从心灵种种到人工智能心智分类

从心灵种种到人工智能心智分类我们的心灵在很多方面与动物雷同，在很多方面又迥然不同。————————丹尼尔·丹尼特​心灵为何物？心灵哲学的起源心灵哲学的分类心脑同一论：意识可能转移吗？灵魂（精神）可能附体吗？人工智能的历史心智分类对自由意志的思考人工智能的未来猜想人工智能如何超越人类？它们的智能能够达到怎样的水平？能够预测遥远的未来吗？我们如何迎接人工智能时代？​通过对本课程的学习，你或许可以解答以下一些问题：​这个世界是真实的吗？我们可能活在虚拟世界里吗？​意识是不是有可能从一具身体传到另外一具身体？​智能是不是只有人脑这一种单一的实现形式，可能存在其他形式的智能吗？比如说，硅基生命体？​人工智能是不是可能产生自我意识？甚至威胁到人类？​

智慧从何而来，它的终点又在哪里？​心灵为何物？

笛卡尔在17世纪抛出了这样的问题

我们真的能够知道别人的心思吗？女人有可能了解男人的感觉吗？婴儿在分娩过程中的体验如何？胎儿在子宫内如果有体验的话，是什么样的呢？非人类的心灵又如何呢？马在想些什么？秃鹫吃了腐尸为什么不会呕吐？当鱼的嘴唇被鱼钩钩住的时候，它会不会像你的嘴唇被钩住那样痛呢？蜘蛛们会思考吗，还是说只是一些小小的机器人，无心地编织着它们精美的蛛网？高级的机器人有意识吗？是否有鸿沟将机器人和高级动物区分开来？会不会除了人类之外的所有动物都只是一些没有心灵的自动机器呢（恐怖谷效应）？我们确信所有人都有心灵吗？​从“唯我论”到心灵哲学起源

一般认为,现代西方心灵哲学是从笛卡尔开始的。

如今心灵哲学一直是英美分析哲学中最重要的研究领域之一，尤其是最近一、二十年以来，这一领域的研究变得异乎寻常地活跃和丰富。这一方面是因为在哲学理论上人们发现了心灵哲学中的问题和语言哲学、形而上学等其它领域的问题之间的深层次的内在关系，另一方面对心灵各方面的认知科学研究（包括心理学、语言学、脑神经科学、人工智能等）的发展也进一步促进了心灵哲学的繁荣。

​笛卡尔心灵哲学思想在笛卡尔那里,“思”是一个复合的概念,它是各种“意识”活动的总称。笛卡尔认为与其他事物相比,“思”是最容易被认识的,因为它就在我们内部,是我们的直接对象。​“人不是机器”近代第一个提出“人是机器”口号的是法国哲学家拉·梅特里,后来控制论和计算机科学的发展使“人是机器”的论断获得了理论的支持和实践的体现。图灵提出的“普遍图灵机”假设和著名的“图灵实验”,将人的思维、认知、学习等意识活动都纳入了机器概念的范围;认知科学和人工智能研究的发展也使人们相信,只要能满足一定的符号处理要求,机器就可以像人那样思维。纽厄尔(A.Newell)和西蒙(H.A.Simon)甚至声称,数字计算机已经具有与人完全同等意义上的思想了。受这种观点的影响,心灵哲学中的心-机类比理论和意识计算理论发展起来了​心灵哲学的分类西方哲学处理身心问题时有两个方向，一个是偏向肯定身体与行为的物理主义与行为主义；另一个方向是偏向肯定心灵的理想主义（或观念论）。当然，还有很多的哲学家是兼论两者的二元论者​表征性表征（representation）是信息在头脑中的呈现方式。根据信息加工的观点,当有机体对外界信息进行加工（输入、编码、转换、存储和提取等）时，这些信息是以表征的形式在头脑中出现的。举例：人和两腿直立​意向姿态意向姿态是这样一种策略：它把一个实体（人、动物或者其他任何东西）当做似乎是以自己的“信念”与“愿望”来统率其“行动选择”的理性功能​心脑同一论心脑同一论主要有以下几种形式：中枢状态唯物论：认为痛觉、思想等心理状态都存在，但不过是经验到这些心理状态的人的中枢神经系统状态。

