人工智能- 维基百科，自由的百科全书

人工智能（英語：artificial intelligence，缩写为AI）亦稱智械、機器智能，指由人製造出來的機器所表現出來的智慧。

通常人工智能是指通过普通電腦程式來呈現人類智能 ... 人工智慧 計算機科學分支，開發具有類似人類智能的機器和軟件 語言 監視 編輯   此條目介紹的是人工智慧。

關於其他用法，請見「AI」。

本條目存在以下問題，請協助改善本條目或在討論頁針對議題發表看法。

此條目翻譯品質不佳。

(2018年9月21日)翻譯者可能不熟悉中文或原文語言，也可能使用了機器翻譯。

請協助翻譯本條目或重新編寫，並注意避免翻譯腔的問題。

明顯拙劣的翻譯請改掛{{d|G13}}提交刪除。

此條目可能包含原創研究或未查證內容。

請協助補充參考資料以改善這篇條目。

詳細情況請參見討論頁。

人工智慧（英語：artificialintelligence，縮寫為AI）亦稱智械、機器智慧，指由人製造出來的機器所表現出來的智慧。

通常人工智慧是指透過普通電腦程式來呈現人類智慧的技術。

該詞也指出研究這樣的智慧系統是否能夠實現，以及如何實現。

同時，透過醫學、神經科學、機器人學及統計學等的進步，常態預測則認為人類的很多職業也逐漸被其取代。

[1][2]「人工智慧」的各地常用別名中國大陸人工智能臺灣人工智慧港澳人工智能馬新人工智能、人工智慧日韓人工知能越南智慧人造人工智慧於一般教材中的定義領域是「智慧主體（intelligentagent）的研究與設計」[3]，智慧主體指一個可以觀察周遭環境並作出行動以達致目標的系統[4]。

約翰·麥卡錫於1955年的定義是[5]「製造智慧機器的科學與工程」[6]。

安德烈亞斯·卡普蘭（AndreasKaplan）和麥可·海恩萊因（MichaelHaenlein）將人工智慧定義為「系統正確解釋外部資料，從這些資料中學習，並利用這些知識透過靈活適應達成特定目標和任務的能力」。

[7]人工智慧可以定義為模仿人類與人類思維相關的認知功能的機器或計算機，如學習和解決問題。

人工智慧是計算機科學的一個分支，它感知其環境並採取行動，最大限度地提高其成功機會。

此外，人工智慧能夠從過去的經驗中學習，做出合理的決策，並快速回應。

因此，人工智慧研究人員的科學目標是透過構建具有象徵意義的推理或推理的計算機程式來理解智慧。

人工智慧的四個主要組成部分是： 專家系統：作為專家處理正在審查的情況，併產生預期或預期的績效。

啟發式問題解決：包括評估小範圍的解決方案，並可能涉及一些猜測，以找到接近最佳的解決方案。

自然語言處理：在自然語言中實現人機之間的交流。

計算機視覺：自動生成識別形狀和功能的能力[8]。

人工智慧的研究是高度技術性和專業的，各分支領域都是深入且各不相通的，因而涉及範圍極廣[9]。

人工智慧的研究可以分為幾個技術問題。

其分支領域主要集中在解決具體問題，其中之一是，如何使用各種不同的工具完成特定的應用程式。

AI的核心問題包括建構能夠跟人類似甚至超卓的推理、知識、規劃、學習、交流、感知、移物、使用工具和操控機械的能力等[10]。

人工智慧目前仍然是該領域的長遠目標[11]。

目前弱人工智慧已經有初步成果，甚至在一些影像辨識、語言分析、棋類遊戲等等單方面的能力達到了超越人類的水準，而且人工智慧的通用性代表著，能解決上述的問題的是一樣的AI程式，無須重新開發演算法就可以直接使用現有的AI完成任務，與人類的處理能力相同，但達到具備思考能力的統合強人工智慧還需要時間研究，比較流行的方法包括統計方法，計算智慧和傳統意義的AI。

目前有大量的工具應用了人工智慧，其中包括搜尋和數學最佳化、邏輯推演。

而基於仿生學、認知心理學，以及基於概率論和經濟學的演算法等等也在逐步探索當中。

目次 1概論 2發展史 3研究課題 3.1演繹、推理和解決問題 3.2知識表示法 3.3規劃 3.4學習 3.5自然語言處理 3.6運動和控制 3.7知覺 3.8社交 3.9創造力 3.10倫理管理 3.11經濟衝擊 3.12AI對人類的威脅 3.12.1悲觀學派 3.12.2樂觀學派 3.13AI與管理 4強人工智慧和弱人工智慧 4.1強人工智慧 4.2弱人工智慧 4.3對強人工智慧的哲學爭論 5研究方法 5.1控制論與大腦模擬 5.2符號處理 5.3子符號方法 5.4統計學方法 5.5集成方法 6基本應用 6.1感知能力（Perception） 6.2認知能力（Cognition） 6.3創造力（Creativity） 6.4智慧（Wisdom） 7實際應用 8學科範疇 8.1涉及學科 8.2研究範疇 9電視劇 10應用領域 11濫用 12相關 13參看 14參見 15參考文獻 15.1引用 15.2來源 16擴展閱讀 17外部連結 概論編輯 人工智慧的定義可以分為兩部分，即「人工」和「智慧」。

「人工」即由人設計，為人創造、製造。

關於什麼是「智慧」，較有爭議性。

這涉及到其它諸如意識、自我、心靈，包括無意識的精神等等問題。

人唯一瞭解的智慧是人本身的智慧，這是普遍認同的觀點。

但是我們對我們自身智慧的理解都非常有限，對構成人的智慧必要元素的瞭解也很有限，所以就很難定義什麼是「人工」製造的「智慧」。

因此人工智慧的研究往往涉及對人智慧本身的研究。

其它關於動物或其它人造系統的智慧也普遍被認為是人工智慧相關的研究課題。

人工智慧目前在電腦領域內，得到了愈加廣泛的發揮。

並在機器人、經濟政治決策、控制系統、仿真系統中得到應用。

發展史編輯 主條目：人工智慧的歷史 年代 20世紀40年代 20世紀50年代 20世紀60年代 20世紀70年代 20世紀80年代 20世紀90年代 21世紀00年代 21世紀10年代 計算機 1945電腦（ENIAC） 1957FORTRAN語言 人工智慧研究 1953博弈論1956達特矛斯會議 1977知識工程（英語：Knowledgeengineering）宣言 1982第五代電腦計劃開始 1991人工神經網路 2007深度學習 人工智慧語言 1960LISP語言 1973PROLOG語言 知識表達 1973生產系統1976框架理論 專家系統 1965DENDRAL（英語：Dendral） 1975MYCIN（英語：Mycin） 1980Xcon 研究課題編輯 目前人工智慧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慧系統應該具有某些特定能力，以下將這些能力列出並說明。

