此條目介紹的是人工智慧。关于其他用法，请见「
AI 」。
人工智能 （英語：artificial intelligence ，缩写为AI 機器智能 ，指由人製造出來的機器所表現出來的智慧 。通常人工智能是指用普通電腦程式來呈現人類智能的技術。該詞也指出研究這樣的智能系統是否能夠實現，以及如何實現。同时，通過醫學 、神經科學 、机器人学 及統計學 等的進步，常態預測則認為人類的很多職業也逐漸被其取代。[ 1] [ 2]
事实速览 「人工智能」的各地常用名稱, 中国大陸 ...
「人工智能」的各地常用名稱 中国大陸 人工智能 臺灣 人工智慧 港澳 人工智能 人工智能、人工智慧 日韓 人工知能 越南 智慧人造
关闭
人工智能於一般教材中的定义领域是“智慧主体（intelligent agent）的研究与设计”[ 3] [ 4] 约翰·麦卡锡 于1955年的定义是[ 5] [ 6] 安德烈亚斯·卡普兰 和迈克尔·海恩莱因 （Michael Haenlein）将人工智能定义为“系统正确解释外部数据，从这些数据中学习，并利用这些知识通过灵活适应实现特定目标和任务的能力”。[ 7] 計算機科學 的一個分支，它感知其環境並採取行動，最大限度地提高其成功機會。此外，人工智能能夠從過去的經驗中學習，做出合理的決策，並快速回應。因此，人工智能研究人員的科學目標是通過構建具有象徵意義的推理或推理的計算機程式來理解智慧。人工智能的四個主要組成部分是：
專家系統 ：作為專家處理正在審查的情況，併產生預期或預期的績效。启发式算法 ：包括評估小範圍的解決方案，並可能涉及一些猜測，以找到接近最佳的解決方案。自然語言處理 ：在自然語言中實現人機之間的交流。計算機視覺 ：自動生成識別形狀和功能的能力 [ 8] 人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及範圍極廣[ 9]
AI的核心问题包括建構能夠跟人類似甚至超卓的推理 、知识 、計划 、学习 、交流 、感知 、移動 、移物 、使用工具 和操控机械 的能力等[ 10] 通用人工智能 （GAI）目前仍然是该领域的长远目标[ 11] 弱人工智慧 已經有初步成果，甚至在一些影像辨識、語言分析 、棋類遊戲等等單方面的能力達到了超越人類的水平，而且人工智慧的通用性代表著，能解決上述的問題的是一樣的AI程式，無須重新開發算法就可以直接使用現有的AI完成任務，與人類的處理能力相同，但達到具備思考能力的統合強人工智慧還需要時間研究，比较流行的方法包括统计方法，计算智能和传统意义的AI。目前有大量的工具应用了人工智能，其中包括搜索和数学优化、逻辑推演 。而基於仿生學 、認知心理學 ，以及基于概率论 和经济学 的演算法 等等也在逐步探索當中。
人工智能的定義可以分為兩部分，即「人工 」和「智能」。「人工」即由人设计，为人创造、制造。
關於甚麼是「智能」，较有争议性。這涉及到其它諸如意識 、自我 、心靈 ，包括無意識的精神 等等問題。人唯一瞭解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能必要元素的瞭解也很有限，所以就很難定義甚麼是「人工」製造的「智能」。因此人工智能的研究往往涉及對人智能本身的研究。其它關於動物 或其它人造系統的智能也普遍被認為是人工智能相關的研究課題。
人工智慧目前在電腦 領域內，得到了愈加廣泛的发挥。並在機器人 、經濟政治決策、控制系統 、仿真系統 中得到應用。
人工智能也廣泛應用於許多不同領域。機器人經營餐館和商店並修復城市基礎設施。人工智能管理運輸系統和自動駕駛車輛。智能平台管理多個城市領域，例如垃圾收集和空氣質量監測。事實上，城市人工智能體現在城市空間、基礎設施和技術中，將我們的城市變成了無人監督的自治實體。可以方便地實時實現數字化支持的智能響應服務。許多城市現在主動利用大數據和人工智能，通過為我們的基礎設施提供更好的能源、計算能力和連接性來提高經濟回報[ 12]
最近，由於人工智能減少了行政成本和時間，許多政府開始將人工智能用於各種公共服務。例如，移民流程的機器人自動化減少了處理時間並提高了效率。人工智能為地方政府服務帶來技術突破。人工智能代理協助城市規劃者基於目標導向的蒙特卡羅樹搜索進行場景規劃。目標推理人工智能代理提供最佳的土地利用解決方案，幫助我們制定民主的城市土地利用規劃。人工智能利用在線數據來監控和修改環境威脅政策。在2019 年水危機期間，潛在狄利克雷分配方法確定了Twitter (X) 中討論最多的主題，這是一種樸素的推文分類方法，對乾旱的影響和原因、政府響應和潛在解決方案等主題進行了分類。人工智能工具與司法部門的人類法官相輔相成，提供客觀、一致的風險評估[ 13]
对机器或“形式”的推理研究起源于古代哲学家和数学家。逻辑学的研究直接催生了艾伦·图灵 的计算理论 ，理论提出，一台通过操作简单符号“0”和“1”的机器，能够模拟任意复杂的数学推理过程。[ 15] 控制论 、信息论 及神经生物学 方面的同期发现，推动研究人员考虑构建一台“电子大脑”的可能性。[ a] [ 17] 沃伦·麦卡洛克 与沃尔特·皮茨 设计的“人工神经元”，以及图灵于1950年发表的具有深远影响的论文《计算机器与智能 图灵测试 ”，展示了“机器智能”的可行性。[ 19] [ 15]
人工智能研究领域正式成立于1956年在达特茅斯学院 举行的“达特茅斯会议 ”。[ b] [ 21] [ c] [ d] 国际跳棋 策略，还能解决代数文字难题、证明逻辑定理 ，甚至能进行英语对话。[ e] [ 24] [ 15]