费格尔的物理主义：心理名词和物理名词在涵义上有区别，但在经验事实上，它们指称的是同一事物或现象，正如晨星和暮星指称同一颗星一样。消失形式的同一论：认为思想、感情、感觉、意向在科学语言中必须消失​普特南——从功能主义向外在论的转变人脑是个复杂的系统，意识是一种宏观的把握，就像开车时看点对齐整辆车​我是身体，灵魂也是——《查拉图斯特拉如是说》一旦我们把心灵与脑之间清楚的等同给抛弃掉，而让心灵伸展到身体的其他部分，那么要以功能主义的方式来考察心灵就更为困难。我们的身体里藏着很多我们日常生活里决策的智慧。弗里德里希·尼采很早就看到了这一点。​计算主义的观点信息是宇宙的基础反实在论​人工智能的现状据量化分析公司Quid的数据，自2009年以来，人工智能已经吸引了超过170亿美元的投资。仅2014年，就有322家拥有类似人工智能技术的公司获得的投资就超过20亿美元。Facebook和谷歌也为其公司内部的人工智能研究小组招聘研究员。自2015年以来，雅虎、英特尔、Dropbox、LinkedIn、Pinterest以及推特都收购了人工智能公司。人工智能领域的民间投资在过去四年间以平均每年62%的增长速率增加，这一速率预计还会持续下去。本文分四个步骤对人工智能的发展进行了思考和研究：第一步，人工智能研究的现状；第二步，对人脑和人工智能进行对比；第三步，对人工智能未来发展可能心智的分类；第四步，一种新的人工智能研发思路。​人工智能的发展历史六十年代，第一春，J·J·古德阐明人工智能未来图景（明斯基、麦卡锡、罗切斯特、香农等大牛）七十年代，第一次寒冬八十年代末，第二次寒冬九十年代，第二春​智能的历史对智人来说，大脑只占据了身体总重约2%~3%，但在身体休息而不活动时，大脑的能量消耗却占据了25%，相比之下，其他猿类的大脑在休息时的能量消耗大约只占据了大约8%。因为人类把肱二头肌所需的能量拨给了大脑里的神经元，人类的肌肉相对萎缩，并没有像其他猿类那样发达的肌肉和健壮的体魄（如大猩猩）。因为大脑对能量和营养的需求巨大，在生物演化的初期，人类并没有太大的生存竞争优势，直到人类进入了石器时代，能够发明和使用简单的石矛、石枪、篝火等外在的工具，人类的生存优势才逐渐凸显，而到了现代社会，随着枪炮和其他各种大杀伤力武器的发明，人类在自然界生存竞争中相对于其他动物的优势越发明显。​2016年3月，由谷歌公司旗下的Deepmind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们的团队开发的围棋人工智能程序AlphaGo在与围棋冠军、职业九段选手李世石对战中以4:1胜出，引起了全世界对人工智能热潮的关注。​人脑智能和人工智能的对比如图-1所示，每个神经元可以看做一个多脚的电子元器件，有多个输入端和多个输出端，其输入端会与其他神经元的输出端连接。以冯机作为类比，人脑每个神经元相当于功能专一的运算器，这样的运算器在人脑中有超过100亿个，只能处理来自某个局部空间的信息，而非加法运算，其输出的结果也只能被特定的其他运算器使用。数据并不能在人脑中随意流动。​算法比硬件更重要日心说和地心说的对比​

