从人工智能所实现的功能来看，它被定义为智能机器所实行的常日与人类智能干系的功能，如判断、推理、证明、识别学习和问题求解等。
这些反响了人工智能学科的基本思想和基本内容，即人工智能是研究人类智能活动规律的学科。
从实用角度看，人工智能是一门知识工程学科：它以知识为工具，研究知识的获取、知识表示的方法和知识的利用。
（2）发展简史回顾人工智能的出身和发展过程，大致可分为孕育、形成、知识运用和综合集成四个阶段。
在孕育期，一样平常认为人工智能最早的事情是由沃伦·麦卡洛克和沃尔特·皮茨完成的。
在接管了三者的资源后，提出了人工神经元模型，唐纳德·海布阐述了修正神经元间连接强度的大略更新规则。
1951年，普林斯顿大学数学系的两名研究生建造了第一台神经网络打算机。
早期可以视为人工智能的事情例子还有很多。
古希腊伟大的哲学家、思想家亚里士多德创立了演绎推理方法，他提出的三段论至今仍是演绎推理最基本的出发点。
形成期人工智能出身于1956年的一次历史性聚会上，美国几位数学、神经学、生理学、信息科学和打算机科学领域的精良青年科学家一起谈论，麦卡锡发起正式采取“人工智能”一词。

于是，一门研究如何利用机器仿照人的智能的新学科出身了。
1969年的国际人工智能联合会议标志着人工智能得到了国际上的认可。
就在人们为人工智能取得的造诣欣喜之时，人工智能却碰着了重重困难。
人工智能的先驱们在反思中负责总结人工智能发展中的履历教训，从而开辟了一条以知识为中央，面向运用发展的研究道路。
知识运用期间1977年，费根鲍姆在第五届国际人工智能联合会议上正式提出了知识工程的观点。
此后，各种专家系统相继问世，大量商用专家系统和智能系统问世。
知识专家系统在世界范围内迅速发展，其运用范围也拓展到人类的各个领域，产生了巨大的经济效益。
而专家系统本身运用领域狭窄、知识性知识缺少、知识获取困难、无法访问现有数据库等问题逐渐暴露出来，人工智能又面临一次磨练。
综合集成期间专家系统方面，自20世纪80年代末以来，逐步向多种技能方法的综合集成、多学科、多领域的综合运用方向发展。
大型专家系统的开拓采取多种人工智能措辞、多种知识表示方法、多种推理机制和多种掌握策略相结合，开始利用各种专家系统外壳、专家系统开拓工具和专家系统开拓环境。

目前，人工智能技能正朝着大规模分布式人工智能、大规模分布式多专家协作系统、并行推理、多专家系统开拓工具、大规模分布式人工智能开拓环境以及分布式环境下的多智能体协作系统等方向发展。
但从目前来看，人工智能的理论、方法和技能还不是很成熟，人们对它的认识还比较肤浅，乃至人工智能能否归结为一套基本事理、如何归结，还是一个问号，这些还须要人工智能事情者的长期探索。
2人工智能的研究与运用领域人工智能有许多不同的研究领域，例如措辞处理、自动定理证明、打算智能、智能数据检索系统、视觉系统、问题求解、人工智能方法与编程措辞、自动程序设计等。
近40年来，已建立了一些具有人工智能的打算机系统，它们可以解微分方程、下棋、设计和剖析集成电路、合成人类的自然措辞、检索情报、诊断疾病以及掌握宇宙飞船和水下机器人等。
目前，人工智能的研究都是结合详细领域进行的，基本有以下几个领域： (1)专家系统 专家系统是在人类专家已有知识的根本上建立起来的知识系统，它是装载了大量特定领域的知识和履历的程序系统，运用人工智能技能，仿照人类专家办理问题的思维过程，来办理该领域的各种问题，其水平可达到乃至超过人类专家。

目前，专家系统是人工智能研究中涌现最早、最生动、最有效的领域，在医学诊断、地质勘探、文化教诲等领域有着广泛的运用。
它是在特定领域内具有相应知识和履历的程序系统，利用人工智能技能仿照人类专家办理问题时的思维过程，以办理该领域的各种问题，达到或靠近专家的水平。
(2)机器学习 机器学习是机器自身获取知识。
机器学习的研究紧张研究人类学习的机制和人脑思维过程；机器学习的方法；以及针对特界说务的学习系统的建立。
在机器人领域也有研究问题，包括从机器臂的最优运动到机器人目标动作序列的实现的方案方法等。
因此，研制高智能机器人是一个主要的研究领域。
(3)模式识别 模式识别是研究如何使机器具有感知能力。
它紧张研究视觉模式和听觉模式的识别，如识别物体、地形、图像、字体（如署名）等。
在日常生活的各个方面以及军事上都有着广泛的用场。
近年来，运用模糊数学模型和人工神经网络模型的方法逐渐取代了传统的利用统计模式和构造模式的识别方法。
特殊是神经网络方法在模式识别方面取得了很大的进展。
目前，模式识别紧张集中在图形识别和语音识别方面。
在图形识别领域，例如识别各种印刷体和某些手写体笔墨、识别指纹、白细胞和癌细胞等技能已进入实用阶段。