[10] 演繹、推理和解決問題編輯 早期的人工智慧研究人員直接模仿人類進行逐步的推理，就像是玩棋盤遊戲或進行邏輯推理時人類的思考模式。

[12]到了1980和1990年代，利用概率和經濟學上的概念，人工智慧研究還發展了非常成功的方法處理不確定或不完整的資訊。

[13]對於困難的問題，有可能需要大量的運算資源，也就是發生了「可能組合爆增」：當問題超過一定的規模時，電腦會需要天文數量級的記憶體或是運算時間。

尋找更有效的演算法是優先的人工智慧研究專案。

[14]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，早期人工智慧研究通常使用逐步推導的方式。

[15]人工智慧研究已經於這種「次表徵性的」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。

神經網路研究試圖以類比人類和動物的大腦結構重現這種技能。

知識表示法編輯  本體論將知識表示為一個領域內的一組概念以及這些概念之間的關係。

主條目：知識表示和常識知識庫 知識表示是人工智慧領域的核心研究問題之一，它的目標是讓機器儲存相應的知識，並且能夠按照某種規則推理演繹得到新的知識。

有許多需要解決的問題需要大量的對世界的知識,這些知識包括事先儲存的先驗知識和透過智慧推理得到的知識。

事先儲存的先驗知識指：人類透過某種方式告訴給機器的知識。

透過智慧推理得到的知識指：結合先驗知識和某種特定的推理規則（邏輯推理）得到的知識。

首先，先驗知識可以指描述目標，特徵，種類及物件之間的關係的知識，也可以描述事件，時間，狀態，原因和結果，以及任何知識你想要機器儲存的。

比如：今天沒有太陽，沒有太陽就是陰天。

那麼以命題邏輯語言，這些知識可以被表示為：今天-->沒有太陽，沒有太陽-->陰天。

這些知識是先驗知識，那麼透過推理可以得到新知識：今天-->陰天。

由此例子可以看出，先驗知識的正確性非常重要，這個例子中沒有太陽就是陰天，這個命題是不嚴謹的、比較籠統的，因為沒有太陽可能是下雨，也可能下雪。

另外如果人工智慧能看出太陽，除了該如何判斷的這件問題，在這個前提之下，應該也能判斷出陰天與晴天的差異。

邏輯命題表示在知識表示中非常重要，邏輯推理規則是目前主要推理規則。

可以在機器中用邏輯符號定義每一個邏輯命題，然後再讓機器儲存相應的邏輯推理規則，那麼自然而然機器便可進行推理。

目前知識表達有許多困境尚無法解決，比如：建立一個完備的知識庫幾乎不可能，所以知識庫的資源受到限制；先驗知識的正確性需要進行檢驗，而且先驗知識有時候不一定是只有對或者錯兩種選擇。

規劃編輯 智慧Agent必須能夠制定目標和達成這些目標。

[16]他們需要一種方法來建立一個可預測的世界模型（將整個世界狀態用數學模型表現出來，並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的行為。

[17] 在傳統的規劃問題中，智慧Agent被假定它是世界中唯一具有影響力的，所以它要做出什麼行為是已經確定的。

[18]但是，如果事實並非如此，它必須定期檢查世界模型的狀態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。

因此智慧代理必須具有在不確定結果的狀態下推理的能力。

[19] 在多Agent中，多個Agent規劃以合作和競爭的方式去完成一定的目標，使用演化演算法和群體智慧可以達成一個整體的突現行為目標。

[20] 學習編輯 主條目：機器學習 機器學習的主要目的是為了讓機器從使用者和輸入資料等處獲得知識，從而讓機器自動地去判斷和輸出相應的結果。

這一方法可以幫助解決更多問題、減少錯誤，提高解決問題的效率。

對於人工智慧來說，機器學習從一開始就很重要。

1956年，在最初的達特茅斯夏季會議上，雷蒙德·索洛莫諾夫[來源請求]寫了一篇關於不監視的概率性機器學習：一個歸納推理的機器。

機器學習的方法各種各樣，主要分為監督學習和非監督學習兩大類。

監督學習指事先給定機器一些訓練樣本並且告訴樣本的類別，然後根據這些樣本的類別進行訓練，提取出這些樣本的共同屬性或者訓練一個分類器，等新來一個樣本，則透過訓練得到的共同屬性或者分類器進行判斷該樣本的類別。

監督學習根據輸出結果的離散性和連續性，分為分類和回歸兩類。

非監督學習是不給定訓練樣本，直接給定一些樣本和一些規則，讓機器自動根據一些規則進行分類。

無論哪種學習方法都會進行誤差分析，從而知道所提的方法在理論上是否誤差有上限。

自然語言處理編輯 主條目：自然語言處理 自然語言處理探討如何處理及運用自然語言，自然語言認知則是指讓電腦「懂」人類的語言。

自然語言生成系統把計算機數據轉化為自然語言。

自然語言理解系統把自然語言轉化為計算機程式更易於處理的形式。

運動和控制編輯 主條目：機器人學 知覺編輯 主條目：機器感知、計算機視覺和語音識別 機器感知[21]是指能夠使用感測器所輸入的資料（如照相機、麥克風、聲納以及其他的特殊感測器）然後推斷世界的狀態。

電腦視覺[22]能夠分析影像輸入。

另外還有語音識別[23]、臉部辨識和物體辨識。

[24] 社交編輯 主條目：情感計算  Kismet，一個具有表情等社交能力的機器人[25] 情感和社交技能對於一個智慧agent是很重要的。

首先，透過了解他們的動機和情感狀態，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。

創造力編輯 一個人工智慧的子領域，代表了理論（從哲學和心理學的角度）和實際（透過特定的實現產生的系統的輸出是可以考慮的創意，或系統識別和評估創造力）所定義的創造力。

相關領域的研究包括了人工直覺和人工想像。

倫理管理編輯 史蒂芬·霍金、比爾蓋茲、馬斯克、JaanTallinn以及NickBostrom等人都對於人工智慧技術的未來公開表示憂心[26]，人工智慧若在許多方面超越人類智慧水準的智慧、不斷更新、自我提升，進而取得控制管理權，人類是否有足夠的能力及時停止人工智慧領域的「軍備競賽」，能否保有最高掌控權，現有事實是：機器常失控導致人員傷亡，這樣的情況是否會更加擴大規模出現，歷史顯然無法給出可靠的樂觀答案。

特斯拉電動車馬斯克（ElonMusk）在麻省理工學院（MIT）航空航天部門百年紀念研討會上稱人工智慧是「召喚惡魔」行為，英國發明家CliveSinclair認為一旦開始製造抵抗人類和超越人類的智慧機器，人類可能很難生存，蓋茲同意馬斯克和其它人所言，且不知道為何有些人不擔憂這個問題。

[27]DeepMind的人工智慧（AI）系統在2016年「AlphaGo」對戰南韓棋王李世乭獲勝，開發商表示在內部設立倫理委員會，針對人工智慧的應用制定政策，防範人工智慧淪為犯罪開發者。

[28]科技進步，人工智慧科技產生「自主武器」軍備競賽已悄悄展開，英國、以色列與挪威，都已部署自主飛彈與無人操控的無人機，具「射後不理」（fire-and-forget）能力的飛彈，多枚飛彈還可互相溝通，分享找到攻擊目標。

這些武器還未被大量投入，但很快就會出現在戰場上，且並非使用人類所設計的程式，而是完全利用機器自行決策。

霍金等人在英國獨立報發表文章警告未來人工智慧可能會比人類金融市場、科學家、人類領袖更能操縱人心、甚至研發出人們無法理解的武器。

專家恐發展到無法控制的局面，援引聯合國禁止研發某些特定武器的「特定常規武器公約」加以限制。

[29]新南威爾斯大學人工智慧的沃爾什（TobyWalsh）教授認為這是一種欺騙，因為機器無區別戰敵和平民的技術。

[30] 經濟衝擊編輯 據CNN財經網數字媒體未來學家兼Webbmedia集團創始人艾米·韋伯（AmyWebb）；美國在線[31]...等紛紛預測一些即將被機器人取代的職業，日本野村總合研究所也與英國牛津大學的研究學者共同調查指出，10至20年後，日本有49%的職業(235種職業)可能會被機械和人工智慧取代而消失，直接影響約達2500萬人，[32]例如：超市店員、一般事務員、計程車司機、收費站運營商和收銀員、市場營銷人員、客服人員、製造業工人、金融中間人和分析師、新聞記者、電話公司職員、麻醉師、士兵和保安、律師、醫生、軟體開發者和操盤手、股票交易員等等高薪酬的腦力職業將最先受到衝擊[33]。

