下面对人工智能研究和运用的谈论，试图把有关各个子领域直接连接起来，辨别某些方面的智能行为，并指出有关的人工智能研究和运用的状况。

1．问题求解与博弈

人工智能的第一个大造诣是发展了能够求解难题的下棋（如国际象棋）程序。
不才棋程序中运用的某些技能，如向前看几步，并把困难的问题分成一些比较随意马虎的子问题，发展成为搜索和问题消解（归约）这样的人工智能基本技能。

本日的打算机程序能够下锦标赛水平的各种方盘棋、十五子棋、中国象棋和国际象棋，并能够降服国际和国家象棋冠军。

人机大战

2．逻辑推理与定理证明

早期的逻辑演绎研究事情与问题和难题的求解相称密切。
已经开拓出的程序能够借助于对事实数据库的操作来“证明”断定；个中每个事实由分立的数据构造表示，就像数理逻辑中由分立公式表示一样。

与人工智能的其他技能的不同之处是，这些方法能够完全和同等地加以表示。
也便是说，只要本原事实是精确的，那么程序就能够证明这些从事实得出的定理，而且也仅仅是证明这些定理。

3．打算智能

打算智能（ computational intelligence）涉及神经打算、模糊打算、进化打算、粒群打算、自然打算、免疫打算和人工生命等研究领域。

进化打算（ evolutionary computation）是指一类以达尔文进化论为依据来设计、掌握和优化人工系统的技能和方法的总称，它包括遗传算法（ genetic algorithm）、进化策略（ evolutionary strategy）和进化方案（evolutionary programming）。
自然选择的原则是适者生存，即物竞天择，良好劣汰。

人工生命是1987年提出的，旨在用打算机和精密机器等人工媒介天生或布局出能够表现自然生命系统行为特色的仿真系统或模型系统。
自然生命系统行为具有自组织、自复制、自修复等特色以及形成这些特色的混沌动力学、进化和环境适应。

打算智能

4．分布式人工智能与 Agent

分布式人工智能（ distributed AI，DAD）是分布式打算与人工智能结合的结果。
DAI系统以鲁棒性作为掌握系统质量的标准，并具有互操作性，即不同的异构系统在快速变革的环境中具有交流信息和协同事情的能力。

分布式人工智能的研究目标是要创建一种能够描述自然系统和社会系统的精确观点模型。
DAI中的智能并非独立存在的观点，只能在团体协作中实现，因而其紧张研究问题是各 agent间的互助与对话，包括分布式问题求解和多 agent系统（ multi－agentsystem，MAS）两领域。
MAS更能表示人类的社会智能，具有更大的灵巧性温柔应性，更适宜开放和动态的天下环境，因而倍受重视，已成为人工智能乃至打算机科学和掌握科学与工程的研究热点。

5.自动程序设计

自动程序设计能够以各种不同的目的描述来编写打算机程序，对自动程序设计的研究不仅可以促进半自动软件开拓系统的发展，而且也使通过改动自身数码进行学习的人工智能系统得到发展。
程序理论方面的有关研究工为难刁难人工智能的所有研究事情都是很主要的。

自动程序设计研究的重大贡献之一是作为问题求解策略的调度观点。
已经创造，对程序设计或机器人掌握问题，先产生一个不费事的有缺点的解，然后再修正它，这种做法要比坚持哀求第一个解答就完备没有缺陷的做法有效得多。

程序

6．专家系统

专家系统是一个智能打算机程序系统，其内部具有大量专家水平的某个领域知识与履历，能够利用人类专家的知识和解决问题的方法来办理该领域的问题。

发展专家系统的关键是表达和利用专家知识，即来自人类专家的并已被证明对办理有关领域内的范例问题是有用的事实和过程。
专家系统和传统的打算机程序的实质差异在于专家系统所要办理的问题一样平常没有算法解，并且常常要在不完备、禁绝确或不愿定的信息根本上得出结论。

7．机器学习

学习是人类智能的紧张标志和得到知识的基本手段。
机器学习（自动获取新的事实及新的推理算法）是使打算机具有智能的根本路子。
此外，机器学习还有助于创造人类学习的机理并揭示人脑的奥秘。

传统的机器学习方向于利用符号表示而不是数值表示，利用启示式方法而不是算法传统机器学习的另一方向是利用归纳（ induction）面不是演（ deduction）。
前一傾向使它有别于人工智能的模式识别平分支；后一方向使它有别于定理证明平分支。

机器学习

8.自然措辞理解

措辞处理也是人工智能的早期研究领域之一，并引起进一步的重视。
已经编写出能够从内部数据库回答问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种措辞翻译为另一种措辞，实行给出的指令和获取知识等。
有些程序乃至能够在一定程度上翻译从发话器输人的口头指令。

当人们用措辞互通信息时，他们险些不费力地进行极其繁芜却又只须要一点点理解的过程。
措辞已经发展成为智能动物之间的一种通信媒介，它在某些环境条件下把一点“思维构造”从一个头脑传输到另一个头脑，而每个头脑都拥有弘大的、高度相似的周围思维构做作为公共的文本。
这些相似的、前后有关的思维构造中的一部分许可每个参与者知道对方也拥有这种共同构造，并能够在通信“动作”中用它来实行某些处理。
措辞的天生和理解是一个极为繁芜的编码和解码问题。

9．机器人学

人工智能研究中日益受到重视的另一个分支是机器人学。
一些并不繁芜的动作掌握问题，如移动式机器人的机器动作掌握问题，表面上看并不须要很多智能。
然而人类几平下意识就能完成的这些任务，假如由机器人来实现就哀求机器人具备在求解须要较多智能的问题时所用到的能力。