20世纪60年代至70年代，研究人员坚信他们的方法最终能够成功创造出具有通用智能的机器 ，并将此视为他们研究领域的最高目标。赫伯特·西蒙 （Herbert Simon）曾预言：“在未来二十年内，机器能够胜任所有人类能够完成的工作。”[ 26] 马文·闵斯基 （Marvin Minsky）对此表示赞同，他认为：“在一代人的时间内，‘人工智能’这一难题将会得到实质性的解决。”[ 27] 詹姆斯·莱特希尔爵士 （Sir James Lighthill）的批评以及美国国会倾向于资助更为有成效项目的趋势 ，美国和英国政府都中断了探索性研究。闵斯基 和西摩·佩珀特 （Seymour Papert）在其著作《感知器 》（Perceptrons ）中提出的观点，被误认为已经证明人工神经网络在解决现实世界问题上毫无用处，从而完全否定了这种方法。随后出现了 “人工智能寒冬 ”，即人工智能项目难以获得资助的时期。[ 32]
20世纪80年代初期，人工智能研究因专家系统 的商业成功而再次活跃，[ 33] 第五代计算机 项目推动英美两国恢复学术研究 的资助。[ 34] Lisp机器 市场的衰退开始，人工智能再次发展挫折，第二个较长的低迷期开始了。[ 35]
在此之前，人工智能的主要资金用于高级符号 项目，用以表征如计划、目标、信念等概念性对象。20世纪80年代，一些研究人员开始怀疑，这种方法能否模仿人类认知的所有过程，特别是感知 、机器人 、学习 和模式识别 ，并开始研究“次符号”方法。罗德尼·布鲁克斯 （Rodney Brooks）普遍不认同“表征”这一概念，并将研究重心转向了设计能够移动和自持生存的机器工程。[ f] 朱迪亚·珀尔 、卢特菲·泽德 等学者发展了多种方法，这些方法基于合理推断处理不完备或不确定的信息，而非依赖于严格的逻辑。[ 42] 杰弗里·辛顿 与其他研究者协力，在“联结主义 ”及其涉及的神经网络研究方面，取得了重要突破。[ 44] 杨立昆 （Yann Le Cun）展示了卷积神经网络 能够识别手写数字，这项突破性的研究为神经网络在多个实际应用领域的应用奠定了基础。
20世纪末至21世纪初期，人工智能利用形式化的数学方法，结合针对特定问题制定的策略，逐步在学术界重建了声誉。这种“聚焦 ”与“规范化”的研究方法让研究者能产出可验证的成果，并促进了与统计学 、经济学 及数学 等其他学科的交叉合作。[ 46] [ 47] [ 48]
2012年以来，深度学习 开始主导行业标准，并迅速成为该领域内广泛采用的方法。[ 49] [ g] 计算速度更快的电脑 、[ 51] 图形处理单元 以及云计算 技术），也依赖于广泛的数据 可用性[ 53] ImageNet ）。深度学习的成果引发了公众对于人工智能的浓厚兴趣并促使资金投入的大幅度增加。[ h]
2016年，在机器学习会议上，公平性 对齐 问题逐渐成为学术探讨的重要议题。
2010年代末至2020年代初，AGI 公司推出引发广泛关注的程序。2015年，由DeepMind 研发的“阿尔法狗 ”战胜了世界围棋冠军 。该程序仅被输入了游戏规则并自主形成了策略。GPT-3 是OpenAI 在2020年推出的一款强大的语言模型 ，它能生成高质量、类人的文本。[ 56] AI热潮 ，主要企业投入数十亿美元于AI研究。AI Impacts预测，到2022年，仅在美国，人工智能领域的年投资就将达到约500亿美元，大约20%的美国新晋计算机科学博士生将专注于AI领域。在2022年，美国预计将有大约80万的人工智能相关职位空缺。
目前人工智慧的研究方向已經被分成幾個子領域，研究人員希望一個人工智慧系統應該具有某些特定能力，以下將這些能力列出並說明。[ 10]
早期的人工智慧研究人员直接模仿人类进行逐步的推理，就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。[ 59] 概率 和经济学 上的概念，人工智慧研究还发展了非常成功的方法处理不确定 或不完整的资讯。[ 42]
对于困难的问题，有可能需要大量的运算资源，也就是发生了「可能组合爆增」：当问题超过一定的规模时，电脑会需要天文数量级的存储器 或是运算时间 。寻找更有效的演算法是优先的人工智慧研究项目。[ 60]
人类解决问题的模式通常是用最快捷、直观的判断，而不是有意识的、一步一步的推导，早期人工智慧研究通常使用逐步推导的方式。[ 61] 感知运动 的重要性。神经网络研究试图以模拟人类和动物的大脑结构重现这种技能。
本體論將知識表示為一個領域內的一組概念以及這些概念之間的關係。 知识表示是人工智能领域的核心研究问题之一，它的目标是让机器存储相应的知识，并且能够按照某种规则推理演绎得到新的知识。有许多需要解决的问题需要大量的对世界的知识,这些知识包括事先存储的先验知识和通过智能推理得到的知识。事先存储的先验知识指：人类用某种方式告诉给机器的知识。通过智能推理得到的知识指：结合先验知识和某种特定的推理规则（逻辑推理）得到的知识。首先，先验知识可以指描述目标，特征，种类及物件之间的关系的知识， 也可以描述事件，时间，状态，原因和结果， 以及任何知识你想要机器存储的。比如：今天没有太阳，没有太阳就是阴天。那么以命题逻辑语言，这些知识可以被表示为：今天 → 没有太阳，没有太阳 → 阴天。这些知识是先验知识，那么推理可以得到新知识：今天 → 阴天。由此例子可以看出，先验知识的正确性非常重要，这个例子中没有太阳就是阴天，这个命题是不严谨的、比较笼统的，因为没有太阳可能是下雨，也可能下雪。另外如果人工智慧能看出太陽，除了該如何判斷的這件問題，在這個前提之下，應該也能判斷出陰天與晴天的差異。逻辑命题表示在知识表示中非常重要，逻辑推理规则是目前主要推理规则。可以在机器中用逻辑符号定义每一个逻辑命题，然后再让机器存储相应的逻辑推理规则，那么自然而然机器便可进行推理。目前知识表达有许多困境尚无法解决，比如：建立一个完备的知识库几乎不可能，所以知识库的资源受到限制；先验知识的正确性需要进行检验，而且先验知识有时候不一定是只有对或者错两种选择。
智能Agent必须能够制定目标和实现这些目标。[ 62] [ 63] [ 64] 智能代理 必须具有在不确定结果的状态下推理的能力。[ 65] 突现行为 目标。[ 66]