2017年6月份馬雲在美國底特律舉行「鏈結世界」（Gateway17）產業大會，會上提出人工智慧可能導致第三次世界大戰，因為前兩次產業革命都導致兩次大戰，戰爭原因並非這些創新發明本身，而是發明對社會上許多人的生活方式衝擊處理不當，新科技在社會上產生新工作也取代舊工作，產生了新的輸家和贏家，若是輸家的人數太多將造成一股社會不穩的能量而這股能量被有心人利用可能導致各種事件。

他認為各國應該強制訂定規定AI機器只能用於人類不能做的工作，避免短時間大量人類被取代的失業大潮，但馬雲沒有提出這種世界性規定將如何實現並確保遵守的細節方案。

[34]資料科學和人工智慧被哈佛商業評論稱為《二十一世紀最Sexy的職業》[35]，人工智慧需求量大，鼓勵了不少大學諸如伯克利大學專門成立資料科學系。

矽谷和紐約為主的《TheDataIncubator（英語：TheDataIncubator）》公司於2012年成立，焦點是資料科學，巨量資料，和人工智慧企業培訓，提供國際巨量資料培訓服務。

AI對人類的威脅編輯 此議題目前分成兩個學派： 悲觀學派編輯 此學派的代表是天文物理學家史蒂芬·霍金(StephenHawking)，以及特斯拉執行長伊隆·馬斯克(ElonMusk)。

霍金認為AI對人類將來有很大的威脅，主要有以下理由： AI會遵循科技發展的加速度理論。

AI可能會有自我改造創新的能力。

AI進步的速度遠遠超過人類。

人類會有被滅絕的危機存在。

樂觀學派編輯 主要是Google、Facebook等AI的主要技術發展者，他們對AI持樂觀看法的理由： 人類只要關掉電源就能除掉AI機器人。

任何的科技都會有瓶頸，「摩爾定律」到目前也遇到相當的瓶頸，AI科技也不會無限成長，依然存在許多難以克服的瓶頸。

依目前的研究方向，電腦無法突變、甦醒、產生自我意志，AI也不可能具有創意與智慧、同情心與審美等這方面的能力。

AI與管理編輯 AI逐漸普及後，將會在企業管理中扮演很重要的角色，而人類的管理者應如何適度的調整自己的工作職能，有以下幾點建議： 放棄行政工作 退守分析預測的領域而強化自己的綜合判斷力。

把AI當作同事，形成協同合作的團隊。

多琢磨在創造力以及各種流程架構設計師角色。

強化自己人際網路、溝通協調、談判上的能力。

培養自身領導能力，能有效地帶領一個士氣高、團結及凝結力高的工作夥伴。

[36] 強人工智慧和弱人工智慧編輯 人工智慧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：人工智慧就是要讓機器的行為看起來就像是人所表現出的智慧行為一樣。

但是這個定義似乎忽略了強人工智慧的可能性（見下）。

另一個定義指人工智慧是人造機器所表現出來的智慧。

總體來講，目前對人工智慧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」。

這裡「行動」應廣義地理解為採取行動，或制定行動的決策，而不是肢體動作。

強人工智慧編輯 主條目：強人工智慧 強人工智慧觀點認為「有可能」製造出「真正」能推理和解決問題的智慧機器，並且，這樣的機器將被認為是具有知覺、有自我意識的。

強人工智慧可以有兩類： 人類的人工智慧，即機器的思考和推理就像人的思維一樣。

非人類的人工智慧，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。

弱人工智慧編輯 弱人工智慧觀點認為「不可能」製造出能「真正」地推理和解決問題的智慧機器，這些機器只不過「看起來」像是智慧的，但是並不真正擁有智慧，也不會有自主意識。

弱人工智慧是對比強人工智慧才出現的，因為人工智慧的研究一度處於停滯不前的狀態下，直到類神經網路有了強大的運算能力加以類比後，才開始改變並大幅超前。

但人工智慧研究者不一定同意弱人工智慧，也不一定在乎或者了解強人工智慧和弱人工智慧的內容與差別，對定義爭論不休。

就當下的人工智慧研究領域來看，研究者已大量造出「看起來」像是智慧的機器，取得相當豐碩的理論上和實質上的成果，如2009年康乃爾大學教授HodLipson和其博士研究生MichaelSchmidt研發出的Eureqa電腦程式，只要給予一些資料，這電腦程式自己只用幾十個小時計算就推論出牛頓花費多年研究才發現的牛頓力學公式，等於只用幾十個小時就自己重新發現牛頓力學公式，這電腦程式也能用來研究很多其他領域的科學問題上。

這些所謂的弱人工智慧在神經網路發展下已經有巨大進步，但對於要如何整合成強人工智慧，現在還沒有明確定論。

對強人工智慧的哲學爭論編輯 主條目：人工智慧哲學、圖靈測試、物理符號系統、皇帝新腦、德雷福斯對人工智慧的看法（英語：HubertDreyfus'sviewsonartificialintelligence）、AI效應（英語：AIeffect） 「強人工智慧」一詞最初是約翰·羅傑斯·希爾勒針對電腦和其它資訊處理機器創造的，其定義為： 「強人工智慧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，只要執行適當的程式，計算機本身就是有思維的。

」（JSearleinMindsBrainsandPrograms.TheBehavioralandBrainSciences,vol.3,1980） 關於強人工智慧的爭論，不同於更廣義的一元論和二元論的爭論。

其爭論要點是：如果一台機器的唯一工作原理就是轉換編碼數據，那麼這台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，那麼在不理解這一編碼和這實際事情之間的對應關係的前提下，機器不可能對其處理的數據有任何理解。

基於這一論點，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自我思維和自由意識。

也有哲學家持不同的觀點。

丹尼爾·丹尼特在其著作《意識的解釋（英語：ConsciousnessExplained）》（ConsciousnessExplained）裡認為，人也不過是一台有靈魂的機器而已，為什麼我們認為：「人可以有智慧，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慧是可實現的，那麼強人工智慧也是可實現的。

比如西蒙·布萊克本（英語：SimonBlackburn）（SimonBlackburn）在其哲學入門教材Think裡說道，一個人的看起來是「智慧」的行動並不能真正說明這個人就真的是智慧的。

我永遠不可能知道另一個人是否真的像我一樣是智慧的，還是說她／他僅僅是「看起來」是智慧的。

基於這個論點，既然弱人工智慧認為可以令機器「看起來」像是智慧的，那就不能完全否定這機器是真的有智慧的。

布萊克本認為這是一個主觀認定的問題。

需要指出的是，弱人工智慧並非和強人工智慧完全對立，也就是說，即使強人工智慧是可能的，弱人工智慧仍然是有意義的。

至少，今日的計算機能做的事，像算術運算等，在一百多年前是被認為很需要智慧的。

並且，即使強人工智慧被證明為可能的，也不代表強人工智慧必定能被研製出來。

研究方法編輯 目前沒有統一的原理或範式指導人工智慧研究。

許多問題上研究者都存在爭論。

[37]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類比人工智慧?或者像鳥類生物學對於航空工程一樣，人類生物學對於人工智慧研究是沒有關係的？[38]智慧行為能否用簡單的原則（如邏輯或最佳化）來描述？還是必須解決大量完全無關的問題？[39]智慧是否可以使用進階符號表達，如詞和想法？還是需要「子符號」的處理？[40] 約翰·豪格蘭德（JohnHaugeland）提出了GOFAI（出色的老式人工智慧）的概念，也提議人工智慧應歸類為syntheticintelligence（英語：syntheticintelligence），[41]這個概念後來被某些非GOFAI研究者採納。

[42][43] 控制論與大腦類比編輯 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學、資訊理論及控制論之間的聯絡。

