人工智能在制造业的应用研究方法

① 人工智能有哪些研究方向

人工智能可分为六个研究方向：
1、机器视觉，包括3D重建，模式识别，图像理解等。
2、语言理解和沟通，包括语音识别，综合，人机对话，机器翻译等;
3、机器人技术，包括力学，控制，设计，运动规划，任务规划等;
4、认知和推理，包括各种身体和社会常识的认知和推理;
5、游戏和道德，包括多智能体，机器人和社会整合的互动，对抗和合作;
6、机器学习，包括各种统计建模，分析工具和计算方法;
人工智能作为下一代信息技术的重要领域，是一种具有普遍性的新型通用技术，可应用于经济社会，生产和生活的各个方面（Trajtenberg，2018）; 无意中与此同时，人工智能已经渗透到生产和生活的许多方面，并悄然改变了经济和社会组织的运作模式。 虽然人工智能技术可以使人类摆脱繁琐的程式化工作，但它也是应对人口老龄化的有效手段，但其推广也意味着在应用领域取代就业领域（部分），并将 最终影响就业结构和收入分配格局。

② 人工智能在工业领域的运用有哪些呢

目前不同行业在智能制造方面，有很多优秀的解决方案和案例分享一个工业混流制造方向的智能制造智能制造-玻璃加工-混流制造华域云脑方案玻璃加工具有在不改变生产组织方式的前提下，在同一条流水线上同时生产出多种不同型号、不同尺寸、不同数量的产品的特征，属于典型的混流制造。相对于单一产品流水线而言，混流生产系统既可以大批量生产标准产品， 也可以按照客户订单生产小批量非标准产品，因而具有更高的灵活性，可满足客户对 产品的多样化需求，使企业快速响应市场变化。随着经济发展、消费升级混流制造将会变成制造业普遍采用的一种生产组织方式，具有广阔的应用前景。 因此混流制造一致是生产、学术研究的重点，但是过去玻璃加工领域的研究方向主要集中在单机设备的改进上，试图在单机设备上一次完成玻璃深加工的所有工序；也取得了一些成果，目前全球范围内有Bottero、Intermac、Bavelloni三家公司生产高速数控玻璃加工中心控制系统能够全自动实现钻孔、切割、粗磨、精磨、抛光加工，但也没有完成玻璃加工的所有工序，且售价昂贵。针对玻璃加工业行业没有功能完全的玻璃加工控制系统，不能一次完成全部的玻璃加工工序，设备整体应用的局限性大，劳动强度大，产品加工效率相对较低等问题。华域云脑提出了一种针对玻璃加工企业的智慧工厂方案，将各个设备、工序连接起来进行统一调度和管理从而达到减员、增效、提升品质、辅助决策等目的。 智慧工厂采用传感技术、通信技术、工控技术，以RFID-MES、VMS（电子看板）、ERP、大数据统一决策系统为核心，实现玻璃加工的生产信息化、管理精细化、调度统一化。方案特点如下： (1) 生产信息化/自动化：实现切片、磨边、钻孔、钢化、夹胶、镀膜、中空、包装八道工序的全自动，降低生产成本，提高加工效率。 (2) 管理精细化：将RFID系统、设备控制系统、MES系统有机集成，实时反馈产品加工信息、现场异常信息、设备信息，形成完整的反馈控制系统。 (3) 调度统一化：基于产品加工状态、工序状态、设备状态等现场信息实现订单、设备的统一调度，同时引入深度学习算法使得调度结果最优化。南京华域云脑信息科技有限公司

③ 人在智能制造中的作用有哪些

人工智能在制造业的生产中可以发挥的作用：

1、实现制造业的生产的数字化

就目前来看，国内工业物联网处于早期阶段，不论是网络及硬件设备都尚未成熟，基础设施建设和数据采集这一步还没有全部完成。工厂首先需要为生产设备装上传感器和控制装置，打通生产设备、生产管理、制造执行及规划系统，更实时透明地掌控生产进度。