机器学习的主要目的是为了让机器从使用者和输入数据等处获得知识，从而让机器自动地去判断和输出相应的结果。这一方法可以帮助解决更多问题、减少错误，提高解决问题的效率。对于人工智能来说，机器学习从一开始就很重要。1956年，在最初的达特茅斯夏季会议上，雷蒙德·索洛莫诺夫[來源請求]
机器学习的方法各种各样，主要分为监督学习和非监督学习两大类。监督学习指事先给定机器一些训练样本并且告诉样本的类别，然后根据这些样本的类别进行训练，提取出这些样本的共同属性或者训练一个分类器，等新来一个样本，则通过训练得到的共同属性或者分类器进行判断该样本的类别。监督学习根据输出结果的离散性和连续性，分为分类和回归两类。非监督学习是不给定训练样本，直接给定一些样本和一些规则，让机器自动根据一些规则进行分类。无论哪种学习方法都会进行误差分析，从而知道所提的方法在理论上是否误差有上限。
自然語言處理探討如何處理及運用自然語言 ，自然語言認知則是指讓電腦「懂」人類的語言 。自然語言生成系統把計算機數據轉化為自然語言。自然語言理解系統把自然語言轉化為計算機程序更易于處理的形式。
機器感知 [ 67] 照相機 、麥克風 、聲納 以及其他的特殊感測器 ）然後推斷世界的狀態。電腦視覺 [ 68] 語音識別 [ 69] 人臉辨識 和物體辨識 。[ 70]
Kismet [ 71] 情感和社交技能對於一個智能agent是很重要的。首先，通过了解他們的動機和情感狀態，代理人能夠預測別人的行動（這涉及要素 博弈論、決策理論以及能夠塑造人的情感和情緒感知能力檢測）。此外，為了良好的人機互動 ，智慧代理人也需要表現出情緒來。至少它必須出現禮貌地和人類打交道。至少，它本身應該有正常的情緒。
一個人工智慧的子領域，代表了理論（從哲學和心理學的角度）和實際（通過特定的實現產生的系統的輸出是可以考慮的創意，或系統識別和評估創造力）所定義的創造力。相關領域的研究包括了人工直覺 和人工想像 。
史蒂芬·霍金 、比爾蓋茲 、埃隆·马斯克 、Jaan Tallinn以及Nick Bostrom等人都對於人工智慧技術的未來公開表示憂心[ 72] [ 73]
DeepMind 的人工智慧（AI）系統在2016年「AlphaGo 」對戰南韓棋王李世乭 獲勝，開發商表示在內部設立倫理委員會，針對人工智慧的應用制定政策，防範人工智慧淪為犯罪開發者。[ 74]
科技進步，人工智慧科技產生「自主武器」軍備競賽已悄悄展開，英國、以色列與挪威，都已部署自主飛彈與無人操控的無人機，具「射後不理」（fire-and-forget）能力的飛彈，多枚飛彈還可互相溝通，分享找到攻擊目標。這些武器還未被大量投入，但很快就會出現在戰場上，且並非使用人類所設計的程序，而是完全利用機器自行決策。 霍金 等人在英國獨立報發表文章警告未來人工智慧可能會比人類金融市場、科學家、人類領袖更能操縱人心、甚至研發出人們無法理解的武器。專家恐發展到無法控制的局面，援引聯合國禁止研發某些特定武器的「特定常規武器公約」加以限制。[ 75] 新南威尔士大学 人工智慧的托比·沃尔什 [ 76]
CNN 財經網數字媒體未來學家Amy Webb 美国在线 [ 77] 野村综合研究所 也與英國牛津大学 的研究學者共同調查指出，10至20年後，日本有49%的職業（235種職業）可能會被機械和人工智慧取代而消失，直接影響約達2500萬人[ 78] [ 79]
2017年6月份马云 在美國底特律 舉行「鏈結世界」（Gateway 17）產業大會，會上提出人工智慧可能導致第三次世界大戰 ，因為前兩次產業革命都導致兩次大戰，戰爭原因並非這些創新發明本身，而是發明對社會上許多人的生活方式衝擊處理不當，新科技在社會上產生新工作也取代舊工作，產生了新的輸家和贏家，若是輸家的人數太多將造成一股社會不穩的能量而這股能量被有心人利用可能導致各種事件。他認為各國應該強制訂定規定AI機器只能用於人類不能做的工作，避免短時間大量人類被取代的失業 大潮，但馬雲沒有提出這種世界性規定將如何實現並確保遵守的細節方案。[ 80]
数据科学 和人工智能被哈佛商業評論 称为《二十一世纪最Sexy的職业》[ 81] 伯克利大学 专门成立数据科学 系。硅谷和纽约为主的《The Data Incubator 数据科学 ，大数据 ，和人工智能企业培训，提供国际大数据培训服务。
此學派的代表是天文物理學家史蒂芬·霍金 ，以及特斯拉執行長伊隆·馬斯克 。霍金認為AI對人類將來有很大的威脅，主要有以下理由：
AI會遵循科技發展的加速度理論。
AI可能會有自我改造創新的能力。
AI進步的速度遠遠超過人類。
人類會有被滅絕的危機。
主要是Google、Facebook等AI的主要技術發展者，他們對AI持樂觀看法的理由：
人類只要關掉電源就能除掉AI機器人。
任何的科技都會有瓶頸，摩爾定律 到目前也遇到相當的瓶頸，AI科技也不會無限成長，依然存在許多難以克服的瓶頸。
依目前的研究方向，電腦無法突變、甦醒、產生自我意志，AI也不可能具有創意與智慧、同情心與審美等這方面的能力。
AI逐漸普及後，將會在企業管理中扮演很重要的角色，而人類的管理者應如何適度的調整自己的工作職能，有以下幾點建議：
放棄行政工作；
退守分析預測的領域而強化自己的綜合判斷力；
把AI當作同事，形成協同合作的團隊；
多琢磨在創造力以及各種流程架構設計師角色；
強化自己人際網路、溝通協調、談判上的能力；
培養自身領導能力，能有效地帶領一個士氣高、團結及凝結力高的工作夥伴。 [ 82]
人工智能的一個比較流行的定義，也是該領域較早的定義，是由當時麻省理工學院 的约翰·麦卡锡 于1956年的達特矛斯會議 上提出的：人工智能就是要讓機器的行為看起來就像是人所表現出的智能行為一樣。但是這個定義似乎忽略了強人工智能 的可能性（見下）。另一個定義指人工智能是人造機器所表現出來的智能。總體來講，目前對人工智能的定義大多可劃分為四類，即機器「像人一樣思考」、「像人一樣行動」、「理性地思考」和「理性地行動」。這裡「行動」應廣義地理解為採取行動，或制定行動的決策，而不是肢體動作。