其中還造出一些使用電子網路絡構造的初步智慧，如格雷·華特（W.GreyWalter）的烏龜（turtle）和約翰霍普金斯野獸。

這些研究者還經常在普林斯頓大學和英國的RatioClub舉行技術協會會議。

[44]直到1960，大部分人已經放棄這個方法，儘管在80年代再次提出這些原理。

符號處理編輯 主條目：符號人工智慧 當20世紀50年代，數位電腦研製成功，研究者開始探索人類智慧是否能簡化成符號處理。

研究主要集中在卡內基梅隆大學，史丹福大學和麻省理工學院，而各自有獨立的研究風格。

約翰·豪格蘭德（JohnHaugeland）稱這些方法為GOFAI（出色的老式人工智慧）[45]。

60年代，符號方法在小型證明程式上類比進階思考有很大的成就。

基於控制論或神經網路的方法則置於次要[46]。

60－70年代的研究者確信符號方法最終可以成功創造強人工智慧的機器，同時這也是他們的目標。

認知類比：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，同時他們為人工智慧的基本原理打下基礎，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類比人類解決問題方法的程式。

這方法一直在卡內基梅隆大學沿襲下來，並在80年代於Soar發展到高峰[47][48]。

基於邏輯：不像艾倫·紐厄爾和赫伯特·西蒙，約翰·麥卡錫認為機器不需要類比人類的思想，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演算法[38]。

他在史丹福大學的實驗室致力於使用形式化邏輯解決多種問題，包括知識表示，智慧規劃和機器學習[49]。

致力於邏輯方法的還有愛丁堡大學，而促成歐洲的其他地方開發程式語言Prolog和邏輯編程科學[50]。

「反邏輯」:史丹福大學的研究者（如馬文·閔斯基和西摩爾·派普特）[51]發現要解決電腦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）能夠達到所有的智慧行為。

羅傑·單克（RogerSchank）描述他們的「反邏輯」方法為「scruffy」[39]。

常識知識庫（如道格拉斯·萊納特的Cyc）就是「scruffy」AI的例子，因為他們必須人工一次編寫一個複雜的概念[52]。

基於知識：大約在1970年出現大容量記憶體電腦，研究者分別以三個方法開始把知識構造成應用軟體[53]。

這場「知識革命」促成專家系統的開發與計劃，這是第一個成功的人工智慧軟體形式[54]。

「知識革命」同時讓人們意識到許多簡單的人工智慧軟體可能需要大量的知識。

子符號方法編輯 1980年代符號人工智慧停滯不前，很多人認為符號系統永遠不可能模仿人類所有的認知過程，特別是感知、機器人、機器學習和圖型識別。

很多研究者開始關注子符號方法解決特定的人工智慧問題[40]。

自下而上、介面agent、嵌入環境（機器人）、行為主義、新式AI：機器人領域相關的研究者，如羅德尼·布魯克斯（RodneyBrooks），否定符號人工智慧而專注於機器人移動和求生等基本的工程問題。

[55]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慧中使用控制理論。

這與認知科學領域中的表徵感知論點是一致的:更高的智慧需要個體的表徵（如移動，感知和形象）。

計算智慧：1980年代中大衛·魯姆哈特（DavidE.Rumelhart）等再次提出神經網路和聯結主義[56]。

這和其他的子符號方法，如模糊控制和進化計算，都屬於計算智慧學科研究範疇[57]。

統計學方法編輯 1990年代，人工智慧研究發展出複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，同時也是近期人工智慧成功的原因。

共享的數學語言也允許已有學科的合作（如數學，經濟或運籌學）。

StuartJ.Russell和PeterNorvig指出這些進步不亞於「革命」和「neats的成功」[58]。

有人批評這些技術太專注於特定的問題，而沒有考慮長遠的強人工智慧目標[59]。

整合方法編輯 智慧agent範式：智慧agent是一個會感知環境並作出行動以達致目標的系統。

最簡單的智慧agent是那些可以解決特定問題的程式。

更複雜的agent包括人類和人類組織（如公司）。

這些範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路或其他新的方法。

範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abstractagents的概念）。

1990年代智慧agent範式被廣泛接受。

[4]代理架構和認知架構：研究者設計出一些系統來處理多agent系統中智慧agent之間的相互作用。

[60]一個系統中包含符號和子符號部分的系統稱為混合智慧系統，而對這種系統的研究則是人工智慧系統整合。

分級控制系統則給反應級別的子符號AI和最進階別的傳統符號AI提供橋梁，同時放寬了規劃和世界建模的時間。

基本應用編輯 人工智慧基本的應用可分為四大部分： 感知能力（Perception）編輯 指的是人類透過感官所收到環境的刺激，察覺訊息的能力，簡單的說就是人類五官的看、聽、說、讀、寫等能力，學習人類的感知能力是AI目前主要的焦點之一，包括： 「看」：電腦視覺（ComputerVision）、圖像辨識（ImageRecognition）、臉部辨識（FaceRecognition）、物件偵測（ObjectDetection）。

「聽」：語音辨識（SoundRecognition）。

「說」：語音生成（SoundGeneration）、文字轉換語音（Text-to-Speech）。

「讀」：自然語言處理（NaturalLanguageProcessing，NLP）、語音轉換文字（Speech-to-Text）。

「寫」：機器翻譯（MachineTranslation）。

認知能力（Cognition）編輯 指的是人類透過學習、判斷、分析等等心理活動來瞭解訊息、獲取知識的過程與能力，對人類認知的模仿與學習也是目前AI第二個焦點領域，主要包括： 分析辨識能力：例如醫學圖像分析、產品推薦、垃圾郵件辨識、法律案件分析、犯罪偵測、信用風險分析、消費行為分析等。

預測能力：例如AI執行的預防性維修（PredictiveMaintenance）、智慧天然災害預測與防治。

判斷能力：例如AI下圍棋、自動駕駛車、健保詐欺判斷、癌症判斷等。

學習能力：例如機器學習、深度學習、增強式學習等等各種學習方法。

創造力（Creativity）編輯 指的是人類產生新思想，新發現，新方法，新理論，新設計，創造新事物的能力，它是結合知識、智力、能力、個性及潛意識等各種因素優化而成，這個領域目前人類仍遙遙領先AI，但AI也試著急起直追，主要領域包括：AI作曲、AI作詩、AI小說、AI繪畫、AI設計等。

智慧（Wisdom）編輯 指的是人類深刻瞭解人、事、物的真相，能探求真實真理、明辨是非，指導人類可以過著有意義生活的一種能力，這個領域牽涉人類自我意識、自我認知與價值觀，是目前AI尚未觸及的一部分，也是人類最難以模仿的一個領域。

[61] 實際應用編輯 機器視覺、指紋辨識、臉部辨識、視網膜辨識、虹膜辨識、掌紋辨識、專家系統、自動規劃、無人載具等。

學科範疇編輯 人工智慧是一門邊緣學科，屬於自然科學和社會科學的交叉。

涉及學科編輯 認知科學 數學及統計學 物理學 邏輯學 控制論及決定論 社會學 犯罪學及智慧犯罪學研究範疇編輯 自然語言處理 知識表現 智慧搜尋 推理 規劃 機器學習 增強式學習 知識獲取 感知問題 模式識別 邏輯程式設計 軟計算 不精確和不確定的管理 人工生命 類神經網路 複雜系統 遺傳演算法 資料挖掘 模糊控制 電視劇編輯 TVB電視劇《智慧愛人》 ViuTV電視劇《IT狗》 東映特攝劇《假面騎士ZERO-ONE》應用領域編輯 智慧控制 機器人學 自動化技術 語言和圖像理解 遺傳編程 法學資訊系統 下棋 醫學領域濫用編輯 參見：深偽技術和深度偽造的色情內容 2019年6月，基於神經網路技術DeepNude軟體面世，該軟體可以將人物相片的衣著褪去，顯示出裸體[62]。