2、实现制造业的生产的自动化

除了汽车制造业，中国大量的工厂自动化程度仍然偏低。2015年，根据经济学人发布的统计，中国虽然每年采购全球最多的机器人，但整个国家平均每万工人只配备了50个机器人。而在自动化程度相对发达的德国和日本这个数字是约300个，在韩国甚至是500个之多。如果要继续提高生产效率，那么自动化生产系统一定会在工厂普及。

3、实现制造业的生产的智能化

历史上，“自动化”代表着机器可以执行某个具体独立的任务，例如根据定义好的规则开启和关闭泵。自动化是取代人做重复性的劳动，而智能化是做人做不了的事情。智能工厂的定义是一个灵活的协同系统，自主运行整个生产流程，在全局范围内自我优化，实时地适应新的环境。它代表着一个持续的自适应的过程，而不是过去“一劳永逸”的升级改造。

④ 人工智能的研究领域和应用领域是什么

人工智能应用领域机器翻译，智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂，自动程序设计，航天应用，庞大的信息处理，储存与管理，执行化合生命体无法执行的或复杂或规模庞大的任务等等。研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。

⑤ 人工智能技术对制造业会产生怎样的影响

一是智能生产。

实现生产设备、价值链、供应链的数字化连接和高度协同，使生产系统具备敏捷感知、实时分析、自主决策、精准执行、学习提升等能力，全面提升生产效率。

二是智能产品。

通过云端连接或将训练好的人工智能系统封装到硬件中等方式，赋予产品智能化响应外界变化和用户需求的能力。

三是智能服务。

实时监测产品状态和响应用户需求，提供以租代售、按时计费、远程诊断、故障预测、远程维修、一体化解决方案等增值服务，实现制造企业从提供产品向提供“产品+服务”的转变。

实现

一是充分利用综合优势，实施逆向整合战略。

我国在制造环节实现人工智能应用场景优化及商业布局方面具有优势，应充分利用这些优势，进一步整合利用全球创新资源，尤其是人工智能基础技术、核心技术及关键零部件、装备领域方面的创新资源。

二是编制制造业人工智能技术战略（路线）图，并定期修订，帮助各界及时、准确地把握人工智能技术及产业的发展趋势。

要更为关注制定技术战略图及研判发展趋势的过程，在这一过程中，不仅要形成对人工智能技术发展趋势的共识，而且要形成学术界与产业界之间的知识交流与互动，推动有关方面围绕人工智能技术发展方向及可能的突破口进行深入交流和探讨，促进知识融合、扩展和深化。