強人工智能觀點認為「有可能」製造出「真正」能推理 和解決問題 的智能機器，並且，這樣的機器將被認為是具有知覺、有自我意識的。強人工智能可以有兩類：
人類的人工智能，即機器的思考和推理就像人的思維 一樣。
非人類的人工智能，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。
弱人工智能觀點認為「不可能」製造出能「真正」地推理 和解決問題 的智能機器，這些機器只不過「看起來」像是智能的，但是並不真正擁有智能，也不會有自主意識。
弱人工智能是對比強人工智能才出現的，因為人工智能的研究一度處於停滯不前的狀態下，直到類神經網路有了強大的運算能力加以模擬後，才開始改變並大幅超前。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人工智能和弱人工智能的內容與差別，對定義爭論不休。
就當下的人工智能研究領域來看，研究者已大量造出「看起來」像是智能的機器，取得相當豐碩的理論上和實質上的成果，如2009年康乃爾大學 教授Hod Lipson 和其博士研究生Michael Schmidt 研發出的 Eureqa電腦程式，只要給予一些資料，這電腦程式自己只用幾十個小時計算就推論出牛頓 花費多年研究才發現的牛頓力學公式，等於只用幾十個小時就自己重新發現牛頓力學公式，這電腦程式也能用來研究很多其他領域的科學問題上。這些所謂的弱人工智慧在神經網路發展下已經有巨大進步，但對於要如何整合成強人工智慧，現在還沒有明確定論。
主條目：人工智能哲學 、图灵测试 、物理符號系統 、皇帝新脑 、德雷福斯對人工智能的看法 AI效應
「強人工智能」一詞最初是约翰·瑟尔 針對電腦 和其它資訊處理 機器創造的，其定義為：
「強人工智能觀點認為計算機不僅是用來研究人的思維的一種工具；相反，只要运行適當的程序，計算機本身就是有思維的。」（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980）
關於強人工智能的爭論，不同於更廣義的一元論 和二元論 的爭論。其爭論要點是：如果一台機器的唯一工作原理就是轉換編碼數據，那麼這台機器是不是有思維的？希爾勒認為這是不可能的。他舉了個中文房間 的例子來說明，如果機器僅僅是轉換數據，而數據本身是對某些事情的一種編碼表現，那麼在不理解這一編碼和這實際事情之間的對應關係的前提下，機器不可能對其處理的數據有任何理解。基於這一論點，希爾勒認為即使有機器通過了圖靈測試 ，也不一定說明機器就真的像人一樣有自我思維和自由意識。
也有哲學家持不同的觀點。丹尼爾·丹尼特 在其著作《意識的解釋
有的哲學家認為如果弱人工智能是可實現的，那麼強人工智能也是可實現的。比如西蒙·布莱克本
需要指出的是，弱人工智能並非和強人工智能完全對立，也就是說，即使強人工智能是可能的，弱人工智能仍然是有意義的。至少，今日的計算機能做的事，像算術運算等，在一百多年前是被認為很需要智能的。並且，即使強人工智能被證明為可能的，也不代表強人工智能必定能被研製出來。
目前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。[ 83]
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？[ 84] 逻辑 或优化 ）来描述？还是必须解决大量完全无关的问题？[ 85]
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？[ 86] synthetic intelligence [ 87] [ 88] [ 89]
20世纪40年代到50年代，许多研究者探索神经学 、信息理论 及控制论 之间的联系。其中还造出一些使用电子网络构造的初步智能，如威廉·格雷·沃尔特 約翰霍普金斯野獸 。
这些研究者还经常在普林斯顿大学 和英国的Ratio Club举行技术协会会议[ 90]
当20世纪50年代，數位计算机研制成功，研究者开始探索人类智能是否能简化成符号处理。研究主要集中在卡内基梅隆大学 ，斯坦福大学 和麻省理工學院 ，而各自有独立的研究风格。約翰·豪格兰德（John Haugeland）称这些方法为GOFAI （出色的老式人工智能）[ 91] 控制论 或人工神经网络 的方法则置于次要[ 92] 强人工智能 的机器，同时这也是他们的目标。
基于知识：大约在1970年出现大容量内存计算机，研究者分别以三个方法开始把知识 构造成应用软件[ 99] 专家系统 的开发与计划，这是第一个成功的人工智能软件形式[ 100]
1980年代符号人工智能停滞不前，很多人认为符号系统永远不可能模仿人类所有的认知过程，特别是感知、机器人、机器学习和模式识别。很多研究者开始关注子符号方法解决特定的人工智能问题[ 86]
自下而上、接口agent、嵌入环境（机器人）、行为主义 、新式AI：机器人领域相关的研究者，如罗德尼·布鲁克斯 ，否定符号人工智能而专注于机器人移动和求生等基本的工程问题。[ 101] 计算智能：1980年代中David Rumelhart 联结主义 [ 102] [ 103]
1990年代，人工智能研究发展出复杂的数学工具来解决特定的分支问题。这些工具是真正的科学方法，即这些方法的结果是可测量的和可验证的，同时也是近期人工智能成功的原因。共用的数学语言也允许已有学科的合作（如数学，经济或运筹学）。Stuart J.Russell 彼德·諾米格 指出这些进步不亚于“革命”和“neats的成功”[ 104] [ 105]
