在大多數(shù)學(xué)科中存在著幾個(gè)不同的研究領(lǐng)域，每個(gè)領(lǐng)域都有其特有的感興趣的研究課題、研究技術(shù)和術(shù)語(yǔ)。在人工智能中，這樣的領(lǐng)域包括自然語(yǔ)言處理、自動(dòng)定理證明、自動(dòng)程序設(shè)計(jì)、智能檢索、智能調(diào)度、機(jī)器學(xué)習(xí)、機(jī)器人學(xué)、專(zhuān)家系統(tǒng)、智能控制、模式識(shí)別、視覺(jué)系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、 agent、計(jì)算智能、問(wèn)題求解、人工生命、人工智能方法和程序設(shè)計(jì)語(yǔ)言等。

下面對(duì)人工智能研究和應(yīng)用的討論，試圖把有關(guān)各個(gè)子領(lǐng)域直接連接起來(lái)，辨別某些方面的智能行為，并指出有關(guān)的人工智能研究和應(yīng)用的狀況。

1．問(wèn)題求解與博弈

人工智能的第一個(gè)大成就是發(fā)展了能夠求解難題的下棋（如國(guó)際象棋）程序。在下棋程序中應(yīng)用的某些技術(shù)，如向前看幾步，并把困難的問(wèn)題分成一些比較容易的子問(wèn)題，發(fā)展成為搜索和問(wèn)題消解（歸約）這樣的人工智能基本技術(shù)。

今天的計(jì)算機(jī)程序能夠下錦標(biāo)賽水平的各種方盤(pán)棋、十五子棋、中國(guó)象棋和國(guó)際象棋，并能夠戰(zhàn)勝?lài)?guó)際和國(guó)家象棋冠軍。

人機(jī)大戰(zhàn)

2．邏輯推理與定理證明

早期的邏輯演繹研究工作與問(wèn)題和難題的求解相當(dāng)密切。已經(jīng)開(kāi)發(fā)出的程序能夠借助于對(duì)事實(shí)數(shù)據(jù)庫(kù)的操作來(lái)“證明”斷定；其中每個(gè)事實(shí)由分立的數(shù)據(jù)結(jié)構(gòu)表示，就像數(shù)理邏輯中由分立公式表示一樣。

與人工智能的其他技術(shù)的不同之處是，這些方法能夠完整和一致地加以表示。也就是說(shuō)，只要本原事實(shí)是正確的，那么程序就能夠證明這些從事實(shí)得出的定理，而且也僅僅是證明這些定理。

3．計(jì)算智能

計(jì)算智能（ computational intelligence）涉及神經(jīng)計(jì)算、模糊計(jì)算、進(jìn)化計(jì)算、粒群計(jì)算、自然計(jì)算、免疫計(jì)算和人工生命等研究領(lǐng)域。

進(jìn)化計(jì)算（ evolutionary computation）是指一類(lèi)以達(dá)爾文進(jìn)化論為依據(jù)來(lái)設(shè)計(jì)、控制和優(yōu)化人工系統(tǒng)的技術(shù)和方法的總稱(chēng)，它包括遺傳算法（ genetic algorithm）、進(jìn)化策略（ evolutionary strategy）和進(jìn)化規(guī)劃（evolutionary programming）。自然選擇的原則是適者生存，即物競(jìng)天擇，優(yōu)勝劣汰。

人工生命是1987年提出的，旨在用計(jì)算機(jī)和精密機(jī)械等人工媒介生成或構(gòu)造出能夠表現(xiàn)自然生命系統(tǒng)行為特征的仿真系統(tǒng)或模型系統(tǒng)。自然生命系統(tǒng)行為具有自組織、自復(fù)制、自修復(fù)等特征以及形成這些特征的混沌動(dòng)力學(xué)、進(jìn)化和環(huán)境適應(yīng)。

計(jì)算智能

4．分布式人工智能與 Agent

分布式人工智能（ distributed AI，DAD）是分布式計(jì)算與人工智能結(jié)合的結(jié)果。DAI系統(tǒng)以魯棒性作為控制系統(tǒng)質(zhì)量的標(biāo)準(zhǔn)，并具有互操作性，即不同的異構(gòu)系統(tǒng)在快速變化的環(huán)境中具有交換信息和協(xié)同工作的能力。

