一、人工智能所涉及的范围有哪些

人工智能的涉及范围

智能模拟

机器视、听、触、感觉及思维方式的模拟：指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，智能搜索，定理证明，逻辑推理，博弈，信息感应与辨证处理。

学科范畴

人工智能目前是一门边沿学科，属于自然科学、社会科学、技术科学三向交叉学科。

涉及学科

哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论，仿生学，社会结构学与科学发展观。

研究范畴

语言的学习与处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法人类思维方式，关键的难题还是机器的自主创造性思维能力的塑造与提升。

应用领域

机器翻译，智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂，自动程序设计，航天应用，庞大的信息处理，储存与管理，执行化合生命体无法执行的或复杂或规模庞大的任务等等。

值得一提的是，机器翻译是人工智能的重要分支和先应用领域。不过就已有的机译成就来看，机译系统的译文质量离终极目标仍相差甚远；而机译质量是机译系统成败的关键。中国数学家、语言学家周海中教授曾在论文《机器翻译五十年》中指出：要提高机译的质量，首先要解决的是语言本身问题而不是程序设计问题；单靠若干程序来做机译系统，肯定是无法提高机译质量的；另外在人类尚未明了大脑是如何进行语言的模糊识别和逻辑判断的情况下，机译要想达到“信、达、雅”的程度是不可能的。

安全问题

目前人工智能还在研究中，但有学者认为让计算机拥有智商是很危险的，它可能会反抗人类。这种隐患也在多部电影中发生过，其主要的关键是允不允许机器拥有自主意识的产生与延续，如果使机器拥有自主意识，则意味着机器具有与人同等或类似的创造性，自我保护意识，情感和自发行为。

实现方法

人工智能在计算机上实现时有2种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（Engineering approach），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（Modeling approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。遗传算法（Generic Algorithm，简称GA）和人工神经网络（Artificial Neural Network，简称ANN）均属后一类型。遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。为了得到相同智能效果，两种方式通常都可使用。采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，后为用户提供一个新的版本或提供一个新补丁，非常麻烦。采用后一种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。

二、研究如何应用计算机来模拟人类的某些智能行为

研究如何应用计算机来模拟人类的某些智能行为的是人工智能。

计算机模拟人类智能行为的研究是人工智能（AI）领域的核心内容。以下是一些建议和方法，可以帮助您了解如何应用计算机来模拟人类的某些智能行为：

1.学习和理解人工智能的基本概念：首先，您需要了解人工智能的基本概念，如机器学习、深度学习、神经网络等。这些概念将帮助您更好地理解如何使用计算机模拟人类智能行为。

2.学习编程语言和工具：为了实现计算机模拟人类智能行为，您需要掌握一种或多种编程语言，如Python、Java或C++。此外，您还需要熟悉一些常用的AI工具和库，如TensorFlow、Keras、PyTorch等。

3.研究现有的AI应用：了解当前市场上的AI应用，如自动驾驶汽车、语音识别、图像识别等。这将帮助您了解如何将这些技术应用于实际问题。

4.参加**课程和讲座：许多大学和研究机构提供关于人工智能的课程和讲座。通过参加这些活动，您可以了解新的研究成果和技术发展。

5.加入AI社区和论坛：加入AI相关的社区和论坛，与其他研究人员和开发者交流，分享经验和知识。这将有助于您更快地学习和进步。

6.实践项目：通过实际项目来应用所学的知识。这可以是一个简单的程序，如聊天机器人，也可以是一个复杂的系统，如推荐系统。实践是提高技能的佳途径。

7.阅读相关论文和书籍：阅读关于人工智能的论文和书籍，了解新的研究成果和技术发展。这将有助于您更深入地理解这一领域。

8.参加竞赛和挑战：参加AI相关的竞赛和挑战，如Kaggle数据科学竞赛。这将帮助您提高技能，并有机会与业界专家交流。

9.持续学习和跟进新动态：人工智能是一个快速发展的领域，新的技术和方法不断涌现。保持对新动态的关注，不断学习和提高自己的技能是非常重要的。

三、人工智能与人类的关系

分类:教育/科学>>科学技术>>工程技术科学

解析:

近50年来，人工智能走的是一条曲折发展的道路。1990年代初，研究者深感人工智能理论及技术的局限性，从而从不同角度和层次进行反思。同时，人工智能有待于人类对人脑工作机理的深入了解，需要神经生理学、神经解剖学给出更加详细的信息和证据。