隨後，經該軟體處理後的色情圖片在網路上泛濫並引發爭議，此後該軟體在批評聲中被下架[62]。

據美國網路安全公司Sensity統計，DeepNude已經產生了68萬以上女性的假裸照，其中70%的原相片來自社群網路中的真實女性[62]，而經DeepFake技術處理的影片在以每6個月翻一番的數量增長[63]。

截至2020年12月 (2020-12)[update]，Sensity檢測到的相關影片數量超過8.5萬個[63]。

而惡用該技術則可能涉嫌違反《著作權法》等法律，日本警方便多次處理過使用人工智慧技術去除色情影片中的馬賽克[64]、替換色情影片中女優容貌[65]等相關案件。

相關編輯 自動駕駛汽車 小冰 小愛同學 天貓精靈 Siri參看編輯  電腦科學主題  機器人學主題 人工生命 人工智慧哲學 認知神經科學 電腦圍棋 電腦象棋 電腦將棋 恐怖谷理論 電子世界爭霸戰 電腦科學 認知科學 意識 語義學 技術奇異點 集體智慧 控制論 心理學 生物化學電腦（例：人腦） 國際人工智慧聯合會議 網路本體語言（OWL） 遊戲樹 參見編輯 強人工智慧 超人工智慧 艾倫·圖靈 圖靈測試 合成智慧參考文獻編輯 參照編輯 ^人工智能（AI）造福社會同時也帶來威脅.[2021-02-17].（原始內容存檔於2020-11-27）.  ^人工智能「搶飯碗」2020年會計師將被AI取代.[2021-02-17].（原始內容存檔於2020-11-27）.  ^ 針對研究智慧代理的人工智慧定義： Poole,Mackworth&Goebel1998，p.1其中使用"計算智慧"作為人工智慧的同義詞. Russell&Norvig2003(主張"理性智慧體"的概念)其中寫道"完整智慧體的觀念現在已經在領域內被廣泛接受"Russell&Norvig2003，第55頁Russell&Norvig2004，第43頁. Nilsson1998 ^4.04.1 智慧代理範式： Russell&Norvig2003，第27,32–58,968–972頁 Poole,Mackworth&Goebel1998，第7–21頁 Luger&Stubblefield2004，第235–240頁 此處使用的定義--目的，動作，感知與環境出自Russell&Norvig(2003). ^ 儘管這點上存在爭論（見Crevier(1993,p. 50)）,McCarthy在一個訪談中明確的說"我想出了這個詞".（Skillings2006） ^ McCarthy對人工智慧的定義： McCarthy2007 ^AndreasKaplan;MichaelHaenlein(2019)Siri,SiriinmyHand,who'stheFairestintheLand?OntheInterpretations,IllustrationsandImplicationsofArtificialIntelligence,BusinessHorizons,62(1),15-25.[2018-11-17].（原始內容存檔於2018-11-21）.  ^Yigitcanlar,T.etal.ArtificialIntelligenceTechnologiesandRelatedUrbanPlanningandDevelopmentConcepts:HowAreTheyPerceivedandUtilizedinAustralia?J.OpenInnov.Technol.Mark.Complex.2020,6,187.https://doi.org/10.3390/joitmc6040187 ^ PamelaMcCorduck(2004,pp. 424)writesof"theroughshatteringofAIinsubfields—vision,naturallanguage,decisiontheory,geneticalgorithms,robotics...andthesewithownsub-subfield—thatwouldhardlyhaveanythingtosaytoeachother." ^10.010.1 這些智慧的特徵出自以下教材： Russell&Norvig2003 Luger&Stubblefield2004 Poole,Mackworth&Goebel1998 Nilsson1998 ^ 強人工智慧常出現在人工智慧的導論中： Kurzweil1999和Kurzweil2005 ^ Problemsolving,puzzlesolving,gameplayinganddeduction: Russell&Norvig2003，chpt.3–9, Poole,Mackworth&Goebel1998，chpt.2,3,7,9, Luger&Stubblefield2004，chpt.3,4,6,8, Nilsson1998，chpt.7–12 ^ Uncertainreasoning: Russell&Norvig2003，第452–644頁, Poole,Mackworth&Goebel1998，第345–395頁, Luger&Stubblefield2004，第333–381頁, Nilsson1998，chpt.19 ^ Intractabilityandefficiencyandthecombinatorialexplosion（英語：combinatorialexplosion）: Russell&Norvig2003，第9,21–22頁 ^ Psychologicalevidenceofsub-symbolicreasoning: Wason&Shapiro(1966)showedthatpeopledopoorlyoncompletelyabstractproblems,butiftheproblemisrestatedtoallowtheuseofintuitivesocialintelligence,performancedramaticallyimproves.（SeeWasonselectiontask） Kahneman，Slovic&Tversky(1982)haveshownthatpeopleareterribleatelementaryproblemsthatinvolveuncertainreasoning.(Seelistofcognitivebiasesforseveralexamples). Lakoff&Núñez(2000)havecontroversiallyarguedthatevenourskillsatmathematicsdependonknowledgeandskillsthatcomefrom"thebody",i.e.sensorimotorandperceptualskills.（SeeWhereMathematicsComesFrom（英語：WhereMathematicsComesFrom）） ^ Planning（英語：automatedplanningandscheduling）: ACM1998，~I.2.8, Russell&Norvig2003，第375–459頁, Poole,Mackworth&Goebel1998，第281–316頁, Luger&Stubblefield2004，第314–329頁, Nilsson1998，chpt.10.1–2,22 ^ Informationvaluetheory（英語：Appliedinformationeconomics）: Russell&Norvig2003，第600–604頁 ^ Classicalplanning: Russell&Norvig2003，第375–430頁, Poole,Mackworth&Goebel1998，第281–315頁, Luger&Stubblefield2004，第314–329頁, Nilsson1998，chpt.10.1–2,22 ^ Planningandactinginnon-deterministicdomains:conditionalplanning,executionmonitoring,replanningandcontinuousplanning: Russell&Norvig2003，第430–449頁 ^ Multi-agentplanningandemergentbehavior: Russell&Norvig2003，第449–455頁 ^ Machineperception（英語：Machineperception）: Russell&Norvig2003，第537–581,863–898頁 Nilsson1998，~chpt.6 ^ Computervision: ACM1998，I.2.10 Russell&Norvig2003，第863–898頁 Nilsson1998，chpt.6 ^ Speechrecognition: ACM1998，~I.2.7 Russell&Norvig2003，第568–578頁 ^ Objectrecognition（英語：Objectrecognition）: Russell&Norvig2003，第885–892頁 ^Kismet.MITArtificialIntelligenceLaboratory,HumanoidRoboticsGroup.[2012-10-12].（原始內容存檔於2014-10-17）.  ^人工智慧有多恐怖？聽聽「天才」DemisHassabis怎麼說！theguardian《Thesuperheroofartificialintelligence:canthisgeniuskeepitincheck?》.inside/tech2ipo.com.[2016-04-15].（原始內容存檔於2018-09-03）（中文（臺灣））.  ^人工智能發展是繁榮人類或毀滅人類？.大紀元/莫琳綜.[2016-04-15].（原始內容存檔於2021-02-13）（中文（臺灣））.  ^AlphaGo贏棋王靠兩大密技.2016-03-1904:01經濟日報記者彭慧明.[2016-04-15].（原始內容存檔於2016-04-26）（中文（臺灣））.  ^專家憂人工智慧武器成「殺人機器」多國研商限制規範.2014/11/13TheNewsLens關鍵評論SidWeng.[2016-04-15].（原始內容存檔於2016-04-27）（中文（臺灣））.  ^別再讓機器人殺人！反對團體呼籲勿用人工智慧參與戰爭.風傳媒蕭喬雲2015年10月22日.[2016年4月15日].（原始內容存檔於2021年2月13日）（中文（臺灣））.  ^機器人威脅人類10大類工作未來恐被取代.大紀元/鄭孝祺.[2016-04-15].（原始內容存檔於2021-02-13）（中文（臺灣））.  ^日近半職業將被人工智慧取代.中國時報.[2016-04-15].（原始內容存檔於2021-02-13）（中文（臺灣））.  ^人工智慧：提前到來的職業殺手.EvansData調查April.[2016-04-15].（原始內容存檔於2019-05-11）（中文（臺灣））.  ^中時-馬雲談AI的風險.