人工智能的定義可以分為兩部分，即“人工”和“智能”。“人工”比較好理解，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或著人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步，等等。但總的來說，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。

關于什么是“智能”，就問題多多了。這涉及到其它諸如意識(consciousness)、自我(self)、思維(mind)(包括無意識的思維(unconscious_mind)等等問題。人唯一了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(gòu)成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關于動物或其它人造系統(tǒng)的智能也普遍被認為是人工智能相關的研究課題。

人工智能目前在計算機領域內(nèi)，得到了愈加廣泛的重視。并在機器人，經(jīng)濟政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應用--機器視覺:指紋識別，人臉識別，視網(wǎng)膜識別，虹膜識別，掌紋識別，專家系統(tǒng)等。

人工智能(Artificial Intelligence)是研究解釋和模擬人類智能、智能行為及其規(guī)律的一門學科。其主要任務是建立智能信息處理理論，進而設計可以展現(xiàn)某些近似于人類智能行為的計算系統(tǒng)。AI作為計算機科學的一個重要分支和計算機應用的一個廣闊的新領域，它同原子能技術，空間技術一起被稱為20世紀三大尖端科技。

人工智能學科研究的主要內(nèi)容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統(tǒng)、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。

知識表示是人工智能的基本問題之一，推理和搜索都與表示方法密切相關。常用的知識表示方法有：邏輯表示法、產(chǎn)生式表示法、語義網(wǎng)絡表示法和框架表示法等。

常識，自然為人們所關注，已提出多種方法，如非單調(diào)推理、定性推理就是從不同角度來表達常識和處理常識的。

問題求解中的自動推理是知識的使用過程，由于有多種知識表示方法，相應地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎。結(jié)構(gòu)化表示下的繼承性能推理是非演繹性的。由于知識處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機制推理、類比推理、基于示例的推理、反繹推理和受限推理等。

[[427868]]

搜索是人工智能的一種問題求解方法，搜索策略決定著問題求解的一個推理步驟中知識被使用的優(yōu)先關系?？煞譃闊o信息導引的盲目搜索和利用經(jīng)驗知識導引的啟發(fā)式搜索。啟發(fā)式知識常由啟發(fā)式函數(shù)來表示，啟發(fā)式知識利用得越充分，求解問題的搜索空間就越小。典型的啟發(fā)式搜索方法有A*、AO*算法等。近幾年搜索方法研究開始注意那些具有百萬節(jié)點的超大規(guī)模的搜索問題。

機器學習是人工智能的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。

知識處理系統(tǒng)主要由知識庫和推理機組成。知識庫存儲系統(tǒng)所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規(guī)定使用知識的基本方法和策略，推理過程中為記錄結(jié)果或通信需設數(shù)據(jù)庫或采用黑板機制。如果在知識庫中存儲的是某一領域(如醫(yī)療診斷)的專家知識，則這樣的知識系統(tǒng)稱為專家系統(tǒng)。為適應復雜問題的求解需要，單一的專家系統(tǒng)向多主體的分布式人工智能系統(tǒng)發(fā)展，這時知識共享、主體間的協(xié)作、矛盾的出現(xiàn)和處理將是研究的關鍵問題。

需要數(shù)學基礎：高等數(shù)學，線性代數(shù)，概率論數(shù)理統(tǒng)計和隨機過程，離散數(shù)學，數(shù)值分析。

需要算法的積累：人工神經(jīng)網(wǎng)絡，支持向量機，遺傳算法等等算法;當然還有各個領域需要的算法，比如要讓機器人自己在位置環(huán)境導航和建圖就需要研究SLAM;總之算法很多需要時間的積累。

需要掌握至少一門編程語言，畢竟算法的實現(xiàn)還是要編程的;如果深入到硬件的話，一些電類基礎課必不可少。