97资源碰碰人妻,97超碰色偷偷,日本不卡不卡,国产最新字幕,五月天91色,久青草三级毛片,亚洲精品久久久网站,国产欧美香蕉视频,肉棒插进骚逼

1定義詳解 

　　人工智能的定義可以分為兩部分，即“人工”和“智能”?！叭斯ぁ北容^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，或者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。
 

　　人工智能在計算機領域內，得到了愈加廣泛的重視。并在機器人，經濟政治決策，控制系統(tǒng)，仿真系統(tǒng)中得到應用。
 

　　尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關于知識的學科――怎樣表示知識以及怎樣獲得知識并使用知識的科學?！倍硪粋€美國麻省理工學院的溫斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學科的基本思想和基本內容。即人工智能是研究人類智能活動的規(guī)律，構造具有一定智能的人工系統(tǒng)，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。
 

　　人工智能是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大技術之一（空間技術、能源技術、人工智能）。也被認為是二十一世紀三大技術（基因工程、納米科學、人工智能）之一。這是因為近三十年來它獲得了迅速的發(fā)展，在很多學科領域都獲得了廣泛應用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統(tǒng)。
 

　　人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規(guī)劃等）的學科，主要包括計算機實現智能的原理、制造類似于人腦智能的計算機，使計算機能實現更高層次的應用。人工智能將涉及到計算機科學、心理學、哲學和語言學等學科?？梢哉f幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智能與思維科學的關系是實踐和理論的關系，人工智能是處于思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智能不于邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發(fā)展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智能學科也必須借用數學工具，數學不僅在標準邏輯、模糊數學等范圍發(fā)揮作用，數學進入人工智能學科，它們將互相促進而更快地發(fā)展。
 

2研究價值 

　　例如繁重的科學和工程計算本來是要人腦來承擔的，如今計算機不但能完成這種計算，而且能夠比人腦做得更快、更準確，因此當代人已不再把這種計算看作是“需要人類智能才能完成的復雜任務”，可見復雜工作的定義是隨著時代的發(fā)展和技術的進步而變化的，人工智能這門科學的具體目標也自然隨著時代的變化而發(fā)展。它一方面不斷獲得新的進展，另一方面又轉向更有意義、更加困難的目標。
 

　　通常，“機器學習”的數學基礎是“統(tǒng)計學”、“信息論”和“控制論”。還包括其他非數學學科。這類“機器學習”對“經驗”的依賴性很強。計算機需要不斷從解決一類問題的經驗中獲取知識，學習策略，在遇到類似的問題時，運用經驗知識解決問題并積累新的經驗，就像普通人一樣。我們可以將這樣的學習方式稱之為“連續(xù)型學習”。但人類除了會從經驗中學習之外，還會創(chuàng)造，即“跳躍型學習”。這在某些情形下被稱為“靈感”或“頓悟”。一直以來，計算機難學會的就是“頓悟”。或者再嚴格一些來說，計算機在學習和“實踐”方面難以學會“不依賴于量變的質變”，很難從一種“質”直接到另一種“質”，或者從一個“概念”直接到另一個“概念”。正因為如此，這里的“實踐”并非同人類一樣的實踐。人類的實踐過程同時包括經驗和創(chuàng)造。
 

　　這是智能化研究者夢寐以求的東西。
 

　　2013年，帝金數據普數中心數據研究員S.C WANG開發(fā)了一種新的數據分析方法，該方法導出了研究函數性質的新方法。作者發(fā)現，新數據分析方法給計算機學會“創(chuàng)造”提供了一種方法。本質上，這種方法為人的“創(chuàng)造力”的模式化提供了一種相當有效的途徑。這種途徑是數學賦予的，是普通人無法擁有但計算機可以擁有的“能力”。從此，計算機不僅精于算，還會因精于算而精于創(chuàng)造。計算機學家們應該斬釘截鐵地剝奪“精于創(chuàng)造”的計算機過于全面的操作能力，否則計算機真的有一天會“反捕”人類。
 

　　當回頭審視新方法的推演過程和數學的時候，作者拓展了對思維和數學的認識。數學簡潔，清晰，可靠性、模式化強。在數學的發(fā)展*，處處閃耀著數學大師們創(chuàng)造力的光輝。這些創(chuàng)造力以各種數學定理或結論的方式呈現出來，而數學定理大的特點就是：建立在一些基本的概念和公理上，以模式化的語言方式表達出來的包含豐富信息的邏輯結構。應該說，數學是單純、直白地反映著（至少一類）創(chuàng)造力模式的學科。
 