⑥ AI(人工智能)在机械领域有哪些应用

1.机械领域的主要应用：1.1 机械设计 机械设计实际上是一个模型的综合和分析的过程，它不仅包括大量的计算、分析、绘图等数值计算型工作；还包括拟定初始方案，选择最优方案，制定合理结构等方案设计工作。 目前， 有些企业已引入CAD/CAM 系统， 由于CAD/CAM系统对符号推理工作需要综合运用多种科学的专门知识和丰富的实践经验才能解决，这需要CAD/CAM系统具有智能性，因此，设计智能化已成为机械设计中一个很热门的研究课题之一，它把计算机从数值处理扩展到非数值处理，包括知识与经验的集成、推理和决策，力图使机械设计过程自动化，减少人类专家在设计过程中由于个人因素造成的不足。此外，与传统设计方法相比，专家系统在机械设计中有着不可比拟的优势，它不仅可以长期稳定工作、节省成本，还可以为专家知识特别是启发式知识提供存储手段和传授途径、易于继承。1.2 机械制造 在机械生产制造过程中，需要为工厂中所有的装配机器供应零件。目标可能由监控者提供，也可能由系统对当时状态做出评估而产生。智能系统怎样推断出适当的目标，然后构造试图达到目标的动作序列，这个过程通常称为规划(planning), 它是自动问题求解的特例，是人工智能研究的重要子领域。 此外，计算机集成加工系统（CIMS）和柔性加工系统（FMS）在近年来获得迅速发展。在一个复杂的加工过程中，不同条件下的多种操作是必要的。环境的不确定性以及系统软硬件的复杂性，向当代工程师们设计和实现有效的集成控制系统提出了挑战。为了把现有的Petri 网技术用于现代加工系统，需要开发一种新技术，把机器智能技术和Petri 网理论以及智能离散事件控制器连接起来。1.3 机械电子工程 在许多工程系统中，往往由于内部结构复杂，存在着对加工过程控制及故障诊断等方面的困难，一般的PID 等典型控制方法虽然能解决一些问题，但在一些场合已不能满足生产的要求，当前，典型的机电一体化产品- 数控机床、交流伺服驱动装置等正在向数字化、小型化、高精度等方向发展，为监控带来新的挑战，由于模糊神经网络控制不依赖控制对象和数学模型，具有较强的鲁棒性，是一种非线性的控制方法，在解决此类问题中有很好的优势。而专家系统主要用于复杂的机械系统，能够克服基于模型的故障诊断方法对模型的过分依赖性。1.4 机械系统故障诊断 对机械设备进行故障诊断主要是通过对设备敏感部位的信号利用传感器进行数据采集和特征提取，根据不同机械部件在不同时间和状态下具有不同的特征，来判断是否工作正常。它包含两方面的内容，即对系统运行状态进行监测和发现异常情况后对故障进行分析、诊断。在系统运行过程中，若某一时刻系统发生故障，领域专家可以凭借视觉、听觉、嗅觉、触觉或测量设备得到一些客观数据，并根据对系统结构和系统故障历史的深刻了解很快做出判断，确定故障的原因和部位。对于较为复杂的系统，这种基于专家系统的故障诊断方法尤为有效。2 人工智能在机械系统中的应用方法 应用机械系统的AI 技术传统上可以分为专家系统（ES）、人工神经网络(ANN)、模糊集理论(FST)和启发式搜索(GA)四类。2.1 专家系统（Expert System .ES） 专家系统是人工智能的主要分支之一。一个典型的专家系统由四部分组成：知识库、推理机、知识获取机制和人机界面。专家系统按其知识表达方式不同，可分为基于规则和基于框架的专家系统；按其推理方式不同可分为正向推理和逆向推理。在知识表达方面，利用产生式规则进行知识表达，一方面得有益于现有人工智能语言，另一方面，它的表达合乎人的心理逻辑，便于进行知识获取，利于人们接受，利用框架进行知识表达得到了越来越多的应用。在诊断推理方面，主要表现在对推理逻辑和推理模型的研究，在人工智能领域，存在着许多推理逻辑，在专家系统中广泛使用模糊推理逻辑降低系统复杂性，在机械系统故障诊断上能产生很好的效果。专家系统技术的研究和应用正以前所未有的速度在故障诊断、模拟仿真、自动控制、工艺编程、生产规划、产品设计等许多机械工程领域不断发展。随着研究工作的不断深入，一些新的技术方法和先进制造技术正融入机械工程专家系统技术的研究和应用中，不仅使知识表示、知识库构建、知识获取和推理模式等关键技术的研究取得了一定成果，还出现了一些集成式的新型专家系统，如神经网络专家系统、模糊专家系统、基于Internet 的专家系统、CAD 专家系统、CAPP 专家系统等。他们综合利用了专家系统启发性、透明性、灵活性以及具有处理不确定知识能力的特点，使机械工程专家系统的应用领域不断拓宽。2.2 人工神经网络（artificial neural network. ANN） 人工神经网络是模拟的生物激励系统，将一系列输入通过神经网络产生输出。这里输出、输入都是标准化的量，输出是输入的非线性函数，其值可由连接各神经元的权重改变，以获得期望的输出值，即所谓的训练过程。基于数值计算方法的神经网络，将已有数据和已知系统模式作样本，通过学习获得两者的映射关系，实现了对人类经验思维的模拟。 由于神经网络具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、并行和处理复杂模式的功能，使其在工程实际存在着大量的多故障、多过程、突发性故障、庞大复杂机器和系统的监测及诊断中发挥着较大作用。 