【文章內(nèi)容簡(jiǎn)介】 領(lǐng)域都有著特有的感興趣的研究課題、研究技術(shù)和術(shù)語(yǔ)。在人工智能中，這樣的領(lǐng)域包括自然語(yǔ)言處理、自動(dòng)定理證明、自動(dòng)程序設(shè)計(jì)、智能檢索、智能調(diào)度、機(jī)器學(xué)習(xí)、專(zhuān)家系統(tǒng)、機(jī)器人學(xué)、智能控制、模式識(shí)別、視覺(jué)系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、agent、計(jì)算智能、問(wèn)題求解、人工生命、人工智能方法、程序設(shè)計(jì)語(yǔ)言等。在過(guò)去50多年里，已經(jīng)建立了一些具有人工智能的計(jì)算機(jī)系統(tǒng)；例如，能夠求解微分方程的，下棋的，設(shè)計(jì)分析集成電路的，合成人類(lèi)自然語(yǔ)言的，檢索情報(bào)的，診斷疾病以及控制控制太空飛行器、地面移動(dòng)機(jī)器人和水下機(jī)器人的具有不同程度人工智能的計(jì)算機(jī)系統(tǒng)。人工智能是一種外向型的學(xué)科，它不但要求研究它的人懂得人工智能的知識(shí)，而且要求有比較扎實(shí)的數(shù)學(xué)基礎(chǔ)，哲學(xué)和生物學(xué)基礎(chǔ)，只有這樣才可能讓一臺(tái)什么也不知道的機(jī)器模擬人的思維。因?yàn)槿斯ぶ悄艿难芯款I(lǐng)域十分廣闊，它總的來(lái)說(shuō)是面向應(yīng)用的，也就說(shuō)什么地方有人在工作，它就可以用在什么地方，因?yàn)槿斯ぶ悄艿淖罡灸康倪€是要模擬人類(lèi)的思維。參照人在各種活動(dòng)中的功能，我們可以得到人工智能的領(lǐng)域也不過(guò)就是代替人的活動(dòng)而已。哪個(gè)領(lǐng)域有人進(jìn)行的智力活動(dòng)，哪個(gè)領(lǐng)域就是人工智能研究的領(lǐng)域。人工智能就是為了應(yīng)用機(jī)器的長(zhǎng)處來(lái)幫助人類(lèi)進(jìn)行智力活動(dòng)。人工智能研究的目的就是要模擬人類(lèi)神經(jīng)系統(tǒng)的功能。二、各領(lǐng)域國(guó)內(nèi)外研究現(xiàn)狀（進(jìn)展成果）近年來(lái)，人工智能的研究和應(yīng)用出現(xiàn)了許多新的領(lǐng)域，它們是傳統(tǒng)人工智能的延伸和擴(kuò)展。在新世紀(jì)開(kāi)始的時(shí)候，這些新研究已引起人們的更密切關(guān)注。這些新領(lǐng)域有分布式人工智能與艾真體（agent）、計(jì)算智能與進(jìn)化計(jì)算、數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)，以及人工生命等。下面逐一加以概略介紹。分布式人工智能與艾真體分布式人工智能（Distributed AI，DAI）是分布式計(jì)算與人工智能結(jié)合的結(jié)果。DAI系統(tǒng)以魯棒性作為控制系統(tǒng)質(zhì)量的標(biāo)準(zhǔn)，并具有互操作性，即不同的異構(gòu)系統(tǒng)在快速變化的環(huán)境中具有交換信息和協(xié)同工作的能力。分布式人工智能的研究目標(biāo)是要?jiǎng)?chuàng)建一種能夠描述自然系統(tǒng)和社會(huì)系統(tǒng)的精確概念模型。DAI中的智能并非獨(dú)立存在的概念，只能在團(tuán)體協(xié)作中實(shí)現(xiàn)，因而其主要研究問(wèn)題是各艾真體間的合作與對(duì)話，包括分布式問(wèn)題求解和多艾真體系統(tǒng)（Multiagent System，MAS）兩領(lǐng)域。其中，分布式問(wèn)題求解把一個(gè)具體的求解問(wèn)題劃分為多個(gè)相互合作和知識(shí)共享的模塊或結(jié)點(diǎn)。多艾真體系統(tǒng)則研究各艾真體間智能行為的協(xié)調(diào)，包括規(guī)劃、知識(shí)、技術(shù)和動(dòng)作的協(xié)調(diào)。這兩個(gè)研究領(lǐng)域都要研究知識(shí)、資源和控制的劃分問(wèn)題，但分布式問(wèn)題求解往往含有一個(gè)全局的概念模型、問(wèn)題和成功標(biāo)準(zhǔn)，而MAS則含有多個(gè)局部的概念模型、問(wèn)題和成功標(biāo)準(zhǔn)。