智能agent范式：智能agent是一个会感知环境并作出行动以达致目标的系统。最简单的智能agent是那些可以解决特定问题的程序。更复杂的agent包括人类和人类组织（如公司 ）。这些范式可以让研究者研究单独的问题和找出有用且可验证的方案，而不需考虑单一的方法。一个解决特定问题的agent可以使用任何可行的方法-一些agent用符号方法和逻辑方法，一些则是子符号神经网络或其他新的方法。范式同时也给研究者提供一个与其他领域沟通的共同语言--如决策论 和经济学（也使用abstract agents的概念）。1990年代智能agent范式被广泛接受。[ 4] 代理架構 和認知架構 ：研究者设计出一些系统来处理多agent系统中智能agent之间的相互作用。[ 106] 混合智能系統 ，而对这种系统的研究则是人工智能系统集成 。分级控制系统 则给反应级别的子符号AI和最高级别的传统符号AI提供桥梁，同时放宽了规划和世界建模的时间。
指的是人類透過感官所收到環境的刺激，察覺訊息的能力，簡單的說就是人類五官的看、聽、說、讀、寫等能力，學習人類的感知能力是AI目前主要的焦點之一，包括：
「看」：電腦視覺（Computer Vision）、圖像辨識（Image Recognition）、人臉辨識（Face Recognition）、物件偵測（Object Detection）。
「聽」：語音辨識（Sound Recognition）。
「說」：語音生成（Sound Generation）、文本轉換語音（Text-to-Speech）。
「讀」：自然語言處理（Natural Language Processing，NLP）、語音轉換文本（Speech-to-Text）。
「寫」：機器翻譯（Machine Translation）、文本生成（Text Generation）
指的是人類透過學習、判斷、分析等等心理活動來瞭解訊息、獲取知識的過程與能力，對人類認知的模仿與學習也是目前AI第二個焦點領域，主要包括：
分析辨識能力：例如醫學圖像分析、產品推薦、垃圾郵件辨識、法律案件分析、犯罪偵測、信用風險分析、消費行為分析等。
預測能力：例如AI執行的預防性維修（Predictive Maintenance）、智慧天然災害預測與防治。
判斷能力：例如AI下圍棋、自動駕駛車、健保詐欺判斷、癌症判斷等。
學習能力：例如機器學習、深度學習、增強式學習等等各種學習方法。
指的是人類產生新思想，新發現，新方法，新理論，新設計，創造新事物的能力，它是結合知識、智力、能力、個性及潛意識等各種因素優化而成，這個領域目前人類仍遙遙領先AI，但AI也試著急起直追，主要領域包括：AI作曲、AI作詩、AI小說、AI繪畫、AI設計等。
指的是人類深刻瞭解人、事、物的真相，能探求真實真理、明辨是非，指導人類可以過著有意義生活的一種能力，這個領域牽涉人類自我意識、自我認知與價值觀，是目前AI尚未觸及的一部分，也是人類最難以模仿的一個領域。
[ 107]
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 、自动规划 、無人載具 等。
人工智能是一門邊緣學科，屬於自然科學 和社會科學 的交叉。
2019年6月，基于神经网络技术 DeepNude软件面世，该软件可以将人物照片的衣着褪去，显示出裸体[ 108] [ 108] [ 108] DeepFake 技术处理的视频在以每6个月翻一番的数量增长[ 109] (2020-12 ) [update] [ 109] 色情影片 中的马赛克 [ 110] 女优 容貌[ 111]
Yigitcanlar, T.et al. Artificial Intelligence Technologies and Related Urban Planning and Development Concepts: How Are They Perceived and Utilized in Australia? J. Open Innov. Technol. Mark. Complex. 2020, 6, 187. https://doi.org/10.3390/joitmc6040187
Pamela McCorduck (2004 ，第424頁) writes of "the rough shattering of AI in subfields—vision, natural language, decision theory, genetic algorithms, robotics ... and these with own sub-subfield—that would hardly have anything to say to each other." (2023) Artificial Intelligence in Local Government Services: Public Perceptions from Australia and Hong Kong, Government Information Quarterly, 40(3), 101833
(2023) Artificial Intelligence in Local Government Services: Public Perceptions from Australia and Hong Kong, Government Information Quarterly, 40(3), 101833
Copeland, J. (编). The Essential Turing: the ideas that gave birth to the computer age. Oxford, England: Clarendon Press. 2004. ISBN 0-19-825079-7（英语） .