语音识别紧张研究对各种语音旗子暗记的分类。
语音识别技能近年来发展迅速，目前已有扫描仪等商业产品面市。
（4）人工神经网络 人工神经网络的产生是受到对人脑奥秘研究的启示，试图用大量的处理单元（人工神经元、处理元件、电子元件等）模拟人脑神经系统的工程构造和事情机制，通过对实例的学习，修正知识库和推理机的构造，达到人工智能的目的。
在人工神经网络中，信息处理是通过神经元之间的相互浸染来实现的，知识和信息的存储表现为网络元素之间分布式的物理连接。
网络的学习和识别依赖于与神经元的连接权值的动态蜕变。
人工神经网络大概永久无法取代人脑，但可以帮助人类拓展对外界的认识和智能掌握。
多年来，人工神经网络的研究取得了长足的进步，成为一门独具风格的信息处理学科。
目前人工神经网络的发展趋势有如下特点：新的人工神经网络模型天生很快；已有的人工神经网络模型的改进速率喜人；人工神经网络与一些其他当代最优化打算方法的结合日益增多，如混沌理论、遗传+神经、仿照退火+神经算法等相结合的成功范例。
(5)智能决策支持系统 决策支持系统属于管理科学的范畴，与“知识智能”有十分密切的关系。

20世纪80年代以来，专家系统在许多方面取得了成功。
人工智能特殊是智能与知识处理技能运用于决策支持系统，扩大了决策支持系统的运用范围，提高了系统办理问题的能力，成为智能化的决策支持系统。
（6）自动定理证明自动定理证明是指利用打算机对非数值结果进行证明，即确定真值和假值。
早期研究数学系统的机器是由加州大学伯克利分校于1926年制成的。
例如，不断发展能够推理和证明某些问题或事物的程序，通过对事实数据库进行操作，可以进行证明和作出推理和判断。
Vol.30No.（7）自然措辞理解与自动程序设计在自然措辞理解领域，已经开拓出能够从内部数据库回答用英语提出的问题的程序。
此外，这些程序可以通过阅读文本材料将句子从一种措辞翻译成另一种措辞，实行用英语给出的指令，并获取知识。
自动程序的目的是使打算性能按各种目的和哀求自动编写打算机程序，可以用高等措辞编写程序或用英语描述算法。
目前，一些大略的程序都可以自动编写。
3人工智能的发展水平很难回答本日人工智能到底能做什么，由于有太多的子领域和太多的干系活动。
人工智能已在许多领域得到成功实现：（1）自主方案和调度在间隔地球数百万公里的地方，美国宇航局的远程代理程序成为第一个用于航天器操作调度的船载自主方案程序。

远程代理根据地面上指定的高等目标天生操持，并在操持实行过程中监控航天器的运行——检测、诊断并在涌现问题时规复。
(2) 博弈论 国际象棋程序中利用的一些技能，例如提前几步看问题和将繁芜问题分解为更大略的子问题，已经演化成基本的人工智能技能，例如搜索和问题归纳。
目前，该项目的技能发展迅速且令人惊叹。
(3) 自主掌握 ALV INN 打算机视觉系统经由演习可以沿着车道驾驶汽车。
它安装在 CMU 的 NAVLAB 打算机掌握微型车中，并用于穿越美国——850 公里的旅程，个中 98% 的韶光由系统转向。
其余 2% 的韶光由人驾驶。
险些所有的韶光都在指向高速公路出口车道的区域。
NAVLAB 配备了一个摄像机，可以将道路图像传输到 ALV INN，后者根据以前演习驾驶得到的履历打算出最佳驾驶方向。
（4）诊断基于概率剖析的医学诊断程序在某些医学领域已经能够达到专家年夜夫的水平。
在一个案例中，淋巴结病理学的一位顶尖专家对程序对一个特殊困难的病例的诊断嗤之以鼻。
程序的创造者建议他听听打算机对诊断的阐明。
机器指出了影响判断的紧张成分，并阐明了病例中的一些细微症状，专家终极赞许了程序的诊断。

（5）物流方案 1991年海湾危急期间，美军装备了动态方案与再方案工具DART，用于自动进行物流方案和运输调度。
这项事情同时涉及5万辆车、货色和职员，必须考虑出发点、目的地、路径，办理所有参数之间的冲突。
AI方案技能可以在几个小时内生成规划，而旧方法则须要数周韶光。
美国国防部高等研究操持局称，仅此一项就足以填补DART在I上的30年投资。
（6）机器人技能 现在许多外科年夜夫在显微手术中利用机器人助手。
Hipnav是一种利用打算机视觉技能创建患者内部解剖构造的三维模型，然后利用机器人掌握勾引插入股骨假体的系统。
设计一个可以实行上述操作的机器人很困难，因此开拓高度智能的机器人是必须的。