家或許不會(huì)注意到，在一些地方計(jì)算機(jī)幫助人進(jìn)行其它原來只屬于人類的工作，計(jì)算機(jī)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(jì)算機(jī)科學(xué)的前沿學(xué)科，計(jì)算機(jī)編程語言和其它計(jì)算機(jī)軟件都因?yàn)橛辛巳斯ぶ悄艿倪M(jìn)展而得以存在。

現(xiàn)在，研究和應(yīng)用從實(shí)驗(yàn)室到工業(yè)現(xiàn)場、從家電到火箭制導(dǎo)，已經(jīng)廣泛用于武器控制、機(jī)器人規(guī)劃與控制、（制造業(yè)采礦業(yè)等的）自動(dòng)加工系統(tǒng)的智能控制、故障檢測與診斷、飛行器的智能控制醫(yī)用智能控制、智能儀器等。

自然科學(xué)方面，AI與其它學(xué)科相互交叉、相互滲透和相互促進(jìn)。AI向其它學(xué)科提供了工具和方法，如知識(shí)表示和推理機(jī)制、問題求解和搜索算法，模糊邏輯推理和非單調(diào)推理技術(shù)，以及計(jì)算智能技術(shù)等，可以解決從前難以解決的問題。而其他學(xué)科的重要概念，在AI研究中也得到發(fā)展。如計(jì)算機(jī)系統(tǒng)的分時(shí)系統(tǒng)、編目處理系統(tǒng)和交互調(diào)試系統(tǒng)等。

社會(huì)科學(xué)方面也是如此。在需要使用數(shù)學(xué)－計(jì)算機(jī)工具解決問題的學(xué)科（如經(jīng)濟(jì)學(xué)），AI帶來的幫助不言而喻。

更重要的是，AI反過來有助于人類最終認(rèn)識(shí)自身智能的形成。在重新闡述知識(shí)歷史的過程中，AI有望解決知識(shí)的模糊性，消除知識(shí)的不一致性。這將導(dǎo)致邏輯和哲學(xué)等等方面的改善,影響到心理學(xué)、認(rèn)知學(xué)的核心理論，對于哲學(xué)社會(huì)學(xué)方面的理論也將帶來徹底的變革。

此外，綜合應(yīng)用語法、語義和AI的形式知識(shí)表示方法，有可能改善知識(shí)的自然語言表達(dá)形式與此同時(shí)，潛在的知識(shí)，直感靈感等等也能夠闡述為適用的AI形式。從而擴(kuò)大知識(shí)的領(lǐng)域，以及對現(xiàn)有知識(shí)進(jìn)行提純。

如果說生物計(jì)算機(jī)、量子計(jì)算機(jī)、光子計(jì)算機(jī)是未來計(jì)算機(jī)硬件系統(tǒng)的發(fā)展方向，那么實(shí)現(xiàn)人工智能就是日后計(jì)算機(jī)軟件的努力目標(biāo)，但是，從某種意義上來說，人工智能的發(fā)展目標(biāo)卻是脫離計(jì)算機(jī)，不再作為一個(gè)獨(dú)立的子系統(tǒng)來存在。它將滲透入我們社會(huì)的方方面面，潤物無聲。

可以預(yù)見，隨著人工智能的完善，它將對人類整體的文明產(chǎn)生巨大沖擊，事實(shí)上，這個(gè)沖擊已然產(chǎn)生，只是它的步步推進(jìn)不足以產(chǎn)生爆炸性的效果，因而，注意者并不包括大多數(shù)人。

人工智能對經(jīng)濟(jì)的影響

成功的專家系統(tǒng)能為它的建造者、擁有者和用戶帶來明顯的經(jīng)濟(jì)效益 。在信息爆炸的知識(shí)經(jīng)濟(jì)時(shí)代，優(yōu)秀的信息處理便是財(cái)富，它會(huì)為部分人的經(jīng)濟(jì)效益做出極大貢獻(xiàn)。同時(shí)，盡管人工智能的發(fā)展目標(biāo)是脫離計(jì)算機(jī)，成為獨(dú)立的應(yīng)用，但未來很長一段時(shí)間內(nèi)，它還會(huì)依托于計(jì)算機(jī)存在，越來越優(yōu)秀的人工智能對計(jì)算機(jī)的軟硬件都提出了新的要求，這將會(huì)成為計(jì)算機(jī)行業(yè)的一個(gè)推動(dòng)力。

人工智能對社會(huì)的影響

人工智能和機(jī)器人行業(yè)幾乎是親密無間，在歐美，工業(yè)過程控制系統(tǒng)、智能機(jī)器人系統(tǒng)和智能化生產(chǎn)系統(tǒng)開始起步。我國也從無到有，出現(xiàn)了機(jī)械手生產(chǎn)廠家，機(jī)器人產(chǎn)業(yè)的雛形已經(jīng)形成，在10～20年后有望形成規(guī)模，脫離自動(dòng)化而形成獨(dú)立的產(chǎn)業(yè)。這卻帶來了勞務(wù)就業(yè)問題。由于AI 在科技和工程中的應(yīng)用，能夠代替人類進(jìn)行各種技術(shù)工作和腦力勞動(dòng)，將迫使人們工作方式的巨大改變，甚至造成失業(yè)，數(shù)字巨大的失業(yè)者將成為社會(huì)的不安定因素。

人工智能對人類思維的影響

伴隨著機(jī)器變得越來越“聰明”，人們越來越相信智能機(jī)器的判斷和決定。這在某種程度上會(huì)導(dǎo)致人類失去對問題及其求解任務(wù)的責(zé)任感和敏感性 。進(jìn)而致使認(rèn)知能力下降，思維變得懶惰。通俗來說，就是變蠢。人類用了200萬年進(jìn)化成現(xiàn)在的智慧生物，在人工智能的“幫助”下，這一逆過程或許不需這么久。

至于所謂的“人工智能失控”、“智能機(jī)器人反噬人類”，好萊塢已經(jīng)做出了太多猜測，但不得不說，所謂的“阿西莫夫三定律”真的能永遠(yuǎn)束縛機(jī)器人（狹義上的人工智能）嗎？這很難說。自然是難以揣測的，兩個(gè)原子的偶然碰撞擦出了生命的第一縷火花，那無數(shù)個(gè)0、1的組合難道沒有那靈光一閃的瞬間嗎？混沌機(jī)制向來是上帝的領(lǐng)域，數(shù)字生命無窮小的誕生概率在數(shù)學(xué)上可以被認(rèn)為為零，但現(xiàn)實(shí)中卻存在可能。

我們不能因噎廢食，人工智能已經(jīng)——或正在——或即將證明它在人類社會(huì)中的的巨大作用，對于人工智能的未來發(fā)展，我們應(yīng)當(dāng)持樂觀態(tài)度。我們相信人工智能有個(gè)更加美好的未來；盡管這一天的到來，需要付出辛勤勞動(dòng)和昂貴代價(jià)，需要好幾代人的持續(xù)奮斗 。一代代科學(xué)家為我們提供了巨人的肩膀，正是為了讓我們立于其上，繼往開來。