如果要让人类在自然界中能够不靠机械，长出翅膀自然飞行，需要怎样改造人类的身体？

​这需要修改人类的骨骼和器官的模型，缩小了人体内部器官比例，好让人类骨骼变得更纤细中空以此减轻体重便于飞行，还要让人的双手长出扇面形状的羽毛以此来起到扇动空气飞行的效果，还把人类的脊椎骨拉伸，设计成具有弧度的流线型以此来适应飞行时的空气流动，此外，为了让人类飞在高空时能保温，人体表面还需要有绒毛状物体，而为了在飞行时鼻尖不受到尘土等物体撞击受损，人的鼻尖和嘴巴构成质料要更坚硬，而为了在空中有更大的观察角快速寻找落脚地，人的眼睛也需要长在两侧增大视角……于是到了最后，我们惊讶地发现，不管我们怎么修改人体模型，想要让人类能够飞起来，鸟的形状是唯一适合在地球上的生物形态。​就拿人类的五官来说，人类的五官布局是最科学的，人类只有两只眼睛，是因为三只眼睛会需要更多视觉神经和视锥细胞需要更多资源，人类的眼睛是轴向对称，间距适中，因为只有这样才能形成立体的视觉，人类的耳朵有扇形的耳郭，这是为了收集声音。人类的鼻孔在下方，是为了方便鼻涕流出，人类的嘴唇之所以纤薄而且是红色，是为了方便进食的时候口腔的舒张，而人类的智力也是受到大脑体积的限制。人类之所以只有四肢，是因为更多的肢体会占用更多的脑神经从而导致大脑营养消耗更多。而人类的大脑之所以是现在这么大，是因为受到了女性盆骨和产道大小的限制，人类的大脑已经到达了自然智力的极限，人类的智力想要提高一点，就必须增大头颅，但是那样就会导致女性难产，让婴儿在出生之前就死亡，如果人类女性盆骨大一些，就会导致无法行走，但如果人类女性改成爬行，却又会导致无法使用工具，生存能力下降……自然界的一切都是注定和合理的，人类是大自然亿万年来筛选了无数设计图后才制作而成的杰作，人类的一切都是完美而合理的。

​因为人工智能无论在硬件、算法、储存器、控制器、连接方式、待机模式上都和人脑有着极大的差异，而人工智能因其专业和用途所需，其具体的功能和心智发展方向也有很大的不同，美国科学哲学家对人工智能的心智进行了以下几类：