3發(fā)展階段 

　　1956年夏季，以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見卓識的年輕科學家在一起聚會，共同研究和探討用機器模擬智能的一系列有關問題，并提出了“人工智能”這一術語，它標志著“人工智能”這門新興學科的正式誕生。IBM公司“深藍”電腦擊敗了人類的世界國際象棋更是人工智能技術的一個表現。
 

　　從1956年正式提出人工智能學科算起，50多年來，取得長足的發(fā)展，成為一門廣泛的交叉和前沿科學?？偟恼f來，人工智能的目的就是讓計算機這臺機器能夠像人一樣思考。如果希望做出一臺能夠思考的機器，那就必須知道什么是思考，更進一步講就是什么是智慧。什么樣的機器才是智慧的呢？科學家已經作出了汽車，火車，飛機，收音機等等，它們模仿我們身體器官的功能，但是能不能模仿人類大腦的功能呢？到目前為止，我們也僅僅知道這個裝在我們天靈蓋里面的東西是由數十億個神經細胞組成的器官，我們對這個東西知之甚少，模仿它或許是天下困難的事情了。
 

　　當計算機出現后，人類開始真正有了一個可以模擬人類思維的工具，在以后的歲月中，無數科學家為這個目標努力著。如今人工智能已經不再是幾個科學家的了，*幾乎所有大學的計算機系都有人在研究這門學科，學習計算機的大學生也必須學習這樣一門課程，在大家不懈的努力下，如今計算機似乎已經變得十分聰明了。例如，1997年5月，IBM公司研制的深藍（DEEP BLUE）計算機戰(zhàn)勝了國際象棋大師卡斯帕洛夫（KASPAROV）。大家或許不會注意到，在一些地方計算機幫助人進行其它原來只屬于人類的工作，計算機以它的高速和準確為人類發(fā)揮著它的作用。人工智能始終是計算機科學的前沿學科，計算機編程語言和其它計算機軟件都因為有了人工智能的進展而得以存在。
 

4科學介紹 

　　實際應用
 

　　機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統(tǒng)，自動規(guī)劃，智能搜索，定理證明，博弈，自動程序設計，智能控制，機器人學，語言和圖像理解，遺傳編程等。
 

　　學科范疇
 

　　人工智能是一門邊緣學科，屬于自然科學和社會科學的交叉。
 

　　涉及學科
 

　　哲學和認知科學，數學，神經生理學，心理學，計算機科學，信息論，控制論，不定性論
 

　　研究范疇
 

　　自然語言處理，知識表現，智能搜索，推理，規(guī)劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計軟計算，不和不確定的管理，人工生命，神經網絡，復雜系統(tǒng)，遺傳算法
 

　　意識和人工智能
 

　　人工智能就其本質而言，是對人的思維的信息過程的模擬。
 

　　對于人的思維模擬可以從兩條道路進行，一是結構模擬，仿照人腦的結構機制，制造出“類人腦”的機器；二是功能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬?，F代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。
 

　　弱人工智能如今不斷地迅猛發(fā)展，尤其是2008年經濟危機后，美日歐希望借機器人等實現再工業(yè)化，工業(yè)機器人以比以往任何時候更快的速度發(fā)展，更加帶動了弱人工智能和相關領域產業(yè)的不斷突破，很多必須用人來做的工作如今已經能用機器人實現。
 

　　而強人工智能則暫時處于瓶頸，還需要科學家們和人類的努力。
 

5技術研究 

　　用來研究人工智能的主要物質基礎以及能夠實現人工智能技術平臺的機器就是計算機，人工智能的發(fā)展歷史是和計算機科學技術的發(fā)展史聯(lián)系在一起的。除了計算機科學以外，人工智能還涉及信息論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫(yī)學和哲學等多門學科。人工智能學科研究的主要內容包括：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。
 

研究方法 

　　如今沒有統(tǒng)一的原理或范式指導人工智能研究。許多問題上研究者都存在爭論。其中幾個長久以來仍沒有結論的問題是：是否應從心理或神經方面模擬人工智能?或者像鳥類生物學對于航空工程一樣，人類生物學對于人工智能研究是沒有關系的？智能行為能否用簡單的原則（如邏輯或優(yōu)化）來描述？還是必須解決大量*無關的問題？
 

　　智能是否可以使用符號表達，如詞和想法？還是需要“子符號”的處理？JOHN HAUGELAND提出了GOFAI（出色的老式人工智能）的概念，也提議人工智能應歸類為SYNTHETIC INTELLIGENCE，[29]這個概念后來被某些非GOFAI研究者采納。
 