分布式人工智能的研究目標(biāo)是要?jiǎng)?chuàng)建一種能夠描述自然系統(tǒng)和社會(huì)系統(tǒng)的精確概念模型。DAI中的智能并非獨(dú)立存在的概念，只能在團(tuán)體協(xié)作中實(shí)現(xiàn)，因而其主要研究問(wèn)題是各 agent間的合作與對(duì)話，包括分布式問(wèn)題求解和多 agent系統(tǒng)（ multi－agentsystem，MAS）兩領(lǐng)域。MAS更能體現(xiàn)人類(lèi)的社會(huì)智能，具有更大的靈活性和適應(yīng)性，更適合開(kāi)放和動(dòng)態(tài)的世界環(huán)境，因而倍受重視，已成為人工智能乃至計(jì)算機(jī)科學(xué)和控制科學(xué)與工程的研究熱點(diǎn)。

5.自動(dòng)程序設(shè)計(jì)

自動(dòng)程序設(shè)計(jì)能夠以各種不同的目的描述來(lái)編寫(xiě)計(jì)算機(jī)程序，對(duì)自動(dòng)程序設(shè)計(jì)的研究不僅可以促進(jìn)半自動(dòng)軟件開(kāi)發(fā)系統(tǒng)的發(fā)展，而且也使通過(guò)修正自身數(shù)碼進(jìn)行學(xué)習(xí)的人工智能系統(tǒng)得到發(fā)展。程序理論方面的有關(guān)研究工作對(duì)人工智能的所有研究工作都是很重要的。

自動(dòng)程序設(shè)計(jì)研究的重大貢獻(xiàn)之一是作為問(wèn)題求解策略的調(diào)整概念。已經(jīng)發(fā)現(xiàn)，對(duì)程序設(shè)計(jì)或機(jī)器人控制問(wèn)題，先產(chǎn)生一個(gè)不費(fèi)事的有錯(cuò)誤的解，然后再修改它，這種做法要比堅(jiān)持要求第一個(gè)解答就完全沒(méi)有缺陷的做法有效得多。

程序

6．專(zhuān)家系統(tǒng)

專(zhuān)家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部具有大量專(zhuān)家水平的某個(gè)領(lǐng)域知識(shí)與經(jīng)驗(yàn)，能夠利用人類(lèi)專(zhuān)家的知識(shí)和解決問(wèn)題的方法來(lái)解決該領(lǐng)域的問(wèn)題。

發(fā)展專(zhuān)家系統(tǒng)的關(guān)鍵是表達(dá)和運(yùn)用專(zhuān)家知識(shí)，即來(lái)自人類(lèi)專(zhuān)家的并已被證明對(duì)解決有關(guān)領(lǐng)域內(nèi)的典型問(wèn)題是有用的事實(shí)和過(guò)程。專(zhuān)家系統(tǒng)和傳統(tǒng)的計(jì)算機(jī)程序的本質(zhì)區(qū)別在于專(zhuān)家系統(tǒng)所要解決的問(wèn)題一般沒(méi)有算法解，并且經(jīng)常要在不完全、不精確或不確定的信息基礎(chǔ)上得出結(jié)論。

7．機(jī)器學(xué)習(xí)

學(xué)習(xí)是人類(lèi)智能的主要標(biāo)志和獲得知識(shí)的基本手段。機(jī)器學(xué)習(xí)（自動(dòng)獲取新的事實(shí)及新的推理算法）是使計(jì)算機(jī)具有智能的根本途徑。此外，機(jī)器學(xué)習(xí)還有助于發(fā)現(xiàn)人類(lèi)學(xué)習(xí)的機(jī)理并揭示人腦的奧秘。

傳統(tǒng)的機(jī)器學(xué)習(xí)傾向于使用符號(hào)表示而不是數(shù)值表示，使用啟發(fā)式方法而不是算法傳統(tǒng)機(jī)器學(xué)習(xí)的另一傾向是使用歸納（ induction）面不是演（ deduction）。前一傾向使它有別于人工智能的模式識(shí)別等分支；后一傾向使它有別于定理證明等分支。

機(jī)器學(xué)習(xí)