1、一种心智与人类的心智相像，只是反应更快。

2、一种心智主要基于大容量存贮和记忆，有些愚钝但是信息面广博。

3、一种全球化超级心智，由数百万做着单调工作的智能体组成。

4、一种蜂巢型心智，由许多十分聪明的心智组成，但是自己却意识不到。

5、一种心智被专门训练用来加强指定的人类个体，但是对其他人完全无效。

6、一种心智能够设想但不能制造比自身更强大的心智。

7、一种心智能够制造比自身更强大的心智，由于自我意识不足，无法设想自己制造的心智。

8、一种心智能够制造比自身更强大的心智。

9、一种心智能够创造比自身更强大的心智，而被创造出的心智能继续这么做。

10、一种心智拥有自身源代码的访问通道，因此可以修改自己的进程。

11、一种心智逻辑能力超强并且没有情感。

12、一种心智能解决普遍问题，但没有自我意识。

13、一种心智具有自我意识，但不能解决普遍问题。

14、一种心智成长期很长，并且在它成熟前需要一个保护者。

15、一种很缓慢的心智，覆盖了很长的物理距离因而在快速的心智看来，它是“隐形的”。

16、一种心智能够多次克隆自己。

17、一种心智能够克隆自己，并且与克隆体组成一个整体。

18、一种心智能从一个平台迁移到另一个平台从而保持永生。

19、一种快速、动态的心智，能够改变自己的认知进程。

20、一种心智专门提出设想并做预测。

21、一种心智从不抹去或忘记任何事情，包括错误或虚假的信息。

22、一种半机器半动物的共生心智。

23、一种半人半机器的赛博格心智。

24、一种使用量子计算的心智，我们无法理解它的逻辑。

……​人脑神经的连接方式​保罗•麦克里恩“人脑三位一体”理论​人工智能的智能水平能有多高？​机器人自我复制今年6月1日英国《每日邮报》报导，阿姆斯特丹自由大学(VrijeUniversiteitAmsterdam)的科学家們创造出一种新技术，可以让机器人透过Wi-Fi网络进行「交配」，然后再经由3D打印产生「机器人后代」。​如何迎接智能时代？关于人工智能，回看历史至少引起过人类社会三次恐慌。第一次是在图灵的年代。这次恐慌源于计算机的诞生，人们传统认为不可破译的密码，被计算机搞定了。这个趋势发展下去，是不是迟早有一天计算机就可以超过人类？八十年代以后个人电脑的普及带来了又一次恐慌。从互联网时代​奇点临近奇点临近是发明家雷·库兹韦尔提出的观点：科技正以史无前例的速度发展，计算机将能够赶超人类智能的各个方面。​库兹韦尔定律

也称之为“加速循环规则”(LawofAcceleratingReturns，也被称为库兹韦尔定律)，大意是，技术的力量正以指数级的速度迅速向外扩充。人类正处于加速变化的浪尖上，这超过了我们历史的任何时刻。他说，更多的、更加超乎我们想象的极端事物将会出现。

这意味着什么？到那个时候，一个刚出生的小孩相当于我们现在的一个大学毕业生。​技术乐观主义和技术悲观主义乐观主义：奇点临近悲观主义：低垂之果​技术乐观派麻省理工学院的教授赛斯·劳挨德根据已知的物理规律，计算出一台重一千克，占据一升体积的计算机潜在的计算容量是5*10^50次操作，对比人脑容量相当于50亿兆的人类文明，能够在千分之一纳秒内计算人类过去一万年内所有思维总和​反对派对人工智能无法超越人类的两个物理证明一，哥德尔不完备定律

1931年的时候哥德尔提出了哥德尔不完备证明。哥德尔证明我们以图灵机的方式是制造不出超过人类的计算机的。

哥德尔不完备性定理：任意一个包含一阶谓词逻辑与初等数论的形式系统，都存在一个命题，它在这个系统中既不能被证明也不能被否定。第二不完备性定理如果系统S含有初等数论，当S无矛盾时，它的无矛盾性不可能在系统内证明。从数学逻辑的基础上否定了计算机超过人类。

比如“这句话是错的”，这句话到底是对的还是错的？图灵机是没法说明它是对的还是错的。这就给图灵机开了个后门。这是哥德尔证明的简版。这问题1931年被提出来，图灵机一直没能解决这个问题。现在做线性系统的解决不了这个问题，人类会不断地去用更高维度的东西来解释低维度的东西，你总会在你的体系之外找到你这个体系的漏洞，没法做出一个完全完备的系统。这是对传统计算机的反驳​二，钱德拉塞卡极限证明钱德拉塞卡极限是什么呢？在1938年，钱德拉塞卡提出来：当一个恒星的质量超过钱德拉塞卡极限时，这个恒星则会自动坍缩成一个黑洞。你明白了吗？这说明如果真的用一个经典的存储计算机去模拟一个人的大脑行为，当这个计算机还没做出来，其本身的质量已经把自己压成一个黑洞了。​人与人人工智能的交流​人类思想有迁移性(布尔函数)海豚并不懂得跳过渔网狗听到了铃声依然会过去吃饭​​​​​几点浅谈信息论、计算实在论和功能主义​计算实在论当代计算主义催生出的新型的实在论，又称之为计算实在论1、在本体论上先存在有2、认识的本质是一台虚拟机​Stephen

Wolfram的两条计算原则1、几乎所有并非明显简单的过程都能看作是具有等价复杂度的计算2、计算不可归约性​也许，人类也是唯一适合在地球上生存的智力型生物，其他的

智力型生物，哪怕是AI，虽然能够短时间在生存上取得优势，

但是最后注定被自然规律打败，被自然所淘汰……​演讲完毕，谢谢观看！附录资料：人工智能简介​AboutTeachingPlan基本要求：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支，是目前迅速发展的一门新兴学科，新思想新方法层出不穷。其基本思想是利用机器来模仿和执行人脑的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。对于培养学生计算机技术的应用能力，开阔思路和视野，有重要意义。

