我们都知道，人工智能的模拟和人类智能的相关活动是不一样的，当然，这两种事物在整个运行过程上不尽相同，不过，从思维来考虑，也就是对问题的处理来开，两者还是还是有很多共同点的，我们可以将其分为五点，第一点就是信息的输入或者接受，第二点就是信息的存储或者记忆，第三点就是信息的运算或者处理，第四点就是信息的输出，第五点就是信息的反馈或者控制。我们就用人类的大脑来说，当信息传递过来的时候，人脑对信息的处理大致的过程是这样的，通过眼睛和耳朵等一些器官去接收信息的输入，传入大脑，对信息的进行存储或者记忆，然后大脑对信息进行加工处理，将处理结果输出，表现为人对信息的反应，并且人脑还会对输入的信息进行反馈或者控制，如果不好的信息或者对人不利的信息都会拒绝接收。
而人工智能对信息的处理也是和人脑有一点相似的，具体的过程就是这样的，使用某些传感器去接收外界输入的信息，信息在储存原件中进行储存，运用已经储存的程序，通过调用相应的模型，对问题做出相应的分析与处理，然后通过输出装置，将处理过的信息传输出去，同时，对输入的信息产生一定的反馈，都后续的信息输入产生一定的帮助，从中我们可以看出来，人工智能是一种仿生学。由此可见，人工智能与人类智能在对信息处理的过程中有很多相似之处，人脑以神经脉冲的形式传递信息，人工智能以电脉冲的形式传递信息；人脑中信息的接收与否通过神经元的兴奋与抑制来实现，而人工智能对信息的接受与否则是通过电脉冲的接入与断开来实现。所以，人工智能的发展前景优渥。
在这篇文章中我们给大家介绍了人工智能的思维过程，人工智能的思维过程和人脑类似，原理大致相同，所以人工智能能够给我们带来更加贴心的服务，这也正是人工智能前景好的原因。
近年来，随着计算机技术的迅猛发展和日益广泛的应用，自然地会提出人类智力活动能不能由计算机来实现的问题。几十年来，人们一向把计算机当作是只能以极快地、熟练地、准确地运算数字的机器。但是在当今世界要解决的问题并不完全是数值计算，像语言的理解和翻译、图形和声音的识别、决策管理等都不属于数值计算，特别像医疗诊断要有专门的特有的经验和知识的医师才能作出正确的诊断。这就要求计算机能从“数据处理”扩展到还能“知识处理”的范畴。计算机能力范畴的转化是导至“人工智能”快速发展的重要因素。人工智能的定义：
著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映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的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
人工智能（Artificial Intelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
从实用观点来看，人工智能是一门知识工程学：以知识为对象，研究知识的获取、知识的表示方法和知识的使用。
计算机与智能
通常我们用计算机，不仅要告诉计算机，要做什么，还必须详细地、正确地告诉计算机怎么做。也就是说，人们要根据任务的要求，以适当的计算机语言，编制针对该任务的应用程序，才能应用计算机完成此项任务。这样实际上是在人完全控制计算机完成的，是谈不上计算机有“智能”。
大家都知道，世界国际象棋棋王卡斯帕罗夫与美国IBM公司的RS／6000（深蓝）计算机系统于1997年5月11日进行了六局“人机大战”，结果“深蓝”以3.5比2.5的总比分获胜。比赛结束了给人们留下了深刻的思考；下棋要获胜要求选手要有很强的思维能力、记忆能力、丰富的下棋经验，还得及时作出反映，迅速进行有效的处理，否则一着出错满皆输，这显然是个“智能”问题。尽管开发“深蓝”计算机的IBM专家也认为它离智能计算机还相差甚远，但它以高速的并行的计算能力（2r108步／秒棋的计算速度）。实现了人类智力的计算机上的部分模拟。
从字面上看，“人工智能”就是用人工的方法在计算机上实现人的智能，或者说是人们使计算机具有类似于人的智能。
智能与知识