MAS更能體現(xiàn)人類(lèi)的社會(huì)智能，具有更大的靈活性和適應(yīng)性，更適合開(kāi)放和動(dòng)態(tài)的世界環(huán)境，因而倍受重視，已成為人工智能以至計(jì)算機(jī)科學(xué)和控制科學(xué)與工程的研究熱點(diǎn)。當(dāng)前，艾真體和MAS的研究包括理論、體系結(jié)構(gòu)、語(yǔ)言、合作與協(xié)調(diào)、通訊和交互技術(shù)、MAS學(xué)習(xí)和應(yīng)用等。MAS已在自動(dòng)駕駛、機(jī)器人導(dǎo)航、機(jī)場(chǎng)管理、電力管理和信息檢索等方面獲得應(yīng)用。計(jì)算智能與進(jìn)化計(jì)算計(jì)算智能（Computing Intelligence）涉及神經(jīng)計(jì)算、模糊計(jì)算、進(jìn)化計(jì)算等研究領(lǐng)域。其中，神經(jīng)計(jì)算和模糊計(jì)算已有較長(zhǎng)的研究歷史，而進(jìn)化計(jì)算則是較新的研究領(lǐng)域。在此僅對(duì)進(jìn)化計(jì)算加以說(shuō)明。進(jìn)化計(jì)算（Evolutionary Computation）是指一類(lèi)以達(dá)爾文進(jìn)化論為依據(jù)來(lái)設(shè)計(jì)、控制和優(yōu)化人工系統(tǒng)的技術(shù)和方法的總稱(chēng)，它包括遺傳算法（Genetic Algorithms）、進(jìn)化策略（Evolutionary Strategies）和進(jìn)化規(guī)劃（Evolutionary Programming）。它們遵循相同的指導(dǎo)思想，但彼此存在一定差別。同時(shí)，進(jìn)化計(jì)算的研究關(guān)注學(xué)科的交叉和廣泛的應(yīng)用背景，因而引入了許多新的方法和特征，彼此間難于分類(lèi)，這些都統(tǒng)稱(chēng)為進(jìn)化計(jì)算方法。目前，進(jìn)化計(jì)算被廣泛運(yùn)用于許多復(fù)雜系統(tǒng)的自適應(yīng)控制和復(fù)雜優(yōu)化問(wèn)題等研究領(lǐng)域，如并行計(jì)算、機(jī)器學(xué)習(xí)、電路設(shè)計(jì)、神經(jīng)網(wǎng)絡(luò)、基于艾真體的仿真、元胞自動(dòng)機(jī)等。達(dá)爾文進(jìn)化論是一種魯棒的搜索和優(yōu)化機(jī)制，對(duì)計(jì)算機(jī)科學(xué)，特別是對(duì)人工智能的發(fā)展產(chǎn)生了很大的影響。大多數(shù)生物體通過(guò)自然選擇和有性生殖進(jìn)行進(jìn)化。自然選擇決定了群體中哪些個(gè)體能夠生存和繁殖，有性生殖保證了后代基因中的混合和重組。自然選擇的原則是適者生存，即物競(jìng)天擇，優(yōu)勝劣汰。直到幾年前，遺傳算法、進(jìn)化規(guī)劃、進(jìn)化策略三個(gè)領(lǐng)域的研究才開(kāi)始交流，并發(fā)現(xiàn)它們的共同理論基礎(chǔ)是生物進(jìn)化論。因此，把這三種方法統(tǒng)稱(chēng)為進(jìn)化計(jì)算，而把相應(yīng)的算法稱(chēng)為進(jìn)化算法。數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)知識(shí)獲取是知識(shí)信息處理的關(guān)鍵問(wèn)題之一。20世紀(jì)80年代人們?cè)谥R(shí)發(fā)現(xiàn)方面取得了一定的進(jìn)展。利用樣本，通過(guò)歸納學(xué)習(xí)，或者與神經(jīng)計(jì)算結(jié)合起來(lái)進(jìn)行知識(shí)獲取已有一些試驗(yàn)系統(tǒng)。數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)是90年代初期新崛起的一個(gè)活躍的研究領(lǐng)域。在數(shù)據(jù)庫(kù)基礎(chǔ)上實(shí)現(xiàn)的知識(shí)發(fā)現(xiàn)系統(tǒng)，通過(guò)綜合運(yùn)用統(tǒng)計(jì)學(xué)、粗糙集、模糊數(shù)學(xué)、機(jī)器學(xué)習(xí)和專(zhuān)家系統(tǒng)等多種學(xué)習(xí)手段和方法，從大量的數(shù)據(jù)中提煉出抽象的知識(shí)，從而揭示出蘊(yùn)涵在這些數(shù)據(jù)背后的客觀世界的內(nèi)在聯(lián)系和本質(zhì)規(guī)律，實(shí)現(xiàn)知識(shí)的自動(dòng)獲取。