人工智能期末复习指南：理论、应用与挑战

人工智能（AI）是一门多学科交叉的前沿科学，起源于1956年的学术会议，至今没有统一的定义，但核心目标是通过计算机程序和设计技术模拟人类智能。早期学者如费根鲍姆和绍特里夫教授从不同的角度给出了定义，前者强调了AI作为计算机科学分支，关注智能计算机系统的构建和人类智能行为的体现，后者则关注问题解决的符号方法和非算法方法。 人工智能的目标不仅在于理论分析，解释人类智能的工作原理，还包括实际应用，如构造能模仿人类智能行为的机器。AI与传统计算机程序的主要区别在于智能行为的处理方式，AI倾向于符号处理和基于规则的决策，而传统程序更多是数值计算和预设指令执行。AI的搜索策略如启发式搜索依赖于算法，同时强调控制结构和知识领域的分离，以及对错误容忍度的差异。 AI程序的核心特质包括判断、理解、推理、形成概念和适应环境的能力，这些能力使得它们能在复杂情境中进行选择和反应。AI研究领域的一个重要循环是获取（数据输入）、表示（知识结构化）、运用（解决问题）和学习（通过反馈改进），这在专家系统（如60年代中期的典型应用）和自然语言处理（如理解和生成文本）中得以体现。 专家系统作为AI早期的重要应用，能够模拟专家的专业知识和推理过程，解决专业领域内的复杂问题。自然语言处理则是AI与人类沟通的关键环节，涉及理解和生成口语和书面语，早期的里程碑如1970年的Winograd系统就是一个例子。 人工智能是一门涵盖广泛，不断发展的学科，其研究内容和方法不断拓展，旨在提升机器的智能水平，使之更接近人类的智能表现。尽管定义上存在争议，但AI的核心价值在于模拟和增强机器的智能能力，以解决现实生活中的各种挑战。