8.自然語(yǔ)言理解

語(yǔ)言處理也是人工智能的早期研究領(lǐng)域之一，并引起進(jìn)一步的重視。已經(jīng)編寫(xiě)出能夠從內(nèi)部數(shù)據(jù)庫(kù)回答問(wèn)題的程序，這些程序通過(guò)閱讀文本材料和建立內(nèi)部數(shù)據(jù)庫(kù)，能夠把句子從一種語(yǔ)言翻譯為另一種語(yǔ)言，執(zhí)行給出的指令和獲取知識(shí)等。有些程序甚至能夠在一定程度上翻譯從話筒輸人的口頭指令。

當(dāng)人們用語(yǔ)言互通信息時(shí)，他們幾乎不費(fèi)力地進(jìn)行極其復(fù)雜卻又只需要一點(diǎn)點(diǎn)理解的過(guò)程。語(yǔ)言已經(jīng)發(fā)展成為智能動(dòng)物之間的一種通信媒介，它在某些環(huán)境條件下把一點(diǎn)“思維結(jié)構(gòu)”從一個(gè)頭腦傳輸?shù)搅硪粋€(gè)頭腦，而每個(gè)頭腦都擁有龐大的、高度相似的周?chē)季S結(jié)構(gòu)作為公共的文本。這些相似的、前后有關(guān)的思維結(jié)構(gòu)中的一部分允許每個(gè)參與者知道對(duì)方也擁有這種共同結(jié)構(gòu)，并能夠在通信“動(dòng)作”中用它來(lái)執(zhí)行某些處理。語(yǔ)言的生成和理解是一個(gè)極為復(fù)雜的編碼和解碼問(wèn)題。

9．機(jī)器人學(xué)

人工智能研究中日益受到重視的另一個(gè)分支是機(jī)器人學(xué)。一些并不復(fù)雜的動(dòng)作控制問(wèn)題，如移動(dòng)式機(jī)器人的機(jī)械動(dòng)作控制問(wèn)題，表面上看并不需要很多智能。然而人類(lèi)幾平下意識(shí)就能完成的這些任務(wù)，要是由機(jī)器人來(lái)實(shí)現(xiàn)就要求機(jī)器人具備在求解需要較多智能的問(wèn)題時(shí)所用到的能力。

機(jī)器人和機(jī)器人學(xué)的研究促進(jìn)了許多人工智能思想的發(fā)展。它所導(dǎo)致的一些技術(shù)可用來(lái)模擬世界的狀態(tài)，用來(lái)描述從一種世界狀態(tài)轉(zhuǎn)變?yōu)榱硪环N世界狀態(tài)的過(guò)程。

智能機(jī)器人的研究和應(yīng)用體現(xiàn)出廣泛的學(xué)科交又，涉及眾多的課題，如機(jī)器人體系結(jié)構(gòu)、機(jī)構(gòu)、控制、智能、視覺(jué)、觸覺(jué)、力覺(jué)、聽(tīng)覺(jué)、機(jī)器人裝配、惡劣環(huán)境下的機(jī)器人以及機(jī)器人語(yǔ)言等。機(jī)器人已在各種工業(yè)、農(nóng)業(yè)、商業(yè)、旅游業(yè)、空中和海洋以及國(guó)防等領(lǐng)域獲得越來(lái)越普遍的應(yīng)用。

?臉部識(shí)別

10.模式識(shí)別

計(jì)算機(jī)硬件的迅速發(fā)展，計(jì)算機(jī)應(yīng)用領(lǐng)域的不斷開(kāi)拓，急切要求計(jì)算機(jī)能更有效地感知諸如聲音、文字，圖像，溫度、震動(dòng)等人類(lèi)賴(lài)以發(fā)展自身、改造環(huán)境所運(yùn)用的信息資料。著眼于拓寬計(jì)算機(jī)的應(yīng)用領(lǐng)域，提高其感知外部信息能力的學(xué)科一一模式識(shí)別便得到迅速發(fā)展。

人工智能所研究的模式識(shí)別是指用計(jì)算機(jī)代替人類(lèi)或幫助人類(lèi)感知模式，是對(duì)人類(lèi)感知外界功能的模擬，研究的是計(jì)算機(jī)模式識(shí)別系統(tǒng)，也就是使一個(gè)計(jì)算機(jī)系統(tǒng)具有模擬人類(lèi)通過(guò)感官接受外界信息、識(shí)別和理解周?chē)h(huán)境的感知能力。