在20世纪70年代以后，在许多国家都相继开展了人工智能的研究，由于当时对实现机器智能理解得过于容易和片面，认为只要一些推理的定律加上强大的计算机就能有专家的水平和超人的能力。这样，虽然也获得一定成果，但问题也跟着出现了，例如机器翻译当时人们往往认为只要用一部双向词典及词法知识，就能实现两种语言文字的互译，其实完全不是这么一回事，例如，把英语句子“Time flies like an arrow”（光阴似箭）翻译成日语，然后再译回英语，竟然成为“苍蝇喜欢箭”；当把英语“The spirit is willing but the flesh is weak”（心有余而力不足）译成俄语后，再译回来竟变成“The wine is good but the meat is spoiled”（酒是好的但肉已变质）。在其它方面也都遇到这样或者那样的困难。这时，本来对人工智能抱怀疑态度的人提出指责，甚至把人工智能说成是“骗局”、“庸人自扰”，有些国家还削减人工智能的研究经费，一时人工智能的研究进入了低潮。
然而，人工智能研究的先驱者们没有放弃，而是经过认真的反思、总结经验和教训，认识到人的智能表现在人能学习知识，有了知识，能了解、运用已有的知识。正向思维科学所说“智能的核心是思维，人的一切智慧或智能都来自大脑思维活动，人类的一切知识都是人们思维的产物。”“一个系统之所以有智能是因为它具有可运用的知识。”要让计算机“聪明”起来，首先要解决计算机如何学会一些必要知识，以及如何运用学到的知识问题。只是对一般事物的思维规律进行探索是不可能解决较高层次问题的。人工智能研究的开展应当改变为以知识为中心来进行。
自从人工智能转向以知识为中心进行研究以来，以专家知识为基础开发的专家系统在许多领域里获得成功，例如：地矿勘探专家系统（PROSPECTOR）拥有15种矿藏知识，能根据岩石标本及地质勘探数据对矿产资源进行估计和预测，能对矿床分布、储藏量、品位、开采价值等进行推断，制定合理的开采方案，成功地找到了超亿美元的钼矿。又如专家系统（MYCIN）能识别51种病菌，正确使用23种抗菌素，可协助医生诊断、治疗细菌感染性血液病，为患者提供最佳处方，成功地处理了数百个病例。它还通过以下的测试：在互相隔离的情况下，用MYCIN系统和九位斯坦福大学医学院医生，分别对十名不清楚感染源的患者进行诊断和处方，由八位专家进行评判，结果是MYCIN和三位医生所开出的处方对症有效；而在是否对其它可能的病原体也有效而且用药又不过量方面，MYCIN 则胜过了九位医生。显示出较高的水平。
专家系统的成功，充分表明知识是智能的基础，人工智能的研究必须以知识为中心来进行。由于知识的表示、利用、获取等的研究都取得较大的进展。因而，人工智能的研究得以解决了许多理论和技术上问题。
人工智能研究的目标
1950年英国数学家图灵（A.M.Turing,1912—1954）发表了”计算机与智能”的论文中提出著名的“图灵测试”，形象地提出人工智能应该达到的智能标准；图灵在这篇论文中认为“不要问一个机器是否能思维，而是要看它能否通过以下的测试；让人和机器分别位于两个房间，他们只可通话，不能互相看见。通过对话，如果人的一方不能区分对方是人还是机器，那么就可以认为那台机器达到了人类智能的水平。图灵为此特地设计了被称为“图灵梦想”的对话。在这段对话中“询问者”代表人，“智者”代表机器，并且假定他们都读过狄更斯（C.Dickens）的著名小说《匹克威克外传》，对话内容如下：
询问者：在14行诗的首行是“你如同夏日”，你不觉得“春日”更好吗？
智者：它不合韵。
询问者：“冬日”如何？它可完全合韵的。
智者：它确是合韵，但没有人愿意被比作“冬日”。
询问者：你不是说过匹克威克先生让你想起圣诞节吗？
智者：是的。
询问者：圣诞节是冬天的一个日子，我想匹克威克先生对这个比喻不会介意吧。
智者：我认为您不够严谨，“冬日”指的是一般冬天的日子，而不是某个特别的日子，如圣诞节。