​AboutTeachingPlan因此，要求学生掌握知识表示和问题求解的几种常用方法，尤其是不确定性推理；掌握机器学习基本概念，了解几种机器学习方法尤其是神经网络学习方法；掌握专家系统的概念，了解专家系统设计方法，掌握一些智能控制方法，了解国内外人工智能研究尤其是机器人的最新进展；具有一定的人工智能编程设计能力（利用Lisp或Prolog语言）。​AboutTeachingPlan课程内容以及学时分配人工智能引论(1) 人工智能概念及与计算机的关系，研究途径、内容和应用领域概况介绍，其他最新材料。符号主义、连接主义、行为主义三大流派人工智能数学基础(1)知识表示方法（2） 状态空间法、问题归约法，谓词逻辑法、产生式表示法（动物识别系统）；CLIPS语言；语义网络法、框架法（这是结构化表示）；剧本、过程、Petri网、面向对象的表示。​AboutTeachingPlan 搜索技术和策略（3-4）状态空间法，盲目搜索和启发式搜索，A*算法；海伯伦理论、消解原理和策略；与\或形推理和搜索策略；其他求解技术。 不确定推理技术（3-4）主观Bayes理论；可信度方法和证据理论；系统组织技术；非单调推理；Rete快速算法；模糊推理技术；基于语义网络和框架不确定推理； 专家系统（2）专家系统概念、结构和知识获取；黑板模型、知识组织、管理及系统建造和开发工具；专家系统举例及编程。