在机械系统的应用方式有：从模式识别角度应用神经网络作为分类器进行故障诊断；从预测角度应用神经网络作为动态预测模型进行故障预测；利用神经网络极强的非线性动态跟踪能力进行基于结构映射的故障诊断；从知识处理角度建立基于神经网络的诊断专家系统等。目前，为提高神经网络在实用中的学习和诊断性能，主要从神经网络模型本身改进和模块化模型诊断策略两方面开展研究；同时，与模糊逻辑的结合研究也是一个研究热点。2.3 模糊集理论（Fuzzy Sets Theory. FSN） 人的认知世界包含大量的不确定之时，需要对所获信息进行一定的模糊化处理，以减少问题的复杂度。1965 年Zadeh 创立的模糊集理论是处理不确定性的一种很好的方法。模糊逻辑可认为是多值逻辑的扩展，能够完成传统数学方法难以做到的近似推理。目前基于多类电量测试信息模糊融合的模拟电路故障诊断方法已经提出。基于K故障节点诊断法和最小标准差法的元件故障隶属函数构造方法,以及基于可测点电压与不同测试频率下电路增益的模糊信息融合诊断算法也已阐述。分别利用此两类测试信息及K 故障诊断法和最小标准差法,对电路进行初步诊断,再运用模糊变换及故障定位规则, 得到融合的故障诊断结果。模拟实验结果表明,所提方法大大提高了机械系统故障定位的准确率。2.4 启发式搜索（Heuristic Search. HS） 遗传算法（Genetic Algorithms ,GA）和模拟退火（Simulated Annealing ,SA）算法是近年来逐渐兴起的两种启发式搜索，通过随机产生新的解并保留其中较好的结果，并避免陷入局部最小，以求得全局最优解或近似最优解。GA是由数字串的集合表示优化问题的解，通过遗传算子，即选择、杂交和变异的操作对数字串寻优。SA 在已知解的邻近区产生新的解，并逐渐缩小邻近区域的大小，直到逼近全局的最优解。两种方法都可以用来求解任意目标函数和约束的最优化问题。 在交流伺服系统中采用遗传算法的模糊神经网络控制较之传统的PID 控制方式具有响应速度快、误差小、无震荡、伺服性能强等优点，仿真结果表明，将遗传算法融入模糊神经网络控制器来控制交流伺服系统，其系统的响应超调量明显减少，具有较好的抗干扰性、伺服性。3 人工智能在机械系统中的发展趋势 人工智能中的四种主要工具， 即ES、ANN、FST 和GA，虽然在机械领域有不同程度的应用，但各自都存在一些局限：ES 存在知识获取的“瓶颈”、知识难以维护、应用面窄、诊断能力弱等问题。ANN 在外推时误差较大、系统结构变化时ANN 的组成结构也要变化、难以实现基于结构化知识的逻辑推理、缺乏解释能力等。FST 存在可维护性问题。GA 在依据的信息发生畸变时，难以保证可靠性等。 目前，缺少一种普遍有效的方法应用于机械系统的各个领域。混合智能，即综合多种智能技术用以设计、控制、监测机械系统成为新的发展趋势。结合的方式主要有基于规则的专家系统与神经网络相结合，CBR 与基于规则系统和神经网络的结合，模糊逻辑、神经网络与专家系统的结合等。其中模糊逻辑、神经网络与专家系统结合的诊断模型是最具发展前景的，也是目前人工智能领域的研究热点之一。混合智能在机械系统的应用中有如下发展趋势：由基于规则的系统到混合模型的系统，由领域专家提供知识到机器学习、由非实时诊断到实时诊断、由单一推理控制到混合推理控制策略等。4 人工智能在机械系统中的应用实例 智能技术在机械领域已经有了许多成功的应用。在工程中，典型的专家系统有帮助工程师发现结构分析问题的分析策略的SACON 系统；帮助识别和排除机车故障的DELTA 系统；帮助操作人员检测和处理核反应堆事故的REACTOR 系统。 在故障诊断方面,1967 年在美国航天局（NASA）倡导下，由美国海军研究室（ONR）主持美国机械故障预防小组（MFPG），积极从事故障诊断技术研究和开发。目前各种类型的故障诊断和维修专家系统已用于美国F- 15 战斗机、B- 1B 轰炸机、海军舰艇、陆军军械装置等现役装备的故障诊断和维修中。在我国，华中理工大学研制了用于汽轮机组工况监测和故障诊断的智能系统DEST；哈尔滨工业大学和上海发电设备成套设计研究所联合研制了汽轮发电机组故障诊断专家系统MMMD- ；清华大学研制了用于锅炉设备故障诊断的专家系统等等。 在电路和数字电子设备方面，MIT 研制用于模拟电路操作并演绎出故障可能原因的EI 系统；美国海军人工智能中心开发了用于诊断电子设备故障的IN- ATE 系统;波音航空公司研制了诊断微波模拟接口MSI 的IMA 系统；意大利米兰工业大学研制用于汽车启动器电路故障诊断的系统。 2006 年初，上海交通大学机电控制研究所、上海市农业机械研究所成功研制了适用于我国数字农业特点的两种主要智能型农业机械：中、小型收割机智能测产系统及其配套软件；智能变量施肥、播种机及其配套软件。虽然相关的应用实例还有很多，但它们大都处于实验室或小范围试验状态，限于成本、技术等问题，不能得到普及应用，这将成为智能技术在机械领域应用的“瓶颈”。引用： http://teardown.eefocus.com/xuweitao/blog/08-01/141923_aa9c4.html

