人工智能的一個(gè)比較流行的定義，也是該領(lǐng)域較早的定義，是由當(dāng)時(shí)麻省理工學(xué)院的約翰·麥卡錫在1956年的達(dá)特矛斯會(huì)議上提出的（對(duì)此有爭(zhēng)議）：人工智能就是要讓機(jī)器的行為看起來(lái)就像是人所表現(xiàn)出的智能行為一樣。但是這個(gè)定義似乎忽略了強(qiáng)人工智能的可能性。另一個(gè)定義指人工智能是人造機(jī)器所表現(xiàn)出來(lái)的智能?？傮w來(lái)講，當(dāng)前對(duì)人工智能的定義大多可劃分為四類，即機(jī)器“像人一樣思考”、“像人一樣行動(dòng)”、“理性地思考”和“理性地行動(dòng)”。這里“行動(dòng)”應(yīng)廣義地理解為采取行動(dòng)，或制定行動(dòng)的決策，而不是肢體動(dòng)作。

強(qiáng)人工智能

強(qiáng)人工智能觀點(diǎn)認(rèn)為“有可能”制造出“真正”能推理和解決問題的智能機(jī)器，并且，這樣的機(jī)器將被認(rèn)為是具有知覺、有自我意識(shí)的。強(qiáng)人工智能可以有兩類：

• 人類的人工智能，即機(jī)器的思考和推理就像人的思維一樣。

• 非人類的人工智能，即機(jī)器產(chǎn)生了和人完全不一樣的知覺和意識(shí)，使用和人完全不一樣的推理方式。

弱人工智能

弱人工智能觀點(diǎn)認(rèn)為“不可能”制造出能“真正”地推理和解決問題的智能機(jī)器，這些機(jī)器只不過(guò)“看起來(lái)”像是智能的，但是并不真正擁有智能，也不會(huì)有自主意識(shí)。

弱人工智能是對(duì)比強(qiáng)人工智能才出現(xiàn)的，因?yàn)槿斯ぶ悄艿难芯恳欢忍幱谕磺暗臓顟B(tài)下，直到類神經(jīng)網(wǎng)絡(luò)有了強(qiáng)大的運(yùn)算能力加以模擬后，才開始改變并大幅超前。但人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解強(qiáng)人工智能和弱人工智能的內(nèi)容與差別，對(duì)定義爭(zhēng)論不休。

就當(dāng)下的人工智能研究領(lǐng)域來(lái)看，研究者已大量造出“看起來(lái)”像是智能的機(jī)器，獲取相當(dāng)豐碩的理論上和實(shí)質(zhì)上的成果，如2009年康乃爾大學(xué)教授Hod Lipson 和其博士研究生Michael Schmidt 研發(fā)出的 Eureqa計(jì)算機(jī)程序，只要給予一些數(shù)據(jù)，這計(jì)算機(jī)程序自己只用幾十個(gè)小時(shí)計(jì)算就推論出牛頓花費(fèi)多年研究才發(fā)現(xiàn)的牛頓力學(xué)公式，等于只用幾十個(gè)小時(shí)就自己重新發(fā)現(xiàn)牛頓力學(xué)公式，這計(jì)算機(jī)程序也能用來(lái)研究很多其他領(lǐng)域的科學(xué)問題上。這些所謂的弱人工智能在神經(jīng)網(wǎng)絡(luò)發(fā)展下已經(jīng)有巨大進(jìn)步，但對(duì)于要如何集成成強(qiáng)人工智能，現(xiàn)在還沒有明確定論。

對(duì)強(qiáng)人工智能的哲學(xué)爭(zhēng)論

“強(qiáng)人工智能”一詞最初是約翰·羅杰斯·希爾勒針對(duì)計(jì)算機(jī)和其它信息處理機(jī)器創(chuàng)造的，其定義為：

“強(qiáng)人工智能觀點(diǎn)認(rèn)為計(jì)算機(jī)不僅是用來(lái)研究人的思維的一種工具；相反，只要運(yùn)行適當(dāng)?shù)某绦?，?jì)算機(jī)本身就是有思維的?！保↗ Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980）