从上面的对话可以看出，能满足这样的要求，要求计算机不仅能模拟而且可以延伸、扩展人的智能，达到甚至超过人类智能的水平，在目前是难以达到的，它是人工智能研究的根本目标。
人工智能研究的近期目标；是使现有的计算机不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。按照这一目标，根据现行的计算机的特点研究实现智能的有关理论、技术和方法，建立相应的智能系统。例如目前研究开发的专家系统，机器翻译系统、模式识别系统、机器学习系统、机器人等。
人工智能的研究领域
目前，人工智能的研究是与具体领域相结合进行的。基本上有如下领域；
专家系统
专家系统是依靠人类专家已有的知识建立起来的知识系统，目前专家系统是人工智能研究中开展较早、最活跃、成效最多的领域，广泛应用于医疗诊断、地质勘探、石油化工、军事、文化教育等各方面。它是在特定的领域内具有相应的知识和经验的程序系统，它应用人工智能技术、模拟人类专家解决问题时的思维过程，来求解领域内的各种问题，达到或接近专家的水平。
机器学习
要使计算机具有知识一般有两种方法；一种是由知识工程师将有关的知识归纳、整理，并且表示为计算机可以接受、处理的方式输入计算机。另一种是使计算机本身有获得知识的能力，它可以学习人类已有的知识，并且在实践过程中不总结、完善，这种方式称为机器学习。
机器学习的研究，主要在以下三个方面进行：一是研究人类学习的机理、人脑思维的过程；和机器学习的方法；以及建立针对具体任务的学习系统。
机器学习的研究是在信息科学、脑科学、神经心理学、逻辑学、模糊数学等多种学科基础上的。依赖于这些学科而共同发展。目前已经取得很大的进展，但还没有能完全解决问题。
模式识别
模式识别是研究如何使机器具有感知能力，主要研究视觉模式和听觉模式的识别。如识别物体、地形、图象、字体（如签字）等。在日常生活各方面以及军事上都有广大的用途。近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。 特别神经网络方法在模式识别中取得较大进展。
理解自然语言
计算机如能“听懂”人的语言（如汉语、英语等），便可以直接用口语 *** 作计算机，这将给人们带极大的便利。计算机理解自然语言的研究有以下三个目标：一是计算机能正确理解人类的自然语言输入的信息，并能正确答复（或响应）输入的信息。二是计算机对输入的信息能产生相应的摘要，而且复述输入的内容。三是计算机能把输入的自然语言翻译成要求的另一种语言，如将汉语译成英语或将英语译成汉语等。目前，研究计算机进行文字或语言的自动翻译，人们作了大量的尝试，还没有找到最佳的方法，有待于更进一步深入探索。
机器人学
机器人是一种能模拟人的行为的机械，对它的研究经历了三代的发展过程：
第一代（程序控制）机器人：这种机器人一般是按以下二种方式“学会”工作的；一种是由设计师预先按工作流程编写好程序存贮在机器人的内部存储器，在程序控制下工作。另一种是被称为“示教—再现”方式，这种方式是在机器人第一次执行任务之前，由技术人员引导机器人 *** 作，机器人将整个 *** 作过程一步一步地记录下来，每一步 *** 作都表示为指令。示教结束后，机器人按指令顺序完成工作（即再现）。如任务或环境有了改变，要重新进行程序设计。这种机器人能尽心尽责的在机床、熔炉、焊机、生产线上工作。日前商品化、实用化的机器人大都属于这一类。这种机器人最大的缺点是它只能刻板地按程序完成工作，环境稍有变化（如加工物品略有倾斜）就会出问题，甚至发生危险，这是由于它没有感觉功能，在日本曾发生过机器人把现场的一个工人抓起来塞到刀具下面的情况。
第二代（自适应）机器人：这种机器人配备有相应的感觉传感器（如视觉、听觉、触觉传感器等），能取得作业环境、 *** 作对象等简单的信息，并由机器人体内的计算机进行分析、处理，控制机器人的动作。虽然第二代机器人具有一些初级的智能，但还需要技术人员协调工作。目前已经有了一些商品化的产品。