人工智能交融了诸多学科，与哲学更是密不可分。尽管事实上，新近的哲学进展基本上没给科学带来任何冲击，并且哲学的讨论对象往往是悬而未决的（Russell S，Norvig P. Artificial Intelligence: Amodern Approach. NJ：Prentice Hall，1995. 817），但科学却在继续改变着我们对自己的认识。

正如恩格斯所说（恩格斯.自然辩证法.北京:人民出版社, 1972. 187）：“不管自然科学家采取什么样的态度，他们还是得受哲学的支配。问题只在于：他们是愿意受某种坏的时髦的哲学的支配，还是愿意受一种建立在通晓思维的历史和成就的基础上的理论思维的支配。”

着眼于更宽泛的视野和更远大的目标，要求从哲学角度寻求更加有效的人工智能研究方法。坚持物质决定意识的观点，辩证地看待已有的认识和方法，融合与集成各相关学科的成就和意见，是正确的出发点。

人工智能的哲学意义

人工智能是对人类智能的一种模拟和扩展，其核心是思维模拟。

思维

思维科学是研究思维的规律和方法的科学，钱学森将它划分为基础科学、技术科学和工程技术三部分，人工智能属于工程技术范畴（钱学森.关于思维科学.上海：上海人民出版社，1986.20）。人工智能研究中逻辑学派和心理学派之争，有时似使人感到迷惘而莫知所从，但从思维科学的角度来看，无非是形象思维和逻辑思维的关系问题，两者都属于思维科学的基础科学。抽象思维的不足在于缺乏结构的综合能力。只有形象思维才能综合出新的结构。这也许就是创造和学习终必须具有形象思维的原因（潘云鹤.模式识别与人工智能, 1991, 4(4): 7）。

不同的划分观点认为，思维科学体系的基础科学包括两大类：一类是总结人类思维经验、揭示思维对象的普遍规律和思维本身普遍规律的各种思维科学，包括哲学世界观、哲学史、认识论和逻辑学，是理论的思维科学。另一类思维科学包括研究思维主体——人脑的生理结构和功能，揭示思维过程生理机制的神经生理学和神经解剖学等。这种观点将认识论归在思维科学的基础科学范围内。其实两种观点，

都不否认人工智能和哲学通过认识论相联系。

认识论

认识论研究认识的源泉、发展、过程、能力、作用等一般规律问题。换言之，认识论研究的是知识及其形式和局限性。哲学家强调通过大机会的观察和计算，明确什么是潜在可知的；而人工智能注重通过现有的观察和计算途径，弄清什么是可知的。而在实际情况中，人工智能和认识论在本质上是互相交融和兼备的。

认识论对人工智能的研究方向和方法具有指导意义，但并不意味它能替代具体的研究，也不表示任何人工智能的研究都要显式地考虑到认识论。由于对诸如世界的一般表达等问题还未真正达成一致，如果仅依赖从哲学中获得具体的丰富信息来编写计算机程序，人工智能将会处于非常无望的状态。

心智哲学和认知科学

心智是指人们的记忆、思想、意识、感情、意向、愿望、思维、智能等多种心理行为（章士嵘，王炳文.当代西方著名哲学家评传（2）.心智哲学.济南：山东人民出版社，1996）。普特南（H.Putnam）根据计算机科学对软件与硬件的划分，将心智与大脑的关系理解为功能状态和物理状态。西蒙（H.Simon）根据信息加工理论，认为人类思维本质上是信息加工过程，计算机也是信息加工系统，所以，计算机能思维而且能模拟人的思维。人们的心灵、精神世界历来是哲学家反思的对象，这一研究领域构成了心智哲学的主题。心智哲学在人工智能、脑科学、认知心理学、控制论、语言学等的推动下，呈现出生机勃勃的景象。

胡塞尔（E.Husserl）是第一位把心智表达的指向性作为其哲学中心的哲学家，他在心智哲学中第一次提出了关于心智表达作用的一般理论。他认为，智能是一种由语境规定的和由目标导引的活动，是一种对预期事实的搜素。

与心智哲学互相渗透的认知科学是1970年代末正式宣告诞生的交叉学科。它是人工智能、认知心理学、语言学、哲学、人类学、神经生理学等学科的综合，研究智能系统的工作原理。其核心思想是称为认知主义的思想，其中一个中心命题是智能行为可以由内在的“认知过程”即理性的思维过程来解释。因而，一个很自然的假设就是从与计算机相类比的心智模型出发来研究心智的工作原理，把认知过程理解为信息加工过程，把一切智能系统理解为物理符号系统。

心智哲学是较认知科学高一层次的理论，但两者的相互作用和影响是毋庸置疑的。心智哲学不应超越认知科学的研究成果而作任意的理论假设，认知科学也不应排斥心智哲学的理论成果去作盲目的探索。