關(guān)于強(qiáng)人工智能的爭(zhēng)論，不同于更廣義的一元論和二元論的爭(zhēng)論。其爭(zhēng)論要點(diǎn)是：如果一臺(tái)機(jī)器的唯一工作原理就是轉(zhuǎn)換編碼數(shù)據(jù)，那么這臺(tái)機(jī)器是不是有思維的？希爾勒認(rèn)為這是不可能的。他舉了個(gè)中文房間的例子來(lái)說(shuō)明，如果機(jī)器僅僅是轉(zhuǎn)換數(shù)據(jù)，而數(shù)據(jù)本身是對(duì)某些事情的一種編碼表現(xiàn)，那么在不理解這一編碼和這實(shí)際事情之間的對(duì)應(yīng)關(guān)系的前提下，機(jī)器不可能對(duì)其處理的數(shù)據(jù)有任何理解?；谶@一論點(diǎn)，希爾勒認(rèn)為即使有機(jī)器通過(guò)了圖靈測(cè)試，也不一定說(shuō)明機(jī)器就真的像人一樣有自我思維和自由意識(shí)。

也有哲學(xué)家持不同的觀點(diǎn)。丹尼爾·丹尼特在其著作《意識(shí)的解釋（英語(yǔ)：Consciousness Explained）》（Consciousness Explained）里認(rèn)為，人也不過(guò)是一臺(tái)有靈魂的機(jī)器而已，為什么我們認(rèn)為：“人可以有智能，而普通機(jī)器就不能”呢？他認(rèn)為像上述的數(shù)據(jù)轉(zhuǎn)換機(jī)器是有可能有思維和意識(shí)的。

有的哲學(xué)家認(rèn)為如果弱人工智能是可實(shí)現(xiàn)的，那么強(qiáng)人工智能也是可實(shí)現(xiàn)的。比如西蒙·布萊克本（英語(yǔ)：Simon Blackburn）（Simon Blackburn）在其哲學(xué)入門教材Think里說(shuō)道，一個(gè)人的看起來(lái)是“智能”的行動(dòng)并不能真正說(shuō)明這個(gè)人就真的是智能的。我永遠(yuǎn)不可能知道另一個(gè)人是否真的像我一樣是智能的，還是說(shuō)她／他僅僅是“看起來(lái)”是智能的?；谶@個(gè)論點(diǎn)，既然弱人工智能認(rèn)為可以令機(jī)器“看起來(lái)”像是智能的，那就不能完全否定這機(jī)器是真的有智能的。布萊克本認(rèn)為這是一個(gè)主觀認(rèn)定的問題。

需要指出的是，弱人工智能并非和強(qiáng)人工智能完全對(duì)立，也就是說(shuō)，即使強(qiáng)人工智能是可能的，弱人工智能仍然是有意義的。至少，今日的計(jì)算機(jī)能做的事，像算術(shù)運(yùn)算等，在一百多年前是被認(rèn)為很需要智能的。并且，即使強(qiáng)人工智能被證明為可能的，也不代表強(qiáng)人工智能必定能被研制出來(lái)。

研究方法

當(dāng)前沒有統(tǒng)一的原理或范式指導(dǎo)人工智能研究。許多問題上研究者都存在爭(zhēng)論。 

其中幾個(gè)長(zhǎng)久以來(lái)仍沒有結(jié)論的問題是：是否應(yīng)從心理或神經(jīng)方面模擬人工智能?或者像鳥類生物學(xué)對(duì)于航空工程一樣，人類生物學(xué)對(duì)于人工智能研究是沒有關(guān)系的？智能行為能否用簡(jiǎn)單的原則（如邏輯或優(yōu)化）來(lái)描述？還是必須解決大量完全無(wú)關(guān)的問題？ 