机器人和机器人学的研究促进了许多人工智能思想的发展。
它所导致的一些技能可用来仿照天下的状态，用来描述从一种天下状态转变为另一种天下状态的过程。

智能机器人的研究和运用表示出广泛的学科交又，涉及浩瀚的课题，如机器人体系构造、机构、掌握、智能、视觉、触觉、力觉、听觉、机器人装置、恶劣环境下的机器人以及机器人措辞等。
机器人已在各种工业、农业、商业、旅游业、空中和海洋以及国防等领域得到越来越普遍的运用。

​脸部识别

10.模式识别

打算机硬件的迅速发展，打算机运用领域的不断开拓，迫切哀求打算性能更有效地感知诸如声音、笔墨，图像，温度、震撼等人类赖以发展自身、改造环境所利用的信息资料。
着眼于拓宽打算机的运用领域，提高其感知外部信息能力的学科逐一模式识别便得到迅速发展。

人工智能所研究的模式识别是指用打算机代替人类或帮助人类感知模式，是对人类感知外界功能的仿照，研究的是打算机模式识别系统，也便是使一个打算机系统具有仿照人类通过感官接管外界信息、识别和理解周围环境的感知能力。

模式识别是一个不断发展的新学科，它的理论根本和研究范围也在不断发展。
随着生物医学对人类大脑的初步认识，仿照人脑布局的打算机实验即人工神经网络方法已经成功地用于手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。

11．机器视觉

机器视觉或打算机视觉已从模式识别的一个研究领域发展为一门独立的学科。
在视觉方面，已经给打算机系统装上电視输入装置以便能够“瞥见”周围的东西。
在人工智能中研究的感知过程常日包含一组操作。

打算机视觉常日可分为低层视觉与高层视觉两类。
低层视觉紧张实行预处理功能，如边缘检测、动目标检测、纹理剖析、通过阴影得到形状、立体造型、曲面色彩等。
高层视觉则紧张是理解所不雅观察的形象。

机器视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图像压缩传输和复原、多光谱和彩色图像的处理与阐明等。

神经网络

12.神经网络

研究结果已经证明，用神经网络处理直觉和形象思维信息具有比传统处理办法好得多的效果。
神经网络的发展有着非常广的科学背景，是浩瀚学科研究的综合成果。
神全心理学家，生理学家与打算机科学家的共同研究得出的结论是：人脑是一个功能特殊强大、构造非常繁芜的信息处理系统，其根本是神经元及其互联关系。
因此，对人脑神经元和人工神经网络的研究，可能创造出新一代人工智能机逐一神经打算机。

对神经网络模型，算法、理论剖析和硬件实现的大量研究，为神经打算机走向运用供应了物质根本。
人们期望神经打算机将重修人脑的形象，极大地提高信息处理能力，在更多方面取代传统的打算机。

13．智能掌握

人工智能的发展促进自动掌握向智能掌握发展。
智能掌握是一类无需（或须要尽可能少的）人的干预就能够独立地驱动智能机器实现其目标的自动掌握。
或者说，智能掌握是驱动智能机器自主地实现其目标的过程。
许多繁芜的系统，难以建立有效的数学模型和用常规掌握理论进行定量打算与剖析，而必须采取定量数学解析法与基于知识的定性方法的稠浊掌握办法。

随着人工智能和打算机技能的发展，已可能把自动掌握和人工智能以及系统科学的某些分支结合起来，建立一种适用于繁芜系统的掌握理论和技能。
智能掌握正是在这种条件下产生的。
它是自动掌握的最新发展阶段，也是用打算机仿照人类智能的一个主要研究领域。

智能调度

14．智能调度与指挥

在这些问题中有几个（包括推销员旅行问题）是属于理论打算机科学家称为NP完备性一类的问题。
他们根据理论上的最佳方法打算出所耗韶光（或所走步数）的最坏情形来排列不同问题的难度。
该韶光或步数是随着问题大小的某种量度增长的。

人工智能学家们曾经研究过多少组合问题的求解方法。
有关问题域的知识再次成为比较有效的求解方法的关键。
智能组合调度与指挥方法已被运用于汽车运输调度、列车的编组与指挥、空中交通牵制以及军事指挥等系统。
它已引起有关部门的重视。

15．智能检索

随着科学技能的迅速发展，涌现了“知识爆炸”的情形。
对国内外种类繁多和数量巨大的科技文献之检索远非人力和传统检索系统所能胜任。
研究智能检索系统已成为科技持续快速发展的主要担保。

数据库系统是储存某学科大量事实的打算机软件系统，它们可以回答用户提出的有关该学科的各种问题。
数据库系统的设计也是打算机科学的一个生动的分支。
为了有效地表示、存储和检索大量事实，已经发展了许多技能。

16．系统与措辞工具

除了直接瞄准实现智能的研究事情外，开拓新的方法也每每是人工智能研究的一个主要方面。
人工智能对打算机界的某些最大贡献已经以派生的形式表现出来。
打算机系统的一些观点，如分时系统、编目处理系统和交互调试系统等，已经在人工智能研究中得到发展。
一些能够简化演绎、机器人操作和认识模型的专用程序设计和系统常常是新思想的丰富源泉。

在人工智能程序设计措辞方面，除了连续开拓和改进通用和专用的编程措辞新版本和新语种外，还研究出了一些面向目标的编程措辞和专用开拓工具对关系数据库研究所取得的进展，无疑为人工智能程序设计供应了新的有效工具。