大腦模擬 

　　主條目：控制論和計算神經科學
 

　　20世紀40年代到50年代，許多研究者探索神經病學，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絡構造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 這些研究者還經常在普林斯頓大學和英國的RATIO CLUB舉行技術協(xié)會會議.直到1960， 大部分人已經放棄這個方法，盡管在80年代再次提出這些原理。
 

符號處理 

　　主條目：GOFAI
 

　　當20世紀50年代，數字計算機研制成功，研究者開始探索人類智能是否能簡化成符號處理。研究主要集中在卡內基梅隆大學， 斯坦福大學和麻省理工學院，而各自有獨立的研究風格。JOHN HAUGELAND稱這些方法為GOFAI（出色的老式人工智能）。[33] 60年代，符號方法在小型證明程序上模擬思考有很大的成就?；诳刂普摶蛏窠浘W絡的方法則置于次要。[34] 60~70年代的研究者確信符號方法終可以成功創(chuàng)造強人工智能的機器，同時這也是他們的目標。
 

　　認知模擬經濟學家赫伯特·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，同時他們?yōu)槿斯ぶ悄艿幕驹泶蛳禄A，如認知科學， 運籌學和經營科學。他們的研究團隊使用心理學實驗的結果開發(fā)模擬人類解決問題方法的程序。這方法一直在卡內基梅隆大學沿襲下來，并在80年代于SOAR發(fā)展到高峰?；谶壿嫴幌癜瑐悺ぜ~厄爾和赫伯特·西蒙，JOHN MCCARTHY認為機器不需要模擬人類的思想，而應嘗試找到抽象推理和解決問題的本質，不管人們是否使用同樣的算法。他在斯坦福大學的實驗室致力于使用形式化邏輯解決多種問題，包括知識表示， 智能規(guī)劃和機器學習. 致力于邏輯方法的還有愛丁堡大學，而促成歐洲的其他地方開發(fā)編程語言PROLOG和邏輯編程科學.“反邏輯”斯坦福大學的研究者 （如馬文·閔斯基和西摩爾·派普特）發(fā)現要解決計算機視覺和自然語言處理的困難問題，需要專門的方案-他們主張不存在簡單和通用原理（如邏輯）能夠達到所有的智能行為。ROGER SCHANK 描述他們的“反邏輯”方法為 "SCRUFFY" .常識知識庫 （如DOUG LENAT的CYC）就是"SCRUFFY"AI的例子，因為他們必須人工一次編寫一個復雜的概念?；谥R大約在1970年出現大容量內存計算機，研究者分別以三個方法開始把知識構造成應用軟件。這場“知識革命”促成專家系統(tǒng)的開發(fā)與計劃，這是個成功的人工智能軟件形式。“知識革命”同時讓人們意識到許多簡單的人工智能軟件可能需要大量的知識。
 

子符號法 

　　80年代符號人工智能停滯不前，很多人認為符號系統(tǒng)永遠不可能模仿人類所有的認知過程，特別是感知，機器人，機器學習和模式識別。很多研究者開始關注子符號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（機器人），行為主義，新式AI機器人領域相關的研究者，如RODNEY BROOKS，否定符號人工智能而專注于機器人移動和求生等基本的工程問題。他們的工作再次關注早期控制論研究者的觀點，同時提出了在人工智能中使用控制理論。這與認知科學領域中的表征感知論點是一致的:更高的智能需要個體的表征（如移動，感知和形象）。計算智能80年代中DAVID RUMELHART 等再次提出神經網絡和聯(lián)結主義. 這和其他的子符號方法，如模糊控制和進化計算，都屬于計算智能學科研究范疇。
 

統(tǒng)計學法 

　　90年代，人工智能研究發(fā)展出復雜的數學工具來解決特定的分支問題。這些工具是真正的科學方法，即這些方法的結果是可測量的和可驗證的，同時也是人工智能成功的原因。共用的數學語言也允許已有學科的合作（如數學，經濟或運籌學）。STUART J. RUSSELL和PETER NORVIG指出這些進步不亞于“革命”和“NEATS的成功”。有人批評這些技術太專注于特定的問題，而沒有考慮長遠的強人工智能目標。
 