智能是否可以使用高級(jí)符號(hào)表達(dá)，如詞和想法？還是需要“子符號(hào)”的處理？約翰·豪格蘭德（John Haugeland）提出了GOFAI（出色的老式人工智能）的概念，也提議人工智能應(yīng)歸類為synthetic intelligence（英語(yǔ)：synthetic intelligence），這個(gè)概念后來(lái)被某些非GOFAI研究者采納。 

控制論與大腦模擬

20世紀(jì)40年代到50年代，許多研究者探索神經(jīng)學(xué)、信息理論及控制論之間的聯(lián)系。其中還造出一些使用電子網(wǎng)絡(luò)構(gòu)造的初步智能，如格雷·華特（W. Grey Walter）的烏龜（turtle）和約翰霍普金斯野獸。

這些研究者還經(jīng)常在普林斯頓大學(xué)和英國(guó)的Ratio Club舉行技術(shù)協(xié)會(huì)會(huì)議。直到1960，大部分人已經(jīng)放棄這個(gè)方法，盡管在80年代再次提出這些原理。

符號(hào)處理

當(dāng)20世紀(jì)50年代，數(shù)字計(jì)算機(jī)研制成功，研究者開始探索人類智能是否能簡(jiǎn)化成符號(hào)處理。研究主要集中在卡內(nèi)基梅隆大學(xué)，斯坦福大學(xué)和麻省理工學(xué)院，而各自有獨(dú)立的研究風(fēng)格。約翰·豪格蘭德（John Haugeland）稱這些方法為GOFAI（出色的老式人工智能）。60年代，符號(hào)方法在小型證明程序上模擬高級(jí)思考有很大的成就?；诳刂普摶蛏窠?jīng)網(wǎng)絡(luò)的方法則置于次要。60－70年代的研究者確信符號(hào)方法最終可以成功創(chuàng)造強(qiáng)人工智能的機(jī)器，同時(shí)這也是他們的目標(biāo)。

• 認(rèn)知模擬：經(jīng)濟(jì)學(xué)家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化，同時(shí)他們?yōu)槿斯ぶ悄艿幕驹泶蛳禄A(chǔ)，如認(rèn)知科學(xué)、運(yùn)籌學(xué)和經(jīng)營(yíng)科學(xué)。他們的研究團(tuán)隊(duì)使用心理學(xué)實(shí)驗(yàn)的結(jié)果開發(fā)模擬人類解決問題方法的程序。這方法一直在卡內(nèi)基梅隆大學(xué)沿襲下來(lái)，并在80年代于Soar發(fā)展到高峰。

• 基于邏輯：不像艾倫·紐厄爾和赫伯特·西蒙，約翰·麥卡錫認(rèn)為機(jī)器不需要模擬人類的思想，而應(yīng)嘗試找到抽象推理和解決問題的本質(zhì)，不管人們是否使用同樣的算法。他在斯坦福大學(xué)的實(shí)驗(yàn)室致力于使用形式化邏輯解決多種問題，包括知識(shí)表示，智能規(guī)劃和機(jī)器學(xué)習(xí)。致力于邏輯方法的還有愛丁堡大學(xué)，而促成歐洲的其他地方開發(fā)編程語(yǔ)言Prolog和邏輯編程科學(xué)。

• “反邏輯”: 斯坦福大學(xué)的研究者 （如馬文·閔斯基和西摩爾·派普特）發(fā)現(xiàn)要解決計(jì)算機(jī)視覺和自然語(yǔ)言處理的困難問題，需要專門的方案：他們主張不存在簡(jiǎn)單和通用原理（如邏輯）能夠達(dá)到所有的智能行為。羅杰·單克（Roger Schank）描述他們的“反邏輯”方法為“scruffy”。常識(shí)知識(shí)庫(kù)（如道格拉斯·萊納特的Cyc）就是“scruffy”AI的例子，因?yàn)樗麄儽仨毴斯ひ淮尉帉懸粋€(gè)復(fù)雜的概念。