模式識(shí)別是一個(gè)不斷發(fā)展的新學(xué)科，它的理論基礎(chǔ)和研究范圍也在不斷發(fā)展。隨著生物醫(yī)學(xué)對(duì)人類(lèi)大腦的初步認(rèn)識(shí)，模擬人腦構(gòu)造的計(jì)算機(jī)實(shí)驗(yàn)即人工神經(jīng)網(wǎng)絡(luò)方法已經(jīng)成功地用于手寫(xiě)字符的識(shí)別、汽車(chē)牌照的識(shí)別、指紋識(shí)別、語(yǔ)音識(shí)別等方面。

11．機(jī)器視覺(jué)

機(jī)器視覺(jué)或計(jì)算機(jī)視覺(jué)已從模式識(shí)別的一個(gè)研究領(lǐng)域發(fā)展為一門(mén)獨(dú)立的學(xué)科。在視覺(jué)方面，已經(jīng)給計(jì)算機(jī)系統(tǒng)裝上電視輸入裝置以便能夠“看見(jiàn)”周?chē)臇|西。在人工智能中研究的感知過(guò)程通常包含一組操作。

計(jì)算機(jī)視覺(jué)通常可分為低層視覺(jué)與高層視覺(jué)兩類(lèi)。低層視覺(jué)主要執(zhí)行預(yù)處理功能，如邊緣檢測(cè)、動(dòng)目標(biāo)檢測(cè)、紋理分析、通過(guò)陰影獲得形狀、立體造型、曲面色彩等。高層視覺(jué)則主要是理解所觀察的形象。

機(jī)器視覺(jué)的前沿研究領(lǐng)域包括實(shí)時(shí)并行處理、主動(dòng)式定性視覺(jué)、動(dòng)態(tài)和時(shí)變視覺(jué)、三維景物的建模與識(shí)別、實(shí)時(shí)圖像壓縮傳輸和復(fù)原、多光譜和彩色圖像的處理與解釋等。

神經(jīng)網(wǎng)絡(luò)

12.神經(jīng)網(wǎng)絡(luò)

研究結(jié)果已經(jīng)證明，用神經(jīng)網(wǎng)絡(luò)處理直覺(jué)和形象思維信息具有比傳統(tǒng)處理方式好得多的效果。神經(jīng)網(wǎng)絡(luò)的發(fā)展有著非常廣的科學(xué)背景，是眾多學(xué)科研究的綜合成果。神經(jīng)生理學(xué)家，心理學(xué)家與計(jì)算機(jī)科學(xué)家的共同研究得出的結(jié)論是：人腦是一個(gè)功能特別強(qiáng)大、結(jié)構(gòu)異常復(fù)雜的信息處理系統(tǒng)，其基礎(chǔ)是神經(jīng)元及其互聯(lián)關(guān)系。因此，對(duì)人腦神經(jīng)元和人工神經(jīng)網(wǎng)絡(luò)的研究，可能創(chuàng)造出新一代人工智能機(jī)一一神經(jīng)計(jì)算機(jī)。

對(duì)神經(jīng)網(wǎng)絡(luò)模型，算法、理論分析和硬件實(shí)現(xiàn)的大量研究，為神經(jīng)計(jì)算機(jī)走向應(yīng)用提供了物質(zhì)基礎(chǔ)。人們期望神經(jīng)計(jì)算機(jī)將重建人腦的形象，極大地提高信息處理能力，在更多方面取代傳統(tǒng)的計(jì)算機(jī)。

13．智能控制

人工智能的發(fā)展促進(jìn)自動(dòng)控制向智能控制發(fā)展。智能控制是一類(lèi)無(wú)需（或需要盡可能少的）人的干預(yù)就能夠獨(dú)立地驅(qū)動(dòng)智能機(jī)器實(shí)現(xiàn)其目標(biāo)的自動(dòng)控制?；蛘哒f(shuō)，智能控制是驅(qū)動(dòng)智能機(jī)器自主地實(shí)現(xiàn)其目標(biāo)的過(guò)程。許多復(fù)雜的系統(tǒng)，難以建立有效的數(shù)學(xué)模型和用常規(guī)控制理論進(jìn)行定量計(jì)算與分析，而必須采用定量數(shù)學(xué)解析法與基于知識(shí)的定性方法的混合控制方式。