⑦ 人工智能的主要研究领域有哪些

人工智能的主要研究领域有：

语言的学习与处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法人类思维方式，最关键的难题还是机器的自主创造性思维能力的塑造与提升。

如今没有统一的原理或范式指导人工智能研究。许多问题上研究者都存在争论。其中几个长久以来仍没有结论的问题是：是否应从心理或神经方面模拟人工智能?或者像鸟类生物学对于航空工程一样，人类生物学对于人工智能研究是没有关系的？智能行为能否用简单的原则（如逻辑或优化）来描述？还是必须解决大量完全无关的问题？

智能是否可以使用高级符号表达，如词和想法？还是需要“子符号”的处理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提议人工智能应归类为SYNTHETIC INTELLIGENCE，[29]这个概念后来被某些非GOFAI研究者采纳。

(7)人工智能在制造业的应用研究方法扩展阅读：

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。

⑧ 人工智能的研究领域主要有哪些

人工智能的研究领域主要有：模式识别、知识工程、机器人学。

具体分析如下：
1、模式识别：又称图形识别，是通过计算机用数学技术方法来研究模式的自动处理和判读。
2、知识工程：是费根鲍姆教授在第五届国际人工智能会议上提出的一种概念，恰当运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题。
3、机器人学：又称为机器人技术或机器人工程学，是与机器人设计、制造和应用相关的科学，主要研究机器人的控制与被处理物体之间的相互关系。
自从人工智能诞生以来，理论和技术越来越成熟，应用领域在不断的扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以把人的意识、思维的信息过程的模拟。虽然人工智能不是人的智能，但可以像人那样思考、最终可能超过人的智能。

想了解更多有关人工智能方面的详情，推荐咨询达内教育。达内教育拥有1v1督学跟踪式学习有疑问随时沟通，企业级项目，课程穿插大厂真实项目讲解，对标企业人才标准制定专业学习计划，囊括主流热点技术，理论知识+学习思维+实战操作，打造完整学习闭环。达内教育实战讲师、经验丰富、多种班型供学员选择、独创TTS8.0教学系统，满足学生多样化学习需求。感兴趣的话点击此处，免费学习一下

⑨ 人工智能在制造业领域有哪些应用和前景

目前不同行业在智能制造方面，有很多优秀的解决方案和案例

分享一个工业混流制造方向的智能制造

智能制造-玻璃加工-混流制造

华域云脑方案

玻璃加工具有在不改变生产组织方式的前提下，在同一条流水线上同时生产出多种不同型号、不同尺寸、不同数量的产品的特征，属于典型的混流制造。相对于单一产品流水线而言，混流生产系统既可以大批量生产标准产品， 也可以按照客户订单生产小批量非标准产品，因而具有更高的灵活性，可满足客户对 产品的多样化需求，使企业快速响应市场变化。随着经济发展、消费升级混流制造将会变成制造业普遍采用的一种生产组织方式，具有广阔的应用前景。