AI's immediate precursors:
^ 引用错误：没有为名为Turing test的参考文献提供内容
Dartmouth workshop :
The proposal:
Successful programs the 1960s:
First AI Winter , Lighthill report , Mansfield Amendment
Funding initiatives in the early 1980s: Fifth Generation Project (Japan), Alvey (UK), Microelectronics and Computer Technology Corporation (US), Strategic Computing Initiative (US):
AI widely used in the late 1990s:
^ 引用错误：没有为名为AGI的参考文献提供内容
Problem solving, puzzle solving, game playing and deduction:
Russell & Norvig 2003 ，chpt. 3–9,Poole, Mackworth & Goebel 1998 ，chpt. 2,3,7,9,Luger & Stubblefield 2004 ，chpt. 3,4,6,8,Nilsson 1998 ，chpt. 7–12
Psychological evidence of sub-symbolic reasoning:
Information value theory
Planning and acting in non-deterministic domains: conditional planning, execution monitoring, replanning and continuous planning:
Multi-agent planning and emergent behavior:
Kismet . MIT Artificial Intelligence Laboratory, Humanoid Robotics Group. [2012-10-12 ] . （原始内容存档 于2014-10-17）.AlphaGo贏棋王 靠兩大密技 . 2016-03-19 04:01 經濟日報 記者彭慧明. [2016-04-15 ] . （原始内容存档 于2016-04-26） （中文（臺灣）） .Nils Nilsson Nilsson 1983 ，第10頁).Biological intelligence vs. intelligence in general:
Russell & Norvig 2003 ，第2–3頁, who make the analogy with aeronautical engineering .McCorduck 2004 ，第100–101頁, who writes that there are "two major branches of artificial intelligence: one aimed at producing intelligent behavior regardless of how it was accomplioshed, and the other aimed at modeling intelligent processes found in nature, particularly human ones."Kolata 1982 , a paper in Science McCathy's indifference to biological models. Kolata quotes McCarthy as writing: "This is AI, so we don't care if it's psychologically real"[1] （页面存档备份 ，存于互联网档案馆 ）. McCarthy recently reiterated his position at the AI@50 Maker 2006 ).
Symbolic vs. sub-symbolic AI:
存档副本 . [2012-10-13 ] . （原始内容存档 于2017-11-05）.
Embodied Computational intelligence
Agent architecture hybrid intelligent system Reports . Sensity. [2022-05-07 ] . （原始内容 存档于2022-05-19） （美国英语） .
中文書
教材 Luger, George ; Stubblefield, William . Artificial Intelligence: Structures and Strategies for Complex Problem Solving 5th. The Benjamin/Cummings Publishing Company, Inc. 2004 [2012-10-12 ] . ISBN 0-8053-4780-1存档 于2021-01-15）.Kaplan, Andreas ; Haenlein, Michael . Rulers of the world, unite! The challenges and opportunities of artificial intelligence . Business Horizons. 2020 [2020-01-03 ] . （原始内容存档 于2020-12-21）.Luger, George . 人工智能：复杂问题求解的结构和策略 . 由史忠植 等翻译 原书第4版. 北京: 机械工业出版社. 2004. ISBN 7-111-12944-X（中文） .Neapolitan, Richard; Jiang, Xia. Contemporary Artificial Intelligence . Chapman & Hall/CRC. 2012 [2012-10-12 ] . ISBN 978-143984-469-4存档 于2015-01-08）. Nilsson, Nils . Artificial Intelligence: A New Synthesis . Morgan Kaufmann Publishers. 1998. ISBN 978-1-55860-467-4Nilsson, Nils . 人工智能. 郑扣根等译. 北京: 机械工业出版社. 2000. ISBN 7-111-07885-3（中文） .Russell, Stuart J.; Norvig, Peter. Artificial Intelligence: A Modern Approach 2nd. Upper Saddle River, New Jersey: Prentice Hall. 2003 [2012-10-12 ] . ISBN 0-13-790395-2原始内容 存档于2011-02-28）. Russell, Stuart J.; Norvig, Peter. 人工智能：一种现代方法 . 由姜哲翻译 原书第2版. 北京: 人民邮电出版社. 2004 [2012-10-12 ] . ISBN 9787115122285原始内容 存档于2011-02-28） （中文） . Poole, David ; Mackworth, Alan ; Goebel, Randy . Computational Intelligence: A Logical Approach . New York: Oxford University Press. 1998 [2012-10-12 ] . ISBN 0-19-510270-3存档 于2009-07-25）.Winston, Patrick Henry . Artificial Intelligence . Reading, Massachusetts: Addison-Wesley. 1984. ISBN 0-201-08259-4Winston, Patrick Henry . 人工智能 . 由崔良沂、赵永昌翻译 原书第3版. 北京: 清华大学出版社. 2005. ISBN 9787302103271（中文） .人工智能历史 Crevier, Daniel . AI: The Tumultuous Search for Artificial Intelligence. New York, NY: BasicBooks. 1993. ISBN 978-0-465-02997-6 .McCorduck, Pamela . Machines Who Think 2nd. Natick, MA: A. K. Peters, Ltd. 2004 [2012-10-12 ] . ISBN 1-56881-205-1存档 于2020-03-01）.Nils, Nilsson. The Quest for Artificial Intelligence: A History of Ideas and Achievements. New York: Cambridge University Press. 2010. 