第三代（智能）机器人：智能机器人具有类似于人的智能，它装备了高灵敏度的传感器，因而具有超过一般人的视觉、听觉、嗅觉、触觉的能力，能对感知的信息进行分析，控制自己的行为，处理环境发生的变化，完成交给的各种复杂、困难的任务。而且有自我学习、归纳、总结、提高已掌握知识的能力。目前研制的智能机器人大都只具有部分的智能，和真正的意义上的智能机器人，还差得很远。
智能决策支持系统
决策支持系统是属于管理科学的范畴，它与“知识—智能”有着极其密切的关系。在80年代以来专家系统在许多方面取得成功，将人工智能中特别是智能和知识处理技术应用于决策支持系统，扩大了决策支持系统的应用范围，提高了系统解决问题的能力，这就成为智能决策支持系统。
人工神经网络
人工神经网络是在研究人脑的奥秘中得到启发，试图用大量的处理单元（人工神经元、处理元件、电子元件等）模仿人脑神经系统工程结构和工作机理。
在人工神经网络中，信息的处理是由神经元之间的相互作用来实现的，知识与信息的存储表现为网络元件互连间分布式的物理联系，网络的学习和识别取决于和神经元连接权值的动态演化过程。
多年来，人工神经网络的研究取得了较大的进展，成为具有一种独特风格的信息处理学科。当然目前的研究还只是一些简单的人工神经网络模型。要建立起一套完整的理论和技术系统，需要作出更多努力和探讨。然而人工神经网络已经成为人工智能中极其重要的一个研究领域。
结束语：人类经过五千的发展进入了基于知识的“知识经济”。人类社会空前地高速发展。知识是智能的基础，知识只有转化为智能才能发挥作用，知识无限的积累，智能也就将在人类社会起越来越大的作用，更有人提出：知识经济的进一步发展将是“智能经济”。“智能经济”是基于“广义智能”的经济，“广义智能”包含：人的智能、人工智能以及人和智能机器相结合的“集成智能”。可以想象基于广义智能的“智能经济”将比基于知识的“知识经济”将具有更高的智能水平，更高更快发展速度。
回答者：duyedi - 助理 二级 3-23 22:29
人类经过五千的发展进入了基于知识的“知识经济”。
回答者：falali998877 - 试用期 一级 3-24 12:39
基因工程.
回答者：yunfei3622 - 试用期 一级 3-24 15:29
多做难的数学题
回答者：haan_qian - 助理 二级 3-24 16:41
现今有哪些途径?(学科\产业)
答：生物信息学和计算机科学在进行这方面的研究，目前只停滞在实验室阶段还未曾产业化。一般搞人工神经网络的已经上市一些检测器产品。
哪些正在研究?哪些有可能?
答：1，人工模拟大脑功能。
2，在人 脑中植入芯片
都在进行研究，进展缓慢，因为人脑过于复杂
哪些地方(人)在研究?
答：国内几乎没有，中科院生物所搞神经的和医科大的搞神经生理的科学家在搞，国外主要是美国科学家，因为￥￥多，搞这个很花钱。
回答者：kkluo2007 - 秀才 二级 3-25 12:44
加强记忆可以改善智慧。
低等动物：本能，0长度记忆；
高等动物：判断，1单位记忆；
人类：理解，电话号码长度记忆；
海豚、外星人：分析，段落长度记忆；
电脑、机器人：逻辑推理，无限长度记忆。
以上记忆指无误差的瞬间背诵记忆，
智慧是建立在记忆对中间结果的存储上的。
回答者：耗散的空虚 - 高级经理 七级 3-28 11:52
雷击，电影是这样演的
还有注意不要被门卡到
回答者：匿名 3-29 13:23
关于扩展人类智能方面，估计现在还没有哪个国家在公开研究(比较这有舆论的压力:谁有资格先进行扩展智能呢)
这将和克隆人一样,停留在那里
当然,或许某天，人类的心都真正的善良起来,且没有被金钱所左右,那么这个宏伟的计划就可以实施了
回答者：liyongan_005 - 经理 四级 4-2 11:39
谢谢你的邀请，道理上，记忆不可能移植。保存好大脑，并不代表保存下了记忆。那得从记忆与大脑的关系说起，表面上看起来，我们是靠大脑贮存记忆。其实不然，大脑，只是表现记忆的一个通道而已。贮存了大脑，也只是相当于把电脑的显示器保存下来了，硬盘还在别处呢。欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）