[2017-06-23].（原始內容存檔於2017-06-22）.  ^数据科学：二十一世纪最Sexy的职业.哈佛商業評論.[2017-09-22].（原始內容存檔於2017-06-14）.  ^林東清.資訊管理e化企業的核心競爭能力七版.台北市:智勝.2019-06:187.ISBN 978-957-511-112-0.  ^NilsNilsson（英語：NilsNilsson(researcher)）寫道："Simplyput,thereiswidedisagreementinthefieldaboutwhatAIisallabout"（Nilsson1983，p.10）. ^38.038.1Biologicalintelligencevs.intelligenceingeneral: Russell&Norvig2003，第2–3頁,whomaketheanalogywithaeronauticalengineering. McCorduck2004，第100–101頁,whowritesthatthereare"twomajorbranchesofartificialintelligence:oneaimedatproducingintelligentbehaviorregardlessofhowitwasaccomplioshed,andtheotheraimedatmodelingintelligentprocessesfoundinnature,particularlyhumanones." Kolata1982,apaperinScience,whichdescribesMcCathy'sindifferencetobiologicalmodels.KolataquotesMcCarthyaswriting:"ThisisAI,sowedon'tcareifit'spsychologicallyreal"[1]（頁面存檔備份，存於網際網路檔案館）.McCarthyrecentlyreiteratedhispositionattheAI@50（英語：AI@50）conferencewherehesaid"Artificialintelligenceisnot,bydefinition,simulationofhumanintelligence"（Maker2006）. ^39.039.1 Neatsvs.scruffies（英語：Neatsvs.scruffies）: McCorduck2004，第421–424,486–489頁 Crevier1993，第168頁 Nilsson1983，第10–11頁 ^40.040.1 Symbolicvs.sub-symbolicAI: Nilsson(1998,p. 7),whousestheterm"sub-symbolic". ^Haugeland1985，第255頁. ^存档副本.[2012-10-13].（原始內容存檔於2017-11-05）.  ^PeiWang.Artificialgeneralintelligence,2008:proceedingsoftheFirstAGIConference.IOSPress.2008:63[2011-10-31].ISBN 978-1-58603-833-5.（原始內容存檔於2020-08-21）.  ^ AI'simmediateprecursors: McCorduck2004，第51–107頁 Crevier1993，第27–32頁 Russell&Norvig2003，第15,940頁 Moravec1988，第3頁 SeealsoTemplate:Seesection.AmongtheresearcherswholaidthefoundationsofAIwereAlanTuring,JohnVonNeumann,NorbertWiener,ClaudeShannon,WarrenMcCullough,WalterPittsandDonaldHebb. ^ Haugeland1985，第112–117頁 ^Themostdramaticcaseofsub-symbolicAIbeingpushedintothebackgroundwasthedevastatingcritiqueofperceptronsbyMarvinMinskyandSeymourPapertin1969.SeeHistoryofAI,AIwinter,orFrankRosenblatt（英語：FrankRosenblatt）. ^ Cognitivesimulation,NewellandSimon,AIatCMU(thencalledCarnegieTech): McCorduck2004，第139–179,245–250,322–323(EPAM)頁 Crevier1993，第145–149頁 ^ Soar(history): McCorduck2004，第450–451頁 Crevier1993，第258–263頁 ^ McCarthyandAIresearchatSAIL（英語：StanfordArtificialIntelligenceLaboratory）andSRIInternational: McCorduck2004，第251–259頁 Crevier1993 ^ AIresearchatEdinburghandinFrance,birthofProlog: Crevier1993，第193–196頁 Howe1994 ^ AIatMITunderMarvinMinskyinthe1960s : McCorduck2004，第259–305頁 Crevier1993，第83–102,163–176頁 Russell&Norvig2003，第19頁 ^ Cyc: McCorduck2004，第489頁,whocallsit"adeterminedlyscruffyenterprise" Crevier1993，第239–243頁 Russell&Norvig2003，第363−365頁 Lenat&Guha1989 ^ Knowledgerevolution: McCorduck2004，第266–276,298–300,314,421頁 Russell&Norvig2003，第22–23頁 ^ Expertsystems: ACM1998，I.2.1, Russell&Norvig2003，第22–24頁 Luger&Stubblefield2004，第227–331頁, Nilsson1998，chpt.17.4 McCorduck2004，第327–335,434–435頁 Crevier1993，第145–62,197–203頁 ^ Embodied（英語：Embodiedagent）approachestoAI: McCorduck2004，第454–462頁 Brooks1990 Moravec1988 ^ Revivalofconnectionism: Crevier1993，第214–215頁 Russell&Norvig2003，第25頁 ^Computationalintelligence（英語：Computationalintelligence） IEEEComputationalIntelligenceSociety（頁面存檔備份，存於網際網路檔案館） ^ 形式方法是當前首選的（"簡約派的勝利"）: Russell&Norvig2003，第25–26頁 McCorduck2004，第486–487頁 ^PatLangley,"Thechangingscienceofmachinelearning"[永久失效連結],MachineLearning,Volume82,Number3,275–279,doi:10.1007/s10994-011-5242-y ^ Agentarchitecture（英語：Agentarchitecture）s,hybridintelligentsystem（英語：hybridintelligentsystem）s: Russell&Norvig(2003,pp. 27,932,970–972) Nilsson(1998，chpt.25) ^林,東清.資訊管理：e化企業的核心競爭力.台北:元照.2019:93.ISBN 978-957-511-112-0.  ^62.062.162.2陳根.人工智能“脱衣”再现，技术与道德的撕裂对立.澎湃.2020-11-02[2022-05-07]（中文）.  ^63.063.1Reports.Sensity.[2022-05-07].（原始內容存檔於2022-05-19）（美國英語）. 參照錯誤：帶有name屬性「:1」的標籤用不同內容定義了多次 ^「モザイク破壊」AIでアダルト動画を加工著作権法など違反疑いの男逮捕｜社会｜地域のニュース｜京都新聞.京都新聞.[2022-05-07].（原始內容存檔於2022-05-25）（日語）.  ^IPPA|宮城県警察本部サイバー犯罪対策課による『フェイク動画』ＤＶＤ販売摘発に関するお知らせ.www.ippa.jp.[2022-05-07].  來源編輯 中文書李開復、王詠剛；《人工智慧來了》 李開復；《AI·未來》 教材Luger,George;Stubblefield,William.ArtificialIntelligence:StructuresandStrategiesforComplexProblemSolving5th.TheBenjamin/CummingsPublishingCompany,Inc.2004[2012-10-12].ISBN 0-8053-4780-1.（原始內容存檔於2021-01-15）.  Kaplan,Andreas;Haenlein,Michael.Rulersoftheworld,unite!Thechallengesandopportunitiesofartificialintelligence.BusinessHorizons.2020[2020-01-03].（原始內容存檔於2020-12-21）.  Luger,George.人工智能：复杂问题求解的结构和策略.由史忠植等翻譯原書第4版.北京:機械工業出版社.2004.ISBN 7-111-12944-X（中文）.  Neapolitan,Richard;Jiang,Xia.ContemporaryArtificialIntelligence.Chapman&Hall/CRC.2012[2012-10-12].ISBN 978-143984-469-4.（原始內容存檔於2015-01-08）.  Nilsson,Nils.ArtificialIntelligence:ANewSynthesis.MorganKaufmannPublishers.1998.ISBN 978-1-55860-467-4.  Nilsson,Nils.人工智能.鄭扣根等譯.北京:機械工業出版社.2000.ISBN 7-111-07885-3（中文）.  