本文將解釋為什么我們認為人工智能是一個最值得研究的課題，并試圖定義人工智能究竟是什么。這是開啟人工智能學習之旅之前不錯的準備。
我們稱自己為智人（有智慧的人），因為智能（intelligence）對我們來說尤其重要。幾千年來，我們一直試圖理解我們是如何思考和行動的，也就是不斷地了解我們的大腦是如何憑借它那小部分物質去感知、理解、預測并操縱一個遠比其自身更大更復雜的世界。人工智能（artificial intelligence，AI）領域不僅涉及理解，還涉及構建智能實體。這些智能實體機器需要在各種各樣新奇的情況下，計算如何有效和安全地行動。
人工智能經(jīng)常被各種調(diào)查列為最有趣、發(fā)展最快的領域之一，現(xiàn)在每年創(chuàng)造的價值超過一萬億美元。人工智能專家李開復預測稱，人工智能對世界的影響“將超過人類歷史上的任何事物”。此外，人工智能的研究前沿仍是開放的。學習較古老科學（如物理學）的學生可能會認為最好的想法都已經(jīng)被伽利略、牛頓、居里夫人、愛因斯坦等人發(fā)現(xiàn)了，但當下人工智能仍然為專業(yè)人員提供了許多機會。
目前，人工智能包含大量不同的子領域，從學習、推理、感知等通用領域到下棋、證明數(shù)學定理、寫詩、駕車或診斷疾病等特定領域。人工智能可以與任何智能任務產(chǎn)生聯(lián)系，是真正普遍存在的領域。
歷史上研究人員研究過幾種不同版本的人工智能。有些根據(jù)對人類行為的復刻來定義智能，而另一些更喜歡用“理性”（rationality）來抽象正式地定義智能，直觀上的理解是做“正確的事情”。智能主題的本身也各不相同：一些人將智能視為內(nèi)部思維過程和推理的屬性，而另一些人則關注智能的外部特征，也就是智能行為。
從人與理性以及思想與行為這兩個維度來看，有4種可能的組合，而且這4種組合都有其追隨者和相應的研究項目。他們所使用的方法必然是不同的：追求類人智能必須在某種程度上是與心理學相關的經(jīng)驗科學，包括對真實人類行為和思維過程的觀察和假設；而理性主義方法涉及數(shù)學和工程的結合，并與統(tǒng)計學、控制理論和經(jīng)濟學相聯(lián)系。各個研究團體既互相輕視又互相幫助。接下來，讓我們更細致地探討這4種方法。
1. 類人行為：圖靈測試方法
圖靈測試（Turing test）是由艾倫·圖靈（Alan Turing）提出的，它被設計成一個思維實驗，用以回避“機器能思考嗎？”這個哲學上模糊的問題。如果人類提問者在提出一些書面問題后無法分辨書面回答是來自人還是來自計算機，那么計算機就能通過測試。目前，為計算機編程使其能夠通過嚴格的應用測試尚有大量工作要做。計算機需要具備下列能力：
自然語言處理（natural language processing），以使用人類語言成功地交流；
知識表示（knowledge representation），以存儲它所知道或聽到的內(nèi)容；
自動推理（automated reasoning），以回答問題并得出新的結論；
機器學習（machine learning），以適應新的環(huán)境，并檢測和推斷模式。
圖靈認為，沒有必要對人進行物理模擬來證明智能。然而，其他研究人員提出了完全圖靈測試（total Turing test），該測試需要與真實世界中的對象和人進行交互。為了通過完全圖靈測試，機器人還需要具備下列能力：
計算機視覺（computer vision）和語音識別功能，以感知世界；
機器人學（robotics），以操縱對象并行動。
以上6個學科構成了人工智能的大部分內(nèi)容。然而，人工智能研究人員很少把精力用在通過圖靈測試上，他們認為研究智能的基本原理更為重要。
2. 類人思考：認知建模方法
我們必須知道人類是如何思考的，才能說程序像人類一樣思考。我們可以通過3種方式了解人類的思維：
內(nèi)省（introspection）——試圖在自己進行思維活動時捕獲思維；
心理實驗（psychological experiment）——觀察一個人的行為；
大腦成像（brain imaging）——觀察大腦的活動。
一旦我們有了足夠精確的心智理論，就有可能把這個理論表達為計算機程序。如果程序的輸入/輸出行為與相應的人類行為相匹配，那就表明程序的某些機制也可能在人類中存在。認知科學（cognitive science）這一跨學科領域匯集了人工智能的計算機模型和心理學的實驗技術，用以構建精確且可測試的人類心智理論。
在人工智能發(fā)展的早期，這兩種方法經(jīng)常會混淆。有作者認為，如果算法在某個任務中表現(xiàn)良好，就會是建模人類表現(xiàn)的良好模型，反之亦然。而現(xiàn)代作者將這兩種主張分開，這種區(qū)分使人工智能和認知科學都得到了更快的發(fā)展。這兩個領域相互促進，值得一提的是計算機視覺領域，它將神經(jīng)生理學證據(jù)整合到了計算模型中。最近，將神經(jīng)影像學方法與分析數(shù)據(jù)的機器學習技術相結合，開啟了“讀心”能力（即查明人類內(nèi)心思想的語義內(nèi)容）的研究。這種能力反過來可以進一步揭示人類認知的運作方式。