• 基于知識(shí)：大約在1970年出現(xiàn)大容量?jī)?nèi)存計(jì)算機(jī)，研究者分別以三個(gè)方法開始把知識(shí)構(gòu)造成應(yīng)用軟件。這場(chǎng)“知識(shí)革命”促成專家系統(tǒng)的開發(fā)與計(jì)劃，這是第一個(gè)成功的人工智能軟件形式?！爸R(shí)革命”同時(shí)讓人們意識(shí)到許多簡(jiǎn)單的人工智能軟件可能需要大量的知識(shí)。

子符號(hào)方法

1980年代符號(hào)人工智能停滯不前，很多人認(rèn)為符號(hào)系統(tǒng)永遠(yuǎn)不可能模仿人類所有的認(rèn)知過(guò)程，特別是感知、機(jī)器人、機(jī)器學(xué)習(xí)和模式識(shí)別。很多研究者開始關(guān)注子符號(hào)方法解決特定的人工智能問題。

• 自下而上、接口agent、嵌入環(huán)境（機(jī)器人）、行為主義、新式AI：機(jī)器人領(lǐng)域相關(guān)的研究者，如羅德尼·布魯克斯（Rodney Brooks），否定符號(hào)人工智能而專注于機(jī)器人移動(dòng)和求生等基本的工程問題。他們的工作再次關(guān)注早期控制論研究者的觀點(diǎn)，同時(shí)提出了在人工智能中使用控制理論。這與認(rèn)知科學(xué)領(lǐng)域中的表征感知論點(diǎn)是一致的:更高的智能需要個(gè)體的表征（如移動(dòng)，感知和形象）。

• 計(jì)算智能：1980年代中大衛(wèi)·魯姆哈特（David E. Rumelhart）等再次提出神經(jīng)網(wǎng)絡(luò)和聯(lián)結(jié)主義。這和其他的子符號(hào)方法，如模糊控制和進(jìn)化計(jì)算，都屬于計(jì)算智能學(xué)科研究范疇。

統(tǒng)計(jì)學(xué)方法

1990年代，人工智能研究發(fā)展出復(fù)雜的數(shù)學(xué)工具來(lái)解決特定的分支問題。這些工具是真正的科學(xué)方法，即這些方法的結(jié)果是可測(cè)量的和可驗(yàn)證的，同時(shí)也是近期人工智能成功的原因。共享的數(shù)學(xué)語(yǔ)言也允許已有學(xué)科的合作（如數(shù)學(xué)，經(jīng)濟(jì)或運(yùn)籌學(xué)）。Stuart J. Russell和Peter Norvig指出這些進(jìn)步不亞于“革命”和“neats的成功”。有人批評(píng)這些技術(shù)太專注于特定的問題，而沒有考慮長(zhǎng)遠(yuǎn)的強(qiáng)人工智能目標(biāo)。

集成方法

• 智能agent范式：智能agent是一個(gè)會(huì)感知環(huán)境并作出行動(dòng)以達(dá)致目標(biāo)的系統(tǒng)。最簡(jiǎn)單的智能agent是那些可以解決特定問題的程序。更復(fù)雜的agent包括人類和人類組織（如公司）。這些范式可以讓研究者研究單獨(dú)的問題和找出有用且可驗(yàn)證的方案，而不需考慮單一的方法。一個(gè)解決特定問題的agent可以使用任何可行的方法-一些agent用符號(hào)方法和邏輯方法，一些則是子符號(hào)神經(jīng)網(wǎng)絡(luò)或其他新的方法。范式同時(shí)也給研究者提供一個(gè)與其他領(lǐng)域溝通的共同語(yǔ)言--如決策論和經(jīng)濟(jì)學(xué)（也使用abstract agents的概念）。1990年代智能agent范式被廣泛接受。