人工智能程序设计（1）人工智能语言基本机制：LISP和PROLOG。​AboutTeachingPlan 模式识别导论（3）模式识别专题：概率模式识别。模式识别专题：结构模式识别 机器学习（1）：机械,解释经验,事例,归纳,概念,类比学习等；统计,结构,模糊模式识别。 专题讲座（3次） 1)神经网络基本理论和应用 (史奎凡课程：安排于人工智能理论与应用课程内)； 2)智能体（Agent）； 3)自然语言处理； 4)智能控制和机器人科学 智能控制的结构理论和研究领域，智能控制系统及应用示例；机器人规划、机器视觉和自然语言理解等。​AboutTeachingPlan 实践：1) 搜索技术和策略2) 不确定推理技术3) 专家系统：动物识别系统4) 模式识别技术5) 调研： 搜索技术和策略、不确定推理技术、统计模式识别、机器学习等四个领域进展报告。​ChapterOne:BriefIntroductiontoArtificialIntelligence1.WhatisAI?人工智能（ArtificialIntelligence,AI）是当前科学技发展的一门前沿学科，同时也是一门新思想，新观念，新理论，新技术不断出现的新兴学科以及正在发展的学科。它是在计算机科学，控制论，信息论，神经心理学，哲学，语言学等多种学科研究的基础发展起来的，因此又可把它看作是一门综合性的边缘学科。它的出现及所取得的成就引起了人们的高度重视,并取得了很高的评价。有的人把它与空间技术，原子能技术一起并誉为20世纪的三大科学技术成就。​Intelligence智能是知识与智力的总合。 知识——智能行为的基础； 智力——获取知识并运用知识求解问题的能力。智能具有以下特征：(1)具有感知能力——指人们通过视觉、听觉、触觉、味觉、嗅觉等感觉器官感知外部世界的能力；(2)具有记忆与思维的能力——这是人脑最重要的功能，亦是人之所以有智能的根本原因；(3)具有学习能力及自适应能力；(4)具有行为能力。ArtificialIntelligence人工智能——计算机科学的一个分支，是智能计算机系统，即人类智慧在机器上的模拟，或者说是人们使机器具有类似于人的智慧（对语言能理解、能学习、能推理）。​2.BriefHistoryofAI (1) 孕育（1956年前）古希腊的Aristotle（亚里士多德）（前384-322），给出了形式逻辑的基本规律。英国的哲学家、自然科学家Bacon（培根）（1561-1626），系统地给出了归纳法。“知识就是力量”德国数学家、哲学家Leibnitz（布莱尼茨）（1646-1716）。提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。做出了能做四则运算的手摇计算机英国数学家、逻辑学家Boole（布尔）（1815-1864）实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统——布尔代数。​美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），证明了一阶谓词的完备性定；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。英国数学家Turing(图灵)（1912-1954）,1936年提出了一种理想计算机的数学模型（图灵机），1950年提出了图灵试验，发表了“计算机与智能”的论文。图灵奖。美国数学家Mauchly，1946发明了电子数字计算机ENIAC美国神经生理学家McCulloch，建立了第一个神经网络数学模型。美国数学家Shannon（香农）,1948年发表了《通讯的数学理论》，代表了“信息论”的诞生。​ (2) 形成（1956-1969）1956年提出了“ArtificialIntelligence（人工智能）”1956年夏由麻省理工学院的J.McCarthy、M.L.Minsky,IBM公司信息研究中心的N.Rochester,贝尔实验室的C.E.Shannon共同发起，邀请了Moore,Samuel,Selfridge,Solomonff,Simon,Newell等人，10位数学家、信息学家、心理学家、神经生理学家、计算机科学家，在Dartmouth大学召开了一次关于机器智能的研讨会，会上McCarthy提议正式采用了ArtificialIntelligence（人工智能）这一术语。这次会议，标志着人工智能作为一门新兴学科正式诞生了。 McCarthy（麦卡锡）——人工智能之父。这次会议之后的10年间，人工智能的研究取得了许多引人瞩目的成就.机器学习方面：塞缪尔于1956年研制出了跳棋程序，该程序能从棋谱中学习，也能从下棋实践中提高棋艺；​在定理证明方面：王浩于1958年在IBM机上证明了《数学原理》中有关命题演算的全部定理（220条），还证明了谓词演算中150条定理85%；1965年，鲁宾逊（Robinson）提出了消解原理；在模式识别方面：1959年塞尔夫里奇推出了一个模式识别程序；1965年罗伯特（Robert）编制出可辨别积木构造的程序；在问题求解方面：1960年纽厄尔等人通过心理学试验总结出了人们求解问题的思维规律，编制了通用问题求解程序GPS,可以用来求解11种不同类型的问题；在专家系统方面：斯坦福大学的费根鲍姆（E.A.Feigenbaum）自1965年开始进行专家系统DENDRAL（化学分析专家系统），1968年完成并投入使用；在人工智能语言方面：1960年McCarthy等人建立了人工智能程序设计语言Lisp，该语言至今仍是建造智能系统的重要工具；1969年成立了国际人工智能联合会议（InternationalJointConferencesOnArtificialIntelligence）​ (3) 发展（1970年以后）70年代，开始从理论走向实践，解决一些实际问题。同时很快就发现问题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。以Feigenbaum为首的一批年轻科学家改变了战略思想，1977年提出知识工程的概念，以知识为基础的专家咨询系统开始广泛的应用。著名专家系统的有：DENDRAL化学分析专家系统（斯坦福大学1968）MACSYMA符号数学专家系统（麻省理工1971）MYCIN诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学1973）CASNET(CausalASsciationalNetwork)诊断和治疗青光眼的专家咨询系统（拉特格尔斯（Rutgers）大学70年代中）CADUCEUS(原名INTERNIST)医疗咨询系统（匹兹堡大学）；HEARSAYI和II语音理解系统（卡内基-梅隆大学）PROSPECTOR地质勘探专家系统（斯坦福大学1976）XCON计算机配置专家系统（卡内基-梅隆大学1978）​•80年代，人工智能发展达到阶段性的顶峰。•87,89年世界大会有６－７千人参加。硬件公司有上千个。并进行Lisp硬件、Lisp机的研究。•在专家系统及其工具越来越商品化的过程中,国际软件市场上形成了一门旨在生产和加工知识的新产业——知识产业。应该说，知识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。•同年代，1986年Rumlhart领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法，解决了神经网络的根本问题之一。从此，神经网络的研究进入新的高潮。•90年代，计算机发展趋势为小型化、并行化、网络化、智能化。•人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近。•日本政府于1992年结束了为期十年的称为“知识信息处理体统”的第五代计算机系统研究开发计划。并开始了为期十年的实况计算（RealWordComputing）计划。​3.ResearchObjectsandMainContents