智慧工厂采用传感技术、通信技术、工控技术，以RFID-MES、VMS（电子看板）、ERP、大数据统一决策系统为核心，实现玻璃加工的生产信息化、管理精细化、调度统一化。方案特点如下：

(1) 生产信息化/自动化：实现切片、磨边、钻孔、钢化、夹胶、镀膜、中空、包装八道工序的全自动，降低生产成本，提高加工效率。

(2)管理精细化：将RFID系统、设备控制系统、MES系统有机集成，实时反馈产品加工信息、现场异常信息、设备信息，形成完整的反馈控制系统。

(3) 调度统一化：基于产品加工状态、工序状态、设备状态等现场信息实现订单、设备的统一调度，同时引入深度学习算法使得调度结果最优化。

南京华域云脑信息科技有限公司

⑩ 人工智能的应用领域有哪些

人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
[编辑本段]【人工和智能】
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或着人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。
人工智能目前在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
[编辑本段]【人工智能的定义】
着名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
人工智能（Artificial Intelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
[编辑本段]【实际应用】
机器视觉:指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统,智能搜索，定理证明，博弈，自动程序设计，还有航天应用等。
[编辑本段]【学科范畴】
人工智能是一门边沿学科，属于自然科学和社会科学的交叉。
[编辑本段]【涉及学科】
哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论，仿生学，
[编辑本段]【研究范畴】
自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法
[编辑本段]【应用领域】
智能控制，机器人学，语言和图像理解，遗传编程
[编辑本段]【意识和人工智能的区别】
人工智能就其本质而言，是对人的思维的信息过程的模拟。
对于人的思维模拟可以从两条道路进行，一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；二是功能模拟，暂时撇开人脑的内部结构，而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。
人工智能不是人的智能，更不会超过人的智能。
“机器思维”同人类思维的本质区别：
1.人工智能纯系无意识的机械的物理的过程，人类智能主要是生理和心理的过程。
2.人工智能没有社会性。
3.人工智能没有人类的意识所特有的能动的创造能力。
4.两者总是人脑的思维在前，电脑的功能在后。
[编辑本段]【强人工智能和弱人工智能】
人工智能的一个比较流行的定义，也是该领域较早的定义，是由约翰·麦卡锡（John McCarthy|）在1956年的达特矛斯会议（Dartmouth Conference）上提出的：人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性（见下）。另一个定义指人工智能是人造机器所表现出来的智能性。总体来讲，目前对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。
强人工智能
强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：
类人的人工智能，即机器的思考和推理就像人的思维一样。
非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
弱人工智能
弱人工智能观点认为不可能制造出能真正地推理（Reasoning）和解决问题（Problem_solving）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则出于停滞不前的状态下。
对强人工智能的哲学争论
“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为：
“强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980）这是指使计算机从事智能的活动。在这里智能的涵义是多义的、不确定的，象下面所提到的就是其中的例子。利用计算机解决问题时，必须知道明确的程序。可是，人即使在不清楚程序时，根据发现（heu- ristic）法而设法巧妙地解决了问题的情况是不少的。如识别书写的文字、图形、声音等，所谓认识模型就是一例。再有，能力因学习而得到的提高和归纳推理、依据类推而进行的推理等，也是其例。此外，解决的程序虽然是清楚的，但是实行起来需要很长时间，对于这样的问题，人能在很短的时间内找出相当好的解决方法，如竞技的比赛等就是其例。还有，计算机在没有给予充分的合乎逻辑的正确信息时，就不能理解它的意义，而人在仅是被给予不充分、不正确的信息的情况下，根据适当的补充信息，也能抓住它的意义。自然语言就是例子。用计算机处理自然语言，称为自然语言处理。