集成方法 

　　智能AGENT范式智能AGENT是一個會感知環(huán)境并作出行動以達致目標的系統(tǒng)。簡單的智能AGENT是那些可以解決特定問題的程序。更復雜的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的問題和找出有用且可驗證的方案，而不需考慮單一的方法。一個解決特定問題的AGENT可以使用任何可行的方法-一些AGENT用符號方法和邏輯方法，一些則是子符號神經網絡或其他新的方法。范式同時也給研究者提供一個與其他領域溝通的共同語言--如決策論和經濟學（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被廣泛接受。AGENT體系結構和認知體系結構研究者設計出一些系統(tǒng)來處理多ANGENT系統(tǒng)中智能AGENT之間的相互作用。一個系統(tǒng)中包含符號和子符號部分的系統(tǒng)稱為混合智能系統(tǒng) ，而對這種系統(tǒng)的研究則是人工智能系統(tǒng)集成。分級控制系統(tǒng)則給反應級別的子符號AI 和別的傳統(tǒng)符號AI提供橋梁，同時放寬了規(guī)劃和世界建模的時間。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一個早期的分級系統(tǒng)計劃。
 

智能模擬 

　　機器視、聽、觸、感覺及思維方式的模擬：指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統(tǒng)，智能搜索，定理證明，邏輯推理，博弈，信息感應與辨證處理。
 

學科范疇 

　　人工智能是一門邊沿學科，屬于自然科學、社會科學、技術科學三向交叉學科。
 

涉及學科 

　　哲學和認知科學，數學，神經生理學，心理學，計算機科學，信息論，控制論，不定性論，仿生學，社會結構學與科學發(fā)展觀。
 

研究范疇 

　　語言的學習與處理，知識表現，智能搜索，推理，規(guī)劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計，軟計算，不和不確定的管理，人工生命，神經網絡，復雜系統(tǒng)，遺傳算法人類思維方式，關鍵的難題還是機器的自主創(chuàng)造性思維能力的塑造與提升。
 

安全問題 

　　人工智能還在研究中，但有學者認為讓計算機擁有智商是很危險的，它可能會反抗人類。這種隱患也在多部電影中發(fā)生過，其主要的關鍵是允不允許機器擁有自主意識的產生與延續(xù)，如果使機器擁有自主意識，則意味著機器具有與人同等或類似的創(chuàng)造性，自我保護意識，情感和自發(fā)行為。
 

實現方法 

　　人工智能在計算機上實現時有2種不同的方式。一種是采用傳統(tǒng)的編程技術，使系統(tǒng)呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（ENGINEERING APPROACH），它已在一些領域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法（MODELING APPROACH），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。遺傳算法（GENERIC ALGORITHM，簡稱GA）和人工神經網絡（ARTIFICIAL NEURAL NETWORK，簡稱ANN）均屬后一類型。遺傳算法模擬人類或生物的遺傳-進化機制，人工神經網絡則是模擬人類或動物大腦中神經細胞的活動方式。為了得到相同智能效果，兩種方式通常都可使用。采用前一種方法，需要人工詳細規(guī)定程序邏輯，如果游戲簡單，還是方便的。如果游戲復雜，角色數量和活動空間增加，相應的邏輯就會很復雜（按指數式增長），人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調試，后為用戶提供一個新的版本或提供一個新補丁，非常麻煩。采用后一種方法時，編程者要為每一角色設計一個智能系統(tǒng)（一個模塊）來進行控制，這個智能系統(tǒng)（模塊）開始什么也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環(huán)境，應付各種復雜情況。這種系統(tǒng)開始也常犯錯誤，但它能吸取教訓，下一次運行時就可能改正，至少不會永遠錯下去，用不到發(fā)布新版本或打補丁。利用這種方法來實現人工智能，要求編程者具有生物學的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛應用。由于這種方法編程時無須對角色的活動規(guī)律做詳細規(guī)定，應用于復雜問題，通常會比前一種方法更省力。
 

6主要成果 

人機對弈 

　　1996年2月10～17日， GARRY KASPAROV以4：2戰(zhàn)勝“深藍” （DEEP BLUE）。

　　1997年5月3～11日， GARRY KASPAROV以2.5：3.5輸于改進后的“深藍”。

　　2003年2月GARRY KASPAROV 3:3戰(zhàn)平 “小深”（DEEP JUNIOR）。

　　2003年11月GARRY KASPAROV 2:2戰(zhàn)平 “X3D德國人” （X3D-FRITZ）。
 

模式識別 

　　采用 $模式識別引擎，分支有2D識別引擎 ，3D識別引擎，駐波識別引擎以及多維識別引擎
 

　　2D識別引擎已推出指紋識別，人像識別 ，文字識別，圖像識別 ，車牌識別；駐波識別引擎已推出語音識別；3D識別引擎已推出指紋識別玉帶林中掛（玩游智能版1.25）
 

自動工程 

　　自動駕駛（OSO系統(tǒng)）

　　印鈔工廠（￥流水線）

　　獵鷹系統(tǒng)（YOD繪圖）
 

知識工程 

　　以知識本身為處理對象，研究如何運用人工智能和軟件技術，設計、構造和維護知識系統(tǒng)