Russell,StuartJ.;Norvig,Peter.ArtificialIntelligence:AModernApproach2nd.UpperSaddleRiver,NewJersey:PrenticeHall.2003[2012-10-12].ISBN 0-13-790395-2.（原始內容存檔於2011-02-28）.  Russell,StuartJ.;Norvig,Peter.人工智能：一种现代方法.由姜哲翻譯原書第2版.北京:人民郵電出版社.2004[2012-10-12].ISBN 9787115122285.（原始內容存檔於2011-02-28）（中文）.  Poole,David;Mackworth,Alan;Goebel,Randy.ComputationalIntelligence:ALogicalApproach.NewYork:OxfordUniversityPress.1998[2012-10-12].ISBN 0-19-510270-3.（原始內容存檔於2009-07-25）.  Winston,PatrickHenry.ArtificialIntelligence.Reading,Massachusetts:Addison-Wesley.1984.ISBN 0-201-08259-4.  Winston,PatrickHenry.人工智能.由崔良沂、趙永昌翻譯原書第3版.北京:清華大學出版社.2005.ISBN 9787302103271（中文）. 人工智慧歷史Crevier,Daniel.AI:TheTumultuousSearchforArtificialIntelligence.NewYork,NY:BasicBooks.1993.ISBN978-0-465-02997-6.  McCorduck,Pamela.MachinesWhoThink2nd.Natick,MA:A.K.Peters,Ltd.2004[2012-10-12].ISBN 1-56881-205-1.（原始內容存檔於2020-03-01）.  Nils,Nilsson.TheQuestforArtificialIntelligence:AHistoryofIdeasandAchievements.NewYork:CambridgeUniversityPress.2010. 其他ACMComputingClassificationSystem:Artificialintelligence.ACM.1998[2007-08-30].（原始內容存檔於2007-10-12）.  Aleksander,Igor.ArtificialNeuroconsciousness:AnUpdate.IWANN.1995[2012年10月12日].（原始內容存檔於1997年3月2日）. BibTex（頁面存檔備份，存於網際網路檔案館）InternetArchive Brooks,Rodney.ElephantsDon'tPlayChess(PDF).RoboticsandAutonomousSystems.1990,6:3–15[2007-08-30].doi:10.1016/S0921-8890(05)80025-9.（原始內容存檔(PDF)於2007-08-09）. . Buchanan,BruceG.A(Very)BriefHistoryofArtificialIntelligence(PDF).AIMagazine.2005:53–60[2007-08-30].（原始內容(PDF)存檔於2007-09-26）. 參數|magazine=與模板{{citejournal}}不匹配（建議改用{{citemagazine}}或|journal=）(幫助) Dennett,Daniel.ConsciousnessExplained（英語：ConsciousnessExplained）.ThePenguinPress.1991.ISBN 0-7139-9037-6.  Dreyfus,Hubert.[[:WhatComputersCan'tDo|WhatComputersCan'tDo]]（英語：WhatComputersCan'tDo]]）.NewYork:MITPress.1972.ISBN 0-06-011082-1. 網址－維基內部連結衝突(幫助) Dreyfus,Hubert.WhatComputersStillCan'tDo.NewYork:MITPress.1979.ISBN 0-262-04134-0.  Dreyfus,Hubert;Dreyfus,Stuart.MindoverMachine:ThePowerofHumanIntuitionandExpertiseintheEraoftheComputer.Oxford,UK:Blackwell.1986.ISBN 0-02-908060-6.  Dreyfus,Hubert.WhatComputersStillCan'tDo.NewYork:MITPress.1992.ISBN 0-262-54067-3.  Edelman,Gerald.GeraldEdelman–NeuralDarwinismandBrain-basedDevices.TalkingRobots.2007-11-23[2012-10-12].（原始內容存檔於2009-10-08）.  Fearn,Nicholas.TheLatestAnswerstotheOldestQuestions:APhilosophicalAdventurewiththeWorld'sGreatestThinkers.NewYork:GrovePress.2007.ISBN 0-8021-1839-9.  Forster,Dion.Selfvalidatingconsciousnessinstrongartificialintelligence:AnAfricantheologicalcontribution(PDF).Pretoria:UniversityofSouthAfrica.2006[2012-10-12].（原始內容存檔(PDF)於2021-01-15）.  Gladwell,Malcolm.Blink.NewYork:Little,BrownandCo.2005.ISBN 0-316-17232-4.  Haugeland,John.ArtificialIntelligence:TheVeryIdea.Cambridge,Mass.:MITPress.1985.ISBN 0-262-08153-9.  Hawkins,Jeff;Blakeslee,Sandra.OnIntelligence（英語：OnIntelligence）.NewYork,NY:OwlBooks.2005.ISBN 0-8050-7853-3.  Hofstadter,Douglas.Gödel,Escher,Bach:anEternalGoldenBraid.NewYork,NY:VintageBooks.1979.ISBN 0-394-74502-7.  Howe,J.ArtificialIntelligenceatEdinburghUniversity:aPerspective.November1994[2007-08-30].（原始內容存檔於2019-08-25）. . Kahneman,Daniel;Slovic,D.;Tversky,Amos.Judgmentunderuncertainty:Heuristicsandbiases.NewYork:CambridgeUniversityPress.1982.ISBN 0-521-28414-7.  Kolata,G.Howcancomputersgetcommonsense?.Science.1982,217(4566):1237–1238.PMID 17837639.doi:10.1126/science.217.4566.1237.  Kurzweil,Ray.TheAgeofSpiritualMachines（英語：TheAgeofSpiritualMachines）.PenguinBooks.1999.ISBN 0-670-88217-8.  Kurzweil,Ray.TheSingularityisNear.PenguinBooks.2005.ISBN 0-670-03384-7.  Lakoff,George.Women,Fire,andDangerousThings:WhatCategoriesRevealAbouttheMind.UniversityofChicagoPress.1987.ISBN 0-226-46804-6.  Lakoff,George;Núñez,RafaelE.WhereMathematicsComesFrom:HowtheEmbodiedMindBringsMathematicsintoBeing（英語：WhereMathematicsComesFrom）.BasicBooks.2000.ISBN 0-465-03771-2. . Lenat,Douglas;Guha,R.V.BuildingLargeKnowledge-BasedSystems.Addison-Wesley.1989.ISBN 0-201-51752-3.  Lighthill,ProfessorSirJames.ArtificialIntelligence:apapersymposium.ScienceResearchCouncil.1973. |contribution=被忽略(幫助) Lucas,John.Minds,MachinesandGödel.Anderson,A.R.(編).MindsandMachines.1961[2007-08-30].（原始內容存檔於2007-08-19）.  Maker,MegHouston.AI@50:AIPast,Present,Future.DartmouthCollege.2006[2008-10-16].（原始內容存檔於2008-10-08）.  McCarthy,John;Minsky,Marvin;Rochester,Nathan;Shannon,Claude.AProposalfortheDartmouthSummerResearchProjectonArtificialIntelligence.1955[2007-08-30].（原始內容存檔於2007-08-26）. . McCarthy,John;Hayes,P.J.Somephilosophicalproblemsfromthestandpointofartificialintelligence.MachineIntelligence.1969,4:463–502[2007-08-30].（原始內容存檔於2007-08-10）.  McCarthy,John.WhatIsArtificialIntelligence?.2007-11-12[2012-10-12].（原始內容存檔於2015-11-18）. 引文格式1維護：日期與年(link) Minsky,Marvin.Computation:FiniteandInfiniteMachines.EnglewoodCliffs,N.J.:Prentice-Hall.1967.ISBN 0-13-165449-7.  