隨著人工智能和計(jì)算機(jī)技術(shù)的發(fā)展，已可能把自動(dòng)控制和人工智能以及系統(tǒng)科學(xué)的某些分支結(jié)合起來(lái)，建立一種適用于復(fù)雜系統(tǒng)的控制理論和技術(shù)。智能控制正是在這種條件下產(chǎn)生的。它是自動(dòng)控制的最新發(fā)展階段，也是用計(jì)算機(jī)模擬人類(lèi)智能的一個(gè)重要研究領(lǐng)域。

智能調(diào)度

14．智能調(diào)度與指揮

在這些問(wèn)題中有幾個(gè)（包括推銷(xiāo)員旅行問(wèn)題）是屬于理論計(jì)算機(jī)科學(xué)家稱(chēng)為NP完全性一類(lèi)的問(wèn)題。他們根據(jù)理論上的最佳方法計(jì)算出所耗時(shí)間（或所走步數(shù)）的最壞情況來(lái)排列不同問(wèn)題的難度。該時(shí)間或步數(shù)是隨著問(wèn)題大小的某種量度增長(zhǎng)的。

人工智能學(xué)家們?cè)?jīng)研究過(guò)若干組合問(wèn)題的求解方法。有關(guān)問(wèn)題域的知識(shí)再次成為比較有效的求解方法的關(guān)鍵。智能組合調(diào)度與指揮方法已被應(yīng)用于汽車(chē)運(yùn)輸調(diào)度、列車(chē)的編組與指揮、空中交通管制以及軍事指揮等系統(tǒng)。它已引起有關(guān)部門(mén)的重視。

15．智能檢索

隨著科學(xué)技術(shù)的迅速發(fā)展，出現(xiàn)了“知識(shí)爆炸”的情況。對(duì)國(guó)內(nèi)外種類(lèi)繁多和數(shù)量巨大的科技文獻(xiàn)之檢索遠(yuǎn)非人力和傳統(tǒng)檢索系統(tǒng)所能勝任。研究智能檢索系統(tǒng)已成為科技持續(xù)快速發(fā)展的重要保證。

數(shù)據(jù)庫(kù)系統(tǒng)是儲(chǔ)存某學(xué)科大量事實(shí)的計(jì)算機(jī)軟件系統(tǒng)，它們可以回答用戶提出的有關(guān)該學(xué)科的各種問(wèn)題。數(shù)據(jù)庫(kù)系統(tǒng)的設(shè)計(jì)也是計(jì)算機(jī)科學(xué)的一個(gè)活躍的分支。為了有效地表示、存儲(chǔ)和檢索大量事實(shí)，已經(jīng)發(fā)展了許多技術(shù)。

16．系統(tǒng)與語(yǔ)言工具

除了直接瞄準(zhǔn)實(shí)現(xiàn)智能的研究工作外，開(kāi)發(fā)新的方法也往往是人工智能研究的一個(gè)重要方面。人工智能對(duì)計(jì)算機(jī)界的某些最大貢獻(xiàn)已經(jīng)以派生的形式表現(xiàn)出來(lái)。計(jì)算機(jī)系統(tǒng)的一些概念，如分時(shí)系統(tǒng)、編目處理系統(tǒng)和交互調(diào)試系統(tǒng)等，已經(jīng)在人工智能研究中得到發(fā)展。一些能夠簡(jiǎn)化演繹、機(jī)器人操作和認(rèn)識(shí)模型的專(zhuān)用程序設(shè)計(jì)和系統(tǒng)常常是新思想的豐富源泉。

在人工智能程序設(shè)計(jì)語(yǔ)言方面，除了繼續(xù)開(kāi)發(fā)和改進(jìn)通用和專(zhuān)用的編程語(yǔ)言新版本和新語(yǔ)種外，還研究出了一些面向目標(biāo)的編程語(yǔ)言和專(zhuān)用開(kāi)發(fā)工具對(duì)關(guān)系數(shù)據(jù)庫(kù)研究所取得的進(jìn)展，無(wú)疑為人工智能程序設(shè)計(jì)提供了新的有效工具。