关于强人工智能的争论不同于更广义的一元论和二元论（alism）的争论。其争论要点是：如果一台机器的唯一工作原理就是对编码数据进行转换，那么这台机器是不是有思维的？希尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是对数据进行转换，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。
也有哲学家持不同的观点。Daniel C. Dennett 在其着作 Consciousness Explained 里认为，人也不过是一台有灵魂的机器而已，为什么我们认为人可以有智能而普通机器就不能呢？他认为像上述的数据转换机器是有可能有思维和意识的。
有的哲学家认为如果弱人工智能是可实现的，那么强人工智能也是可实现的。比如Simon Blackburn在其哲学入门教材 Think 里说道，一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。我永远不可能知道另一个人是否真的像我一样是智能的，还是说她／他仅仅是看起来是智能的。基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。Blackburn 认为这是一个主观认定的问题。
需要要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。至少，今日的计算机能做的事，像算术运算等，在百多年前是被认为很需要智能的。
[编辑本段]【人工智能简史】
人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出的，从那以后,研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现到现在，已经出现了许多AI程序，并且它们也影响到了其它 技术的发展。
计算机时代
1941年的一项发明使信息存储和处理的各个方面都发生了革命.这项同时在美国和德国出现的 发明就是电子计算机.第一台计算机要占用几间装空调的大房间,对程序员来说是场恶梦:仅仅为运行一 个程序就要设置成千的线路.1949年改进后的能存储程序的计算机使得输入程序变得简单些,而且计算机 理论的发展产生了计算机科学,并最终促使了人工智能的出现.计算机这个用电子方式处理数据的发明, 为人工智能的可能实现提供了一种媒介.
AI的开端
虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间 的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它 将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈 回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器模拟的.这项发现对早期AI的发展影响很大.
1955年末,Newell和Simon做了一个名为"逻辑专家"(Logic Theorist)的程序.这个程序被许多人 认为是第一个AI程序.它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解 问题."逻辑专家"对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑.1956年,被认为是 人工智能之父的John McCarthy组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论.他请他们到 Vermont参加 " Dartmouth人工智能夏季研究会".从那时起,这个领域被命名为 "人工智能".虽然 Dartmouth学会不是非常成功,但它确实集中了AI的创立者们,并为以后的AI研究奠定了基础.
Dartmouth会议后的7年中,AI研究开始快速发展.虽然这个领域还没明确定义,会议中的一些思想 已被重新考虑和使用了. Carnegie Mellon大学和MIT开始组建AI研究中心.研究面临新的挑战: 下一步需 要建立能够更有效解决问题的系统,例如在"逻辑专家"中减少搜索;还有就是建立可以自我学习的系统.
1957年一个新程序,"通用解题机"(GPS)的第一个版本进行了测试.这个程序是由制作"逻辑专家" 的同一个组开发的.GPS扩展了Wiener的反馈原理,可以解决很多常识问题.两年以后,IBM成立了一个AI研 究组.Herbert Gelerneter花3年时间制作了一个解几何定理的程序.
当越来越多的程序涌现时,McCarthy正忙于一个AI史上的突破.1958年McCarthy宣布了他的新成 果: LISP语言. LISP到今天还在用."LISP"的意思是"表处理"(LISt Processing),它很快就为大多数AI开发者采纳.
1963年MIT从美国政府得到一笔220万美元的资助,用于研究机器辅助识别.这笔资助来自国防部 高级研究计划署(ARPA),已保证美国在技术进步上领先于苏联.这个计划吸引了来自全世界的计算机科学家, 加快了AI研究的发展步伐.
大量的程序
以后几年出现了大量程序.其中一个着名的叫"SHRDLU"."SHRDLU"是"微型世界"项目的一部分,包括 在微型世界(例如只有有限数量的几何形体)中的研究与编程.在MIT由Marvin Minsky领导的研究人员发现, 面对小规模的对象,计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的"STUDENT"可以解决代数 问题,"SIR"可以理解简单的英语句子.这些程序的结果对处理语言理解和逻辑有所帮助.