Minsky,Marvin.TheEmotionMachine（英語：TheEmotionMachine）.NewYork,NY:Simon&Schusterl.2006.ISBN 0-7432-7663-9.  Moravec,Hans.TheRoleofRawPowerinIntelligence.1976[2007-08-30].（原始內容存檔於2016-03-03）.  Moravec,Hans.MindChildren.HarvardUniversityPress.1988.ISBN 0-674-57616-0.  NRC,(UnitedStatesNationalResearchCouncil).DevelopmentsinArtificialIntelligence.FundingaRevolution:GovernmentSupportforComputingResearch.NationalAcademyPress.1999.  Needham,Joseph.ScienceandCivilizationinChina:Volume2.CavesBooksLtd.1986.  Newell,Allen;Simon,H.A.GPS:AProgramthatSimulatesHumanThought.Feigenbaum,E.A.;Feldman,J.(編).ComputersandThought.NewYork:McGraw-Hill.1963.  Newell,Allen;Simon,H.A.CommunicationsoftheACM19(3).1976[2012-10-12].（原始內容存檔於2008-10-07）. |contribution=被忽略(幫助). Nilsson,Nils,ArtificialIntelligencePreparesfor2001(PDF),AIMagazine,1983,1(1)[2012-10-12],（原始內容存檔(PDF)於2009-11-06） ,PresidentialAddresstotheAssociationfortheAdvancementofArtificialIntelligence. Penrose,Roger.TheEmperor'sNewMind:ConcerningComputer,MindsandTheLawsofPhysics.OxfordUniversityPress.1989.ISBN 0-19-851973-7.  Searle,John.Minds,BrainsandPrograms.BehavioralandBrainSciences.1980,3(3):417–457[2012-10-12].doi:10.1017/S0140525X00005756.（原始內容存檔於2010-01-18）.  Searle,John.Mind,languageandsociety.NewYork,NY:BasicBooks.1999.ISBN 0-465-04521-9.OCLC 23186766543689264請檢查|oclc=值(幫助).  Serenko,Alexander;Detlor,Brian.Intelligentagentsasinnovations(PDF).AIandSociety.2004,18(4):364–381[2012-10-12].doi:10.1007/s00146-004-0310-5.（原始內容(PDF)存檔於2012-03-01）.  Serenko,Alexander;Ruhi,Umar;Cocosila,Mihail.UnplannedeffectsofintelligentagentsonInternetuse:SocialInformaticsapproach(PDF).AIandSociety.2007,21(1–2):141–166[2012-10-12].doi:10.1007/s00146-006-0051-8.（原始內容(PDF)存檔於2012-06-20）.  AndreasKaplan;MichaelHaenlein(2018)Siri,SiriinmyHand,who'stheFairestintheLand?OntheInterpretations,IllustrationsandImplicationsofArtificialIntelligence,BusinessHorizons,62(1) Shapiro,StuartC.ArtificialIntelligence.Shapiro,StuartC.(編).EncyclopediaofArtificialIntelligence(PDF)2nd.NewYork:JohnWiley.1992:54–57[2012-10-12].ISBN 0-471-50306-1.（原始內容存檔(PDF)於2019-05-13）.  Simon,H.A.TheShapeofAutomationforMenandManagement.NewYork:Harper&Row.1965.  Skillings,Jonathan.GettingMachinestoThinkLikeUs.cnet.2006-07-03[2011-02-03].（原始內容存檔於2011-11-16）.  Tecuci,Gheorghe.ArtificialIntelligence.WileyInterdisciplinaryReviews:ComputationalStatistics(Wiley).March/April2012,4(2):168–180.doi:10.1002/wics.200. 請檢查|date=中的日期值(幫助);使用|accessdate=需要含有|url=(幫助) Turing,Alan.ComputingMachineryandIntelligenceLIX.October1950:433–460[2008-08-18].ISSN 0026-4423.doi:10.1093/mind/LIX.236.433.（原始內容存檔於2008-07-02）. |journal=被忽略(幫助);|issue=被忽略(幫助)引文格式1維護：日期與年(link) vanderWalt,Christiaan;Bernard,Etienne.Datacharacteristicsthatdetermineclassifierperformance(PDF).2006[2009-08-05].（原始內容(PDF)存檔於2009-03-25）. 請檢查|date=中的日期值(幫助) Vinge,Vernor.TheComingTechnologicalSingularity:HowtoSurviveinthePost-HumanEra.1993[2012-10-12].（原始內容存檔於2007-01-01）.  Wason,P.C.;Shapiro,D.Reasoning.Foss,B.M.(編).Newhorizonsinpsychology.Harmondsworth:Penguin.1966.  Weizenbaum,Joseph.ComputerPowerandHumanReason（英語：ComputerPowerandHumanReason）.SanFrancisco:W.H.Freeman&Company.1976.ISBN 0-7167-0464-1.  擴展閱讀編輯 TechCastArticleSeries,JohnSagi,FramingConsciousness Boden,Margaret,MindAsMachine,OxfordUniversityPress,2006 Johnston,John(2008)"TheAllureofMachinicLife:Cybernetics,ArtificialLife,andtheNewAI",MITPress Myers,CourtneyBoyded.(2009).TheAIReport（頁面存檔備份，存於網際網路檔案館）.ForbesJune2009 Serenko,Alexander.ThedevelopmentofanAIjournalrankingbasedontherevealedpreferenceapproach(PDF).JournalofInformetrics.2010,4(4):447–459[2012-10-12].doi:10.1016/j.joi.2010.04.001.（原始內容(PDF)存檔於2012-07-24）.  Sun,R.&Bookman,L.(eds.),ComputationalArchitectures:IntegratingNeuralandSymbolicProcesses.KluwerAcademicPublishers,Needham,MA.1994. 外部連結編輯 從維基百科的姊妹計劃了解更多有關「ArtificialIntelligence」的內容   維基詞典上的字詞解釋   維基共享資源上的多媒體資源   維基新聞上的新聞   維基語錄上的名言   維基文庫上的原始文獻   維基教科書上的教科書和手冊   維基學院上的學習資源 WhatIsAI?—AnintroductiontoartificialintelligencebyAIfounderJohnMcCarthy. 開放式目錄計劃中和AI相關的內容 AITopics—AlargedirectoryoflinksandotherresourcesmaintainedbytheAssociationfortheAdvancementofArtificialIntelligence,theleadingorganizationofacademicAIresearchers. ArtificialIntelligenceDiscussiongroup（頁面存檔備份，存於網際網路檔案館） 機器人智慧機器人智慧 研學論壇（頁面存檔備份，存於網際網路檔案館）關於人工智慧，模式識別，科學交流的學術論壇 中國人工智慧網－人工智慧|模式識別|數字圖像處理[永久失效連結] AIDepot—communitydiscussion,news,andarticles LoebnerPrizewebsite（頁面存檔備份，存於網際網路檔案館） GameAI—計算機遊戲開發者的AI資源 KurzweilCyberArtTechnologies（頁面存檔備份，存於網際網路檔案館）—關於人工智慧藝術的網站，裡面有著名的人工智慧繪畫程式AARON 關於人工智慧，專家系統prolog語言全介紹的wiki網站 中華民國人工智慧學會（頁面存檔備份，存於網際網路檔案館）—以促進中華民國人工智慧及相關領域之研究、發展、應用與交流為宗旨的民間組織。

MostAI—關於人工智慧的網站，AIFans交流平台 智慧程式自進化概念（頁面存檔備份，存於網際網路檔案館） 進化論（頁面存檔備份，存於網際網路檔案館） 取自「https://zh.wikipedia.org/w/index.php?title=人工智能&oldid=73991488」