• 代理架構(gòu)和認(rèn)知架構(gòu)：研究者設(shè)計(jì)出一些系統(tǒng)來(lái)處理多agent系統(tǒng)中智能agent之間的相互作用。一個(gè)系統(tǒng)中包含符號(hào)和子符號(hào)部分的系統(tǒng)稱為混合智能系統(tǒng)，而對(duì)這種系統(tǒng)的研究則是人工智能系統(tǒng)集成。分級(jí)控制系統(tǒng)則給反應(yīng)級(jí)別的子符號(hào)AI和最高級(jí)別的傳統(tǒng)符號(hào)AI提供橋梁，同時(shí)放寬了規(guī)劃和世界建模的時(shí)間。

基本應(yīng)用

人工智能基本的應(yīng)用可分為四大部分：

感知能力（Perception)

指的是人類透過(guò)感官所收到環(huán)境的刺激，察覺消息的能力，簡(jiǎn)單的說(shuō)就是人類五官的看、聽、說(shuō)、讀、寫等能力，學(xué)習(xí)人類的感知能力是AI當(dāng)前主要的焦點(diǎn)之一，包括：

• “看”：電腦視覺（Computer Vision）、圖像識(shí)別（Image Recognition）、人臉識(shí)別（Face Recognition）、對(duì)象偵測(cè)（Object Detection）。

• “聽”：語(yǔ)音識(shí)別（Sound Recognition）。

• “讀”：自然語(yǔ)言處理（Natural Language Processing，NLP）、語(yǔ)音轉(zhuǎn)換文本（Speech-to-Text）。

• “寫”：機(jī)器翻譯（Machine Translation）。

• “說(shuō)”：語(yǔ)音生成（Sound Generation）、文本轉(zhuǎn)換語(yǔ)音（Text-to-Speech）。

認(rèn)知能力（Cognition）

指的是人類透過(guò)學(xué)習(xí)、判斷、分析等等心理活動(dòng)來(lái)了解消息、獲取知識(shí)的過(guò)程與能力，對(duì)人類認(rèn)知的模仿與學(xué)習(xí)也是當(dāng)前AI第二個(gè)焦點(diǎn)領(lǐng)域，主要包括：

• 分析識(shí)別能力：例如醫(yī)學(xué)圖像分析、產(chǎn)品推薦、垃圾郵件識(shí)別、法律案件分析、犯罪偵測(cè)、信用風(fēng)險(xiǎn)分析、消費(fèi)行為分析等。

• 預(yù)測(cè)能力：例如AI運(yùn)行的預(yù)防性維修（Predictive Maintenance）、智能天然災(zāi)害預(yù)測(cè)與防治。

• 判斷能力：例如AI下圍棋、自動(dòng)駕駛車、健保詐欺判斷、癌癥判斷等。

• 學(xué)習(xí)能力：例如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、增強(qiáng)式學(xué)習(xí)等等各種學(xué)習(xí)方法。

創(chuàng)造力（Creativity）

指的是人類產(chǎn)生新思想，新發(fā)現(xiàn)，新方法，新理論，新設(shè)計(jì)，創(chuàng)造新事物的能力，它是結(jié)合知識(shí)、智力、能力、個(gè)性及潛意識(shí)等各種因素優(yōu)化而成，這個(gè)領(lǐng)域當(dāng)前人類仍遙遙領(lǐng)先AI，但AI也試著急起直追，主要領(lǐng)域包括：AI作曲、AI作詩(shī)、AI小說(shuō)、AI繪畫、AI設(shè)計(jì)等。

智能（Wisdom）

指的是人類深刻了解人、事、物的真相，能探求真實(shí)真理、明辨是非，指導(dǎo)人類可以過(guò)著有意義生活的一種能力，這個(gè)領(lǐng)域牽涉人類自我意識(shí)、自我認(rèn)知與價(jià)值觀，是ˋ當(dāng)前AI尚未觸及的一部分，也是人類最難以模仿的一個(gè)領(lǐng)域。