人工智能的4種實現途徑
具體可以搜索一下：快包
智能產品開發(fā)，外包服務平臺
演繹、推理和解決問題早期的人工智能研究人員直接模仿人類進行逐步的推理，就像是玩棋盤游戲或進行邏輯推理時人類的思考模式。到了1980和1990年代，利用機率和經濟學上的概念，人工智能研究還發(fā)展了非常成功的方法處理不確定或不完整的資訊。
對于困難的問題，有可能需要大量的運算資源，也就是發(fā)生了“可能組合爆增”：當問題超過一定的規(guī)模時，電腦會需要天文數量級的記憶體或是運算時間。尋找更有效的算法是優(yōu)先的人工智能研究項目。
人
類解決問題的模式通常是用最快捷，直觀的判斷，而不是有意識的，一步一步的推導，早期人工智能研究通常使用逐步推導的方式。人工智能研究已經于這種“次表
征性的”解決問題方法取得進展：實體化的代理人研究強調感知運動的重要性。神經網絡研究試圖以模擬人類和動物的大腦結構重現這種技能。
[編輯] 知識表示法主要文章：知識表示和常識知識庫
[編
輯]
規(guī)劃智能Agent必須能夠制定目標和實現這些目標。他們需要一種方法來建立一個可預測的世界模型(將整個世界狀態(tài)用數學模型表現出來，并能預測它們的行
為將如何改變這個世界)，這樣就可以選擇功效最大(或“值”)的行為。
在傳統(tǒng)的規(guī)劃問題中，智能Agent被假定它是世界中為一具有影響力的，所以它要做出什么行為是已經確定的。但是，如果事實并非如此，它必須定期檢查世界
模型的狀態(tài)是否和自己的預測相符合。如果不符合，它必須改變它的計劃。因此智能代理必須具有在不確定結果的狀態(tài)下推理的能力。
在多Agent中，多Agent規(guī)劃采用合作和競爭去完成一定的目標，使用演化算法和群體智慧可以達成一個整體的突現行為目標。
[編輯] 學習主要文章：機器學習
[編輯] 自然語言處理主要文章：自然語言處理
[編輯] 運動和控制主要文章：機器人學
[編輯] 知覺主要文章：機器感知、計算機視覺和語音識別
機器感知是指能夠使用傳感器所輸入的資料(如照相機，麥克風，聲納以及其他的特殊傳感器)然后推斷世界的狀態(tài)。計算機視覺能夠分析影像輸入。另外還有語音識別、人臉辨識和物體辨識。
[編輯] 社交主要文章：情感計算
情
感和社交技能對于一個智慧代理人是很重要的。 首先，通過了解他們的動機和情感狀態(tài)，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。
[編輯] 創(chuàng)造力主要文章：計算機創(chuàng)造力
一個人工智能的子領域，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(tǒng)的輸出是可以考慮的創(chuàng)意，或系統(tǒng)識別和評估創(chuàng)造力)所定義的創(chuàng)造力。 相關領域研究的包括了人工直覺和人工想像。
[編
輯]
多元智慧大多數研究人員希望他們的研究最終將被納入一個具有多元智能(稱為強人工智能)，結合以上所有的技能并且超越大部分人類的能力。有些人認為為了達
成以上目標，可能需要擬人化的特性，如人工意識或人工大腦。
上述許多問題被認為是人工智能完整性：為了解決其中一個問題，你必須解決全部的問題。即使一個簡單和特定的任務，如機器翻譯，要求機器按照作者的論點(推
理)，知道什么是被人談論(知識)，忠實地再現作者的意圖(情感計算)。因此，機器翻譯被認為是具有人工智能完整性：它可能需要強人工智能工，就像是人類
一樣。
[編輯]
強人工智能和弱人工智能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約翰·麥卡錫在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”。這里
“行動”應廣義地理解為采取行動，或制定行動的決策，而不是肢體動作。
[編輯] 強人工智能強人工智能觀點認為有可能制造出真正能推理(Reasoning)和解決問題(Problem_solving)的智能機器，并且，這樣的機器能將被認為是有知覺的，有自我意識的。強人工智能可以有兩類：
類人的人工智能，即機器的思考和推理就像人的思維一樣。
非類人的人工智能，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。
[編輯] 弱人工智能弱人工智能觀點認為不可能制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，但是并不真正擁有智能，也不會有自主意識。
強人工智能的研究目前處于停滯不前的狀態(tài)下。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。就現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。
[編輯] 對強人工智能的哲學爭論“強人工智能”一詞最初是約翰·羅杰斯·希爾勒針對計算機和其它信息處理機器創(chuàng)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，只要運行適當的程序，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
于強人工智能的爭論，不同于更廣義的一元論和二元論的爭論。其爭論要點是：如果一臺機器的唯一工作原理就是轉換編碼數據，那么這臺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，那么在不理解這一編碼和這實際事
情之間的對應關系的前提下，機器不可能對其處理的數據有任何理解?；谶@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
思維和意識。
也有哲學家持不同的觀點。Daniel C. Dennett 在其著作 Consciousness Explained
里認為，人也不過是一臺有靈魂的機器而已，為什么我們認為：“人可以有智能，而普通機器就不能”呢?他認為像上述的數據轉換機器是有可能有思維和意識的。
有
的哲學家認為如果弱人工智能是可實現的，那么強人工智能也是可實現的。比如Simon Blackburn在其哲學入門教材 Think
里說道，一個人的看起來是“智能”的行動并不能真正說明這個人就真的是智能的。我永遠不可能知道另一個人是否真的像我一樣是智能的，還是說她/他僅僅是看
起來是智能的。基于這個論點，既然弱人工智能認為可以令機器看起來像是智能的，那就不能完全否定這機器是真的有智能的。Blackburn
認為這是一個主觀認定的問題。
需要指出的是，弱人工智能并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，在百多年前是被認為很需要智能的。
人工智能專業(yè)前景如何?
極其好。如果說計算機專業(yè)是上個時代的老大，那么人工智能專業(yè)就是下個時代的龍頭。因為：