认知心理学

认知心理学和人工智能，是认知科学的两个组成部分。人工智能使用了心理学的理论，心理学又借用了人工智能的成果。将人脑和计算机相类比，是发展认知心理学的一条主要途径。

认知心理学旨在认识人类的认知心理，将这种认识通过计算机程序语言表达出来；人工智能致力于用计算机语言描述人的智能，并用计算机加以实现。两者的共同点在于用计算机程序语言刻划人类智能。然而，它们也存在一个重要的区别。人工智能试图且已经给计算机施加了一个模拟人类智能的程序，该程序包括知道这个系统本身的过程，然后给系统以一定任务，它就会产生行为。这说明人工智能是确

实的、得到证实的。而认知心理学，还不能肯定信息加工过程是人类智能的唯一心理原因，就连此信息加工过程本身也没有直接的明确证据。认知心理学只能从行为去推断心智用什么程序来造成行为，带有很大假说性。

德雷福斯（L.Dreyfus）把胡塞尔看成当代认知心理学和人工智能的先驱。他认为超验现象学在两个方面与人工智能有关系：第一，胡塞尔十分自觉地把探索心里结构作为他的哲学研究的中心。第二，胡塞尔具体地说明了在意向活动中人们所期望的对象世界的构成，及其所包含的复杂的形式结构。德雷福斯指出，人的认知能力是通过实践而发展的。这种独特的认知能力为人类存在于世界的方式提供了无

限的丰富性，构成了人类所有智能行为的基础。认知心理学企图通过纯认识结构来把握一切智能而根本不考虑头脑的非认知方面，这种想法注定不会成功。一切智能和智能行为都必须追溯到人类对自身是什么的理解上，而这一点由于会陷入无穷的递归，所以人类永远不能完全弄清。人类智能的基础既不可能被分离出来，也不可能被清晰地理解。他还指出，胡塞尔的意识与明斯基（M.Minsky）的框架理论十分类似。人工智能在发展过程中终不得不面对日常知识的表达问题，它们是困难的、关键的、在哲学上引人入胜的，人工智能至今仍在为之奋斗。

人工智能的物质基础

早在1950年代，就出现了两种争论激烈的观点：一种认为计算机是处理思维符号的系统，另一种认为是对大脑建模的媒介；一种致力于用计算机示例世界的形式化表达，另一种则仿真神经元的交互；一种把问题解决当作智能的范型；另一种强调学习；一种使用逻辑，另一种基于统计；一种是哲学上理性主义和还原主义的继承者，另一种将自己视作神经科学。事实上，它们分别代表了符号主义学派和连接

主义学派。

心理学中，定位于复杂思维与神经元之间的符号层次的理论很重要。符号是思维的材料，但也是物质的样式。“观念”与大脑可触知的生物物质之间有明显、根本的不同，这无疑对人工神经网络的建模具有意义。但很遗憾，目前人类对真实神经系统的了解非常有限，对自身脑结构及其活动机理的认识还十分肤浅，众多神经网络的模型实际上是极为简略粗糙并且带有某种“先验”。譬如，波尔茨曼机引入随机扰动来避免局部小虽具有独特之处，然而却缺乏必要的神经生理学基础（董军，潘云鹤.人工智能与认识论问题的思考提纲.见：中国人工智能进展.北京：北京邮电大学出版社，2001. 22）。

有观点认为，对神经信息处理机制的深入分析可能会引起计算科学革命性的变化。语言能力是人脑特有的高级功能，但对语言的中枢表象目前仍只有很模糊的认识，甚至连研究这类信息处理过程所采用的合适研究方法还至今阙如。为此，迫切需要方**的指导，因为它对神经网络的研究及其作用是毋庸置疑的。

1980年代中后期，人们发现脑中存在混沌现象，由于它可能揭示脑活动的深层机制而受到广泛重视。从生理本质出发是研究神经网络的根本手段。混沌神经网络研究探索非稳状态下网络的动态行为和信息处理能力。混沌动力学为研究人工神经网络和人工智能提供了新的契机。这里并不是单纯提倡纯粹意义上的生理模拟，因为人类把握自然和社会的规律并非是一种“照搬照抄”的过程，人工神经网络的初衷也非“逼真”地描***实神经系统，而只是根据物质基础和客观依据进行简化、抽象和模拟。

神经网络的基础结构更类似于脑，而不是标准计算机的结构。它们的单元并没有真实神经元那样复杂，它们的结构与新皮层的回路相比也过于简单。尽管神经网络具有这些局限性，但仍然显示出惊人的完成任务的能力。人脑对信息的处理采用的基于符号的串行逻辑推理过程，一开始就被现代数字计算机所采用。