其他 ACM Computing Classification System: Artificial intelligence . ACM . 1998 [2007-08-30 ] . （原始内容 存档于2007-10-12）.Aleksander, Igor . Artificial Neuroconsciousness: An Update . IWANN. 1995 [2012年10月12日] . （原始内容 存档于1997年3月2日）.BibTex （页面存档备份 ，存于互联网档案馆 ） Internet Archive Brooks, Rodney . Elephants Don't Play Chess (PDF) . Robotics and Autonomous Systems. 1990, 6 : 3–15 [2007-08-30 ] . ISSN 0921-8890 doi:10.1016/S0921-8890(05)80025-9 存档 (PDF) 于2007-08-09）.Buchanan, Bruce G. A (Very) Brief History of Artificial Intelligence (PDF) . AI Magazine. 2005: 53–60 [2007-08-30 ] . （原始内容 (PDF) 存档于2007-09-26）. Dennett, Daniel . Consciousness Explained ISBN 0-7139-9037-6Dreyfus, Hubert . What Computers Can't Do . New York: MIT Press. 1972. ISBN 0-06-011082-1Dreyfus, Hubert . What Computers Still Can't Do. New York: MIT Press. 1979. ISBN 0-262-04134-0Dreyfus, Hubert ; Dreyfus, Stuart. Mind over Machine: The Power of Human Intuition and Expertise in the Era of the Computer . Oxford, UK: Blackwell. 1986. ISBN 0-02-908060-6Dreyfus, Hubert . What Computers Still Can't Do . New York: MIT Press. 1992. ISBN 0-262-54067-3Edelman, Gerald . Gerald Edelman – Neural Darwinism and Brain-based Devices . Talking Robots. 2007-11-23 [2012-10-12 ] . （原始内容 存档于2009-10-08）.Fearn, Nicholas. The Latest Answers to the Oldest Questions: A Philosophical Adventure with the World's Greatest Thinkers. New York: Grove Press. 2007. ISBN 0-8021-1839-9 Forster, Dion . Self validating consciousness in strong artificial intelligence: An African theological contribution (PDF) . Pretoria: University of South Africa. 2006 [2012-10-12 ] . （原始内容存档 (PDF) 于2021-01-15）.Gladwell, Malcolm . Blink . New York: Little, Brown and Co. 2005. ISBN 0-316-17232-4Haugeland, John . Artificial Intelligence: The Very Idea . Cambridge, Mass.: MIT Press. 1985. ISBN 0-262-08153-9Hawkins, Jeff ; Blakeslee, Sandra. On Intelligence ISBN 0-8050-7853-3Hofstadter, Douglas . Gödel, Escher, Bach: an Eternal Golden Braid . New York, NY: Vintage Books. 1979. ISBN 0-394-74502-7Howe, J. Artificial Intelligence at Edinburgh University: a Perspective . November 1994 [2007-08-30 ] . （原始内容存档 于2019-08-25）. .Kahneman, Daniel ; Slovic, D.; Tversky, Amos . Judgment under uncertainty: Heuristics and biases. New York: Cambridge University Press. 1982. ISBN 0-521-28414-7Kolata, G. How can computers get common sense?. Science. 1982, 217 (4566): 1237–1238. PMID 17837639 doi:10.1126/science.217.4566.1237 Kurzweil, Ray . The Age of Spiritual Machines ISBN 0-670-88217-8Kurzweil, Ray . The Singularity is Near . Penguin Books. 2005. ISBN 0-670-03384-7Lakoff, George . Women, Fire, and Dangerous Things: What Categories Reveal About the Mind . University of Chicago Press. 1987. ISBN 0-226-46804-6Lakoff, George ; Núñez, Rafael E. Where Mathematics Comes From: How the Embodied Mind Brings Mathematics into Being ISBN 0-465-03771-2Lenat, Douglas ; Guha, R. V. Building Large Knowledge-Based Systems . Addison-Wesley. 1989. ISBN 0-201-51752-3Lighthill, Professor Sir James . Artificial Intelligence: a paper symposium. Science Research Council. 1973.Lucas, John . Minds, Machines and Gödel. Anderson, A.R. (编). Minds and Machines . 1961 [2007-08-30 ] . （原始内容存档 于2007-08-19）.Maker, Meg Houston. AI@50: AI Past, Present, Future . Dartmouth College. 2006 [2008-10-16 ] . （原始内容 存档于2008-10-08）. McCarthy, John ; Minsky, Marvin ; Rochester, Nathan ; Shannon, Claude . A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence . 1955 [2007-08-30 ] . （原始内容 存档于2007-08-26）.McCarthy, John ; Hayes, P. J. Some philosophical problems from the standpoint of artificial intelligence . Machine Intelligence. 1969, 4 : 463–502 [2007-08-30 ] . （原始内容存档 于2007-08-10）.McCarthy, John . What Is Artificial Intelligence? . 2007-11-12 [2012-10-12 ] . （原始内容 存档于2015-11-18）.Minsky, Marvin . Computation: Finite and Infinite Machines . Englewood Cliffs, N.J.: Prentice-Hall. 1967. ISBN 0-13-165449-7Minsky, Marvin . The Emotion Machine ISBN 0-7432-7663-9Moravec, Hans . The Role of Raw Power in Intelligence . 