這是一個(gè)富有挑戰(zhàn)性、并具有廣闊應(yīng)用前景的研究課題。從數(shù)據(jù)庫(kù)獲取知識(shí)，即從數(shù)據(jù)中挖掘并發(fā)現(xiàn)知識(shí)，首先要解決被發(fā)現(xiàn)知識(shí)的表達(dá)問(wèn)題。最好的表達(dá)方式是自然語(yǔ)言，因?yàn)樗侨祟?lèi)的思維和交流語(yǔ)言。知識(shí)表示的最根本問(wèn)題就是如何形成用自然語(yǔ)言表達(dá)的概念。機(jī)器知識(shí)發(fā)現(xiàn)始于1974年，并在此后十年中獲得一些進(jìn)展。這些進(jìn)展往往與專(zhuān)家系統(tǒng)的知識(shí)獲取研究有關(guān)。到20世紀(jì)80年代末，數(shù)據(jù)挖掘取得突破。越來(lái)越多的研究者加入到知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘的研究行列?，F(xiàn)在，知識(shí)發(fā)現(xiàn)和數(shù)據(jù)挖掘已成為人工智能研究的又一熱點(diǎn)。比較成功的知識(shí)發(fā)現(xiàn)系統(tǒng)有用于超級(jí)市場(chǎng)商品數(shù)據(jù)分析、解釋和報(bào)告的CoverStory系統(tǒng)，用于概念性數(shù)據(jù)分析和查尋感興趣關(guān)系的集成化系統(tǒng)EXPLORA，交互式大型數(shù)據(jù)庫(kù)分析工具KDW，用于自動(dòng)分析大規(guī)模天空觀測(cè)數(shù)據(jù)的SKICAT系統(tǒng)，以及通用的數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)系統(tǒng)KDD等。人工生命人工生命（Artificial Life，ALife）的概念是由美國(guó)圣菲研究所非線性研究組的蘭頓（Langton）于1987年提出的，旨在用計(jì)算機(jī)和精密機(jī)械等人工媒介生成或構(gòu)造出能夠表現(xiàn)自然生命系統(tǒng)行為特征的仿真系統(tǒng)或模型系統(tǒng)。自然生命系統(tǒng)行為具有自組織、自復(fù)制、自修復(fù)等特征以及形成這些特征的混沌動(dòng)力學(xué)、進(jìn)化和環(huán)境適應(yīng)。人工生命所研究的人造系統(tǒng)能夠演示具有自然生命系統(tǒng)特征的行為，在“生命之所能”（life as it could be）的廣闊范圍內(nèi)深入研究“生命之所知”（life as we know it）的實(shí)質(zhì)。只有從“生命之所能”的廣泛內(nèi)容來(lái)考察生命，才能真正理解生物的本質(zhì)。人工生命與生命的形式化基礎(chǔ)有關(guān)。生物學(xué)從問(wèn)題的頂層開(kāi)始，把器官、組織、細(xì)胞、細(xì)胞膜，直到分子，以探索生命的奧秘和機(jī)理。人工生命則從問(wèn)題的底層開(kāi)始，把器官作為簡(jiǎn)單機(jī)構(gòu)的宏觀群體來(lái)考察，自底向上進(jìn)行綜合，把簡(jiǎn)單的由規(guī)則支配的對(duì)象構(gòu)成更大的集合，并在交互作用中研究非線性系統(tǒng)的類(lèi)似生命的全局動(dòng)力學(xué)特性。人工生命的理論和方法有別于傳統(tǒng)人工智能和神經(jīng)網(wǎng)絡(luò)的理論和方法。人工生命把生命現(xiàn)象所體現(xiàn)的自適應(yīng)機(jī)理通過(guò)計(jì)算機(jī)進(jìn)行仿真，對(duì)相關(guān)非線性對(duì)象進(jìn)行更真實(shí)的動(dòng)態(tài)描述和動(dòng)態(tài)特征研究。人工生命學(xué)科的研究?jī)?nèi)容包括生命現(xiàn)象的仿生系統(tǒng)、人工建模與仿真、進(jìn)化動(dòng)力學(xué)、人工生命的計(jì)算理論、進(jìn)化與學(xué)習(xí)綜合系統(tǒng)以及人工生命的應(yīng)用等。比較典型的人工生命研究有計(jì)算機(jī)病毒、計(jì)算機(jī)進(jìn)程、進(jìn)化機(jī)器人、自催化網(wǎng)絡(luò)、細(xì)胞自動(dòng)機(jī)、人工核苷酸和人工腦等。三、學(xué)了人工智能課程的收獲（1）了解人工智能的概念和人工智能的發(fā)展，了解國(guó)際人工智能的主要流派和路線，了解國(guó)內(nèi)人工智能研究的基本情況，熟悉人工智能的研究領(lǐng)域。（2）較詳細(xì)地論述知識(shí)表