有趣的是，仿佛有这样一条人工智能的“定理”：一旦某种思维的功能被编成程序，人们就不再认为它是“实际思维”的基本组成部分了。而人工智能的核心总是指那些还未能编制成程序的部分。

人工神经网络还有很多根本性、基础性的问题需要解决。在某种程度上，它仅仅作为一种算法，但这不能掩盖神经网络是在思维是物质世界的产物、是人脑的机能这样的前提下的尝试和产物。无论是对史前文明的探索，还是“天”外智能的好奇，都没有理由否认物质决定意识这个基本观点。

人类智慧与人工智能

对人的特质作出解释的模型很多是来自宗教、艺术等。例如，原始艺术的象征语言把人类的原始本能和超自然世界的各种意象以特有的符号手段结构化，它们被赋予特有的形式，从而组合成各种表现形态的形象系统。这让我们不仅了解到人类智能有着不同的具体表达，也明白智能是依赖于社会生活和客观现实的。

然而，道途艰辛。把人类原始的、潜意识的思想加以分解，有如分解佛教禅宗**为迷惑心智以达到绝对虚无所下的玄秘功夫那样，十分困难。况且，要到达人类级的人工智能已被证明是困难的，而且进展缓慢。

辩证唯物主义不同意那种机器能够独立地思维、机器可以比人更聪明的观点，很重要的理由在于思维是生物长期进化、特别是社会活动的产物。哥德尔赞同人类的心智超过所有的机器的结论。计算机中能不断繁殖和**自己的人工生命如病*,初也是由人类制造的。计算机的世界完全是由科学家们设计创造的，是人脑的结晶。

庄子与惠子有如下的对话。庄子与惠子游于濠梁之上，庄子曰：“倏鱼出游从容，是鱼之乐也。”惠子曰：“子非鱼，安知鱼之乐？”庄子曰：“子非我，安知我不知鱼之乐。”惠子曰：“我非子，固不知子矣，子固非鱼矣，子之不知鱼之乐全矣。”庄子曰：“请循其本，子曰‘汝安知鱼乐’云者，既已知吾知之而问我，我知之濠上也。”（庄子·秋水）

人类智慧与人工智能孰高孰底、熟胜孰负，智能的复杂和神秘，如同这段文字本身的内涵和后代的种种解析那样，引人入胜，令人悠然神往。

探寻人工智能的发展途径

人工智能研究者愿意用精神术语描述机器有两个原因。第一，希望给机器提供知识和信念的理论以使它们能对其用户知道的、不知道的和所想要的进行推理；第二，用户对机器的了解常常能用精神术语好地表达。在人工智能的发展过程中，心理学和哲学自然而然与它互相影响。而人工智能与哲学的关系，初是通过心理学这个桥梁的。

人工智能一开始是自上而下和自下而上相结合的。自上而下或“内涵式”的表述往往给人带来一种恍然大悟的感觉，自下而上或“外延式”的表述却像一份说明书。其实，的确需要两种途径：一种是自上而下的、把思想映射于神经元群上；另一种是自下而上的、用来解释思想如何由那些看起来是杂*无章的神经元集群产生的。

认知科学发展中存在一个值得思考的奇怪现象，对诸如下棋、解密码之类的可以相对跟环境隔离的看似很困难的任务而言，计算机系统可以超过专门训练的人；然而对一些通常的通过由长期进化形成的认知功能，比如视觉和听觉，经过几十年努力发展的人工智能系统还不如婴儿的能力。大脑的智力活动必须从进化的角度、从社会和历史发展的约束的角度来研究才能得到充分正确的理解。

虽然我们必须经常遵循有统整作用和简化作用的大原则，但也必须承认在科学里存在着不可还原的复杂性。讨论人工智能与认识论的关系，当然不能替代人工智能的研究，但它可使人工智能研究者不致如入沼泽而迷失方向。然而，遗憾的是，人工智能研究者往往会忽略人工智能与哲学的联系和基本的辩证思维方法——归纳和演绎，分析和综合等。事实上，每个人在自己的思维体验中都能感到分析与综合

的频繁与重要。但是，人类对这样一对基本思维机理的研究却如此薄弱。历史地看，人工智能的发展不时地陷入没有预想到的深层困境，这提醒我们不仅应当从人工智能发展的技术问题，而且应当从人工智能的根本概念和理论上去寻找原因，人工智能需要更为宽广的眼界

和宏观的方**指导。