70年代另一个进展是专家系统.专家系统可以预测在一定条件下某种解的概率.由于当时计算机已 有巨大容量,专家系统有可能从数据中得出规律.专家系统的市场应用很广.十年间,专家系统被用于股市预 测,帮助医生诊断疾病,以及指示矿工确定矿藏位置等.这一切都因为专家系统存储规律和信息的能力而成为可能.
70年代许多新方法被用于AI开发,着名的如Minsky的构造理论.另外David Marr提出了机器视觉方 面的新理论,例如,如何通过一副图像的阴影,形状,颜色,边界和纹理等基本信息辨别图像.通过分析这些信 息,可以推断出图像可能是什么.同时期另一项成果是PROLOGE语言,于1972年提出. 80年代期间,AI前进更为迅速,并更多地进入商业领域.1986年,美国AI相关软硬件销售高达4.25亿 美元.专家系统因其效用尤受需求.象数字电气公司这样的公司用XCON专家系统为VAX大型机编程.杜邦,通用 汽车公司和波音公司也大量依赖专家系统.为满足计算机专家的需要,一些生产专家系统辅助制作软件的公 司,如Teknowledge和Intellicorp成立了。为了查找和改正现有专家系统中的错误,又有另外一些专家系统被设计出来.
从实验室到日常生活
人们开始感受到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员. 个人电脑和众多技术杂志使计算机技术展现在人们面前.有了象美国人工智能协会这样的基金会.因为AI开发 的需要,还出现了一阵研究人员进入私人公司的热潮。150多所像DEC(它雇了700多员工从事AI研究)这样的公司共花了10亿美元在内部的AI开发组上.
其它一些AI领域也在80年代进入市场.其中一项就是机器视觉. Minsky和Marr的成果现在用到了生产线上的相机和计算机中,进行质量控制.尽管还很简陋,这些系统已能够通过黑白区别分辨出物件形状的不同.到1985年美国有一百多个公司生产机器视觉系统,销售额共达8千万美元.
但80年代对AI工业来说也不全是好年景.86-87年对AI系统的需求下降,业界损失了近5亿美元.象 Teknowledge和Intellicorp两家共损失超过6百万美元,大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费.另一个另人失望的是国防部高级研究计划署支持的所谓"智能卡车".这个项目目的是研制一种能完成许多战地任务的机器人。由于项目缺陷和成功无望,Pentagon停止了项目的经费.
尽管经历了这些受挫的事件,AI仍在慢慢恢复发展.新的技术在日本被开发出来,如在美国首创的模糊逻辑,它可以从不确定的条件作出决策;还有神经网络,被视为实现人工智能的可能途径.总之,80年代AI被引入了市场,并显示出实用价值.可以确信,它将是通向21世纪之匙. 人工智能技术接受检验 在"沙漠风暴"行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以 及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了公众兴趣;一些面向苹果机和IBM兼容机的应用 软件例如语音和文字识别已可买到;使用模糊逻辑,AI技术简化了摄像设备.对人工智能相关技术更大的需求促 使新的进步不断出现.人工智能已经并且将继续不可避免地改变我们的生活.
人工智能专业机构
美国
1. Massachusetts Institute of Technology 麻省理工学院
2. Stanford University 斯坦福大学 (CA)
3. Carnegie Mellon University 卡内基美隆大学 (PA)
4. University of California-Berkeley 加州大学伯克利分校
5. University of Washington 华盛顿大学
6. University of Texas-Austin 德克萨斯大学奥斯汀分校
7. University of Pennsylvania 宾夕法尼亚大学
8. University of Illinois-Urbana-Champaign 伊利诺伊大学厄本那—香槟分校
9. University of Maryland-College Park 马里兰大学帕克分校
10. Cornell University 康乃尔大学 (NY)
11. University of Massachusetts-Amherst 马萨诸塞大学Amherst校区
12. Georgia Institute of Technology 佐治亚理工学院
University of Michigan-Ann Arbor 密西根大学-安娜堡分校
14. University of Southern California 南加州大学
15. Columbia University 哥伦比亚大学 (NY)
University of California-Los Angeles 加州大学-洛杉矶分校
17. Brown University 布朗大学 (RI)
18. Yale University 耶鲁大学 (CT)
19. University of California-San Diego 加利福尼亚大学圣地亚哥分校
20. University of Wisconsin-Madison 威斯康星大学麦迪逊分校
中国
1、北京大学
2、清华大学
3、哈尔滨工业大学
4、厦门大学人工智能研究所
5、中国AI创业研发俱乐部