　　專家系統(tǒng)

　　智能搜索引擎

　　計算機視覺和圖像處理

   　機器翻譯和自然語言理解

　　數據挖掘和知識發(fā)現
 

7研究課題 

　　人工智能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能系統(tǒng)應該具有某些特定能力，以下將這些能力列出并說明。
 

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，利用概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存儲器或是運算時間。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AGENT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。
 

知識表示法 

　　AN ONTOLOGY REPRESENTS KNOWLEDGE AS A SET OF CONCEPTS WITHIN A DOMAIN AND THE RELATIONSHIPS BETWEEN THOSE CONCEPTS.
 

　　主條目：知識表示和常識知識庫
 

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大的行為。 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，多個AGENT規(guī)劃以合作和競爭的方式去完成一定的目標，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。
 

學習 

　　主條目：機器學習
 

　　機械學習的主要目的是為了從使用者和輸入數據等處獲得知識，從而可以幫助解決更多問題，減少錯誤，提高解決問題的效率。對于人工智能來說，機械學習從一開始就很重要。1956年，在初的達特茅斯夏季會議上，雷蒙德索洛莫諾夫寫了一篇關于不監(jiān)視的概率性機械學習：一個歸納推理的機械。
 

自然語言處理 

　　主條目：自然語言處理
 

運動和控制 

　　主條目：機器人學
 

知覺 

　　主條目：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。
 

社交 

　　主條目：情感計算
 

　　KISMET, 一個具有表情等社交能力的機器人
 

　　情感和社交技能對于一個智能AGENT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。
 

創(chuàng)造力 

　　主條目：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。
 

多元智能 

　　大多數研究人員希望他們的研究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。 有些人認為要達成以上目標，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，就像是人類一樣。
 

人工智能影響 

　?。?）人工智能對自然科學的影響。在需要使用數學計算機工具解決問題的學科，AI帶來的幫助不言而喻。更重要的是，AI反過來有助于人類終認識自身智能的形成。
 

　?。?）人工智能對經濟的影響。專家系統(tǒng)更深入各行各業(yè)，帶來巨大的宏觀效益。AI也促進了計算機工業(yè)網絡工業(yè)的發(fā)展。但同時，也帶來了勞務就業(yè)問題。由于AI在科技和工程中的應用，能夠代替人類進行各種技術工作和腦力勞動，會造成社會結構的劇烈變化。
 

　?。?）人工智能對社會的影響。AI也為人類文化生活提供了新的模式?，F有的游戲將逐步發(fā)展為更高智能的交互式文化娛樂手段，今天，游戲中的人工智能應用已經深入到各大游戲制造商的開發(fā)中。
 

　　伴隨著人工智能和智能機器人的發(fā)展，不得不討論是人工智能本身就是超前研究，需要用未來的眼光開展現代的科研，因此很可能觸及倫理底線。作為科學研究可能涉及到的敏感問題，需要針對可能產生的沖突及早預防，而不是等到問題矛盾到了不可解決的時候才去想辦法化解。
 

應用領域 

　　機器翻譯，智能控制，專家系統(tǒng)，機器人學，語言和圖像理解，遺傳編程機器人工廠，自動程序設計，航天應用，龐大的信息處理，儲存與管理，執(zhí)行化合生命體無法執(zhí)行的或復雜或規(guī)模龐大的任務等等。
 

　　值得一提的是，機器翻譯是人工智能的重要分支和先應用領域。不過就已有的機譯成就來看，機譯系統(tǒng)的譯文質量離目標仍相差甚遠；而機譯質量是機譯系統(tǒng)成敗的關鍵。中國數學家、語言學家周海中教授曾在論文《機器翻譯五十年》中指出：要提高機譯的質量，首先要解決的是語言本身問題而不是程序設計問題；單靠若干程序來做機譯系統(tǒng)，肯定是無法提高機譯質量的；另外在人類尚未明了大腦是如何進行語言的模糊識別和邏輯判斷的情況下，機譯要想達到“信、達、雅”的程度是不可能的。智能家居之后，人工智能成為家電業(yè)的新風口，而長虹正成為將這一浪潮掀起的家電*。長虹發(fā)布兩款CHiQ智能電視新品，主打手機遙控器、帶走看、隨時看、分類看功能