(1)人工智能的研究目标

人工智能的长期研究目标：构造智能计算机。

人工智能的近期研究目标：使现有的电子计算机更聪明，更有用，使它不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。​(2)人工智能研究的基本内容

1.机器感知以机器视觉与机器听觉为主。机器感知是机器获取外部信息的基本途径，是使机器具有智能不可或缺的组成部分，对此人工智能中已形成两个专门的研究领域——

模式识别和自然语言理解。2.机器思维指通过感知的外部信息及机器内部的各种工作信息进行有目的的处理。主要开展以下几方面的研究：(1)知识表示(2)知识的组织，累计，管理技术(3)知识的推理(4)各种启发式搜索及控制策略(5)神经网络，人脑的结构及其工作原理​3.机器学习

使计算能自动获取知识，能直接向书本学习，能通过与人谈话学习，能通过对环境的观察学习，并能在实践中自我完善。4.机器行为机器行为主要指计算机的表达能力，即“说”、“写”、“画”等，对智能机器人，还应该有人的四肢功能，即能走路，能取物，能操作等。5.智能系统及智能计算机的构造技术​4.ResearchObjectsandMainContents人工智能面世以来，其研究途径存在两种不同的观点：以符号处理为核心的方法——主张通过运用计算机科学的方法进行研究，实现人工智能在计算机的模拟。以网络连接为主的连接机制方法——主张用生物学的方法进行研究，搞清楚人类智能的本质。(1)以符号处理为核心的方法该方法起源于纽厄尔等人的通用问题求解系统（GPS），用于模拟人类求解问题的心理过程，逐渐形成为物理符号系统，这种方法认为： 人类研究的目标是实现机器智能，而计算机自身具有符号处理能力，这种能力本身就蕴含着演绎推理的内涵，因而可通过运行相应的程序来体现某种基于逻辑思维的智能行为，达到模拟人类智能活动的效果。目前人工智能的大部分研究成果都是基于这种方法实现的。​

该方法的主要特征是：

•立足于逻辑运算和符号操作，适合于模拟人的逻辑思维过程，解决需要进行逻辑推理的复杂问题；

•知识可用显式的符号表示；

•便于模块化；•能与传统的符号数据库链接；•可对推理结论做出解释，便于对各种可能性进行选择。

但该方法不适合于形象思维；而且在用符号表示概念时其有效性在很大程度上取决于符号表示的正确性，且对带噪声的信息及不完整的信息难以处理。(2)以网络连接为主的连接机制方法该方法是在人脑神经元及其相互连接而成网络的启示下，试图通过多人工神经元间的并行协同作用来实现对人类智能的模拟。该方法认为：大脑是人类一切智能活动的基础，因而从大脑神经元及其连接机制着手进行研究，搞清楚大脑的结构及它进行信息处理的过程及机理，可望揭示人类智能的奥秘，从而真正实现人类智慧在机器上的模拟。​该方法的主要特征：•通过神经元之间的并行协同作用实现信息处理，处理过程具有并行性、动态性、全局性；•通过神经元间分布式的物理联系存储知识和信息，因而可以实现联想功能，对于带有噪声、缺损、变形的信息能进行有效地处理。近期的一些研究表明，该方法在模式识别、图像信息压缩等方面取得了一些研究成果；•通过神经元间连接强度的动态调整来实现对人类学习、分类等的模拟；•适合于模拟人类的形象思维过程；•求解问题时，可以比较快地球的一个近似解。该方法不适合于模拟人的逻辑思维过程，而且就目前神经网络的研究现状来看，由固定的体系结构与组成方案所构成的系统还达不到开发多种多样知识的要求。​(3)系统集成

•符号方法善于模拟人的逻辑思维过程，求解问题时，如果问题有解，它可以准确地求出最优解；但求解过程的运算量将随问题的复杂性的增加成指数性增