1976 [2007-08-30 ] . （原始内容 存档于2016-03-03）.Moravec, Hans . Mind Children . Harvard University Press. 1988. ISBN 0-674-57616-0NRC, (United States National Research Council) . Developments in Artificial Intelligence. Funding a Revolution: Government Support for Computing Research. National Academy Press. 1999.Needham, Joseph . Science and Civilization in China : Volume 2. Caves Books Ltd. 1986.Newell, Allen ; Simon, H. A. GPS: A Program that Simulates Human Thought. Feigenbaum, E.A.; Feldman, J. (编). Computers and Thought . New York: McGraw-Hill. 1963.Newell, Allen ; Simon, H. A. Communications of the ACM 19 (3). 1976 [2012-10-12 ] . （原始内容 存档于2008-10-07）.Nilsson, Nils , Artificial Intelligence Prepares for 2001 (PDF) , AI Magazine, 1983, 1 (1) [2012-10-12 ] , （原始内容存档 (PDF) 于2009-11-06）Association for the Advancement of Artificial Intelligence .Penrose, Roger . The Emperor's New Mind: Concerning Computer, Minds and The Laws of Physics . Oxford University Press . 1989. ISBN 0-19-851973-7Searle, John . Minds, Brains and Programs . Behavioral and Brain Sciences. 1980, 3 (3): 417–457 [2012-10-12 ] . doi:10.1017/S0140525X00005756 原始内容 存档于2010-01-18）.Searle, John . Mind, language and society. New York, NY: Basic Books. 1999. ISBN 0-465-04521-9OCLC 811501434 Serenko, Alexander; Detlor, Brian. Intelligent agents as innovations (PDF) . AI and Society. 2004, 18 (4): 364–381 [2012-10-12 ] . doi:10.1007/s00146-004-0310-5 原始内容 (PDF) 存档于2012-03-01）. Serenko, Alexander; Ruhi, Umar; Cocosila, Mihail. Unplanned effects of intelligent agents on Internet use: Social Informatics approach (PDF) . AI and Society. 2007, 21 (1–2): 141–166 [2012-10-12 ] . doi:10.1007/s00146-006-0051-8 原始内容 (PDF) 存档于2012-06-20）. Andreas Kaplan; Michael Haenlein (2018) Siri, Siri in my Hand, who's the Fairest in the Land? On the Interpretations, Illustrations and Implications of Artificial Intelligence, Business Horizons, 62(1) Shapiro, Stuart C. Artificial Intelligence. Shapiro, Stuart C. (编). Encyclopedia of Artificial Intelligence (PDF) 2nd. New York: John Wiley. 1992: 54–57 [2012-10-12 ] . ISBN 0-471-50306-1存档 (PDF) 于2019-05-13）. Simon, H. A. The Shape of Automation for Men and Management . New York: Harper & Row. 1965.Skillings, Jonathan. Getting Machines to Think Like Us . cnet. 2006-07-03 [2011-02-03 ] . （原始内容存档 于2011-11-16）. Tecuci, Gheorghe. Artificial Intelligence. Wiley Interdisciplinary Reviews: Computational Statistics (Wiley). March–April 2012, 4 (2): 168–180. doi:10.1002/wics.200 Turing, Alan . Computing Machinery and Intelligence . Mind LIX (236): 433–460 [2008-08-18 ] . ISSN 0026-4423 doi:10.1093/mind/LIX.236.433 原始内容 存档于2008-07-02）.van der Walt, Christiaan; Bernard, Etienne. Data characteristics that determine classifier performance (PDF) . 2006 [2009-08-05 ] . （原始内容 (PDF) 存档于2009-03-25）. Vinge, Vernor . The Coming Technological Singularity: How to Survive in the Post-Human Era . 1993 [2012-10-12 ] . （原始内容 存档于2007-01-01）.Wason, P. C. ; Shapiro, D. Reasoning. Foss, B. M. (编). New horizons in psychology . Harmondsworth: Penguin. 1966.Weizenbaum, Joseph . Computer Power and Human Reason . San Francisco: W.H. Freeman & Company. 1976. ISBN 0-7167-0464-1
TechCast Article Series, John Sagi, Framing Consciousness
Boden, Margaret , Mind As Machine, Oxford University Press , 2006Johnston, John (2008) "The Allure of Machinic Life: Cybernetics, Artificial Life, and the New AI", MIT Press
Myers, Courtney Boyd ed. (2009). The AI Report （页面存档备份 ，存于互联网档案馆 ）. Forbes June 2009
Serenko, Alexander. The development of an AI journal ranking based on the revealed preference approach (PDF) . Journal of Informetrics. 2010, 4 (4): 447–459 [2012-10-12 ] . doi:10.1016/j.joi.2010.04.001 原始内容 (PDF) 存档于2012-07-24）. Sun, R. & Bookman, L. (eds.), Computational Architectures: Integrating Neural and Symbolic Processes . Kluwer Academic Publishers, Needham, MA. 1994.
引用错误：页面中存在<ref group="lower-alpha">标签或{{efn}}模板，但没有找到相应的<references group="lower-alpha" />标签或{{notelist}}模板
