一、研究内容

1、知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。常用的知识表示方法有：逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。

2、常识，自然为人们所关注，已提出多种方法，如非单调推理、定性推理就是从不同角度来表达常识和处理常识的。

3、问题求解中的自动推理是知识的使用过程，由于有多种知识表示方法，相应地有多种推理方法。

4、搜索是人工智能的一种问题求解方法，搜索策略决定着问题求解的一个推理步骤中知识被使用的优先关系。

5、机器学习是人工智能的另一重要课题。机器学习是指在一定的知识表示意义下获取新知识的过程。

6、知/识处理系统主要由知识库和推理机组成。知识库存储系统所需要的知识，当知识量较大而又有多种表示方法时，知识的合理组织与管理是重要的。

二、发展阶段

1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了人工智能这一术语，它标志着人工智能这门新兴学科的正式诞生。IBM公司深蓝电脑击败了人类的世界国际象棋冠军更是人工智能技术的一个完美表现。

从1956年正式提出人工智能学科算起，50多年来，取得长足的发展，成为一门广泛的交叉和前沿科学。总的说来，人工智能的目的就是让计算机这台机器能够像人一样思考。如果希望做出一台能够思考的机器，那就必须知道什么是思考，更进一步讲就是什么是智慧。什么样的机器才是智慧的呢？科学家已经作出了汽车，火车，飞机，收音机等等，它们模仿我们身体器官的功能，但是能不能模仿人类大脑的功能呢？到目前为止，我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官，我们对这个东西知之甚少，模仿它或许是天下最困难的事情了。

当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月中，无数科学家为这个目标努力着。如今人工智能已经不再是几个科学家的专利了，全世界几乎所有大学的计算机系都有人在研究这门学科，学习计算机的大学生也必须学习这样一门课程，在大家不懈的努力下，如今计算机似乎已经变得十分聪明了。例如，1997年5月，IBM公司研制的深蓝（DEEP BLUE）计算机战胜了国际象棋大师卡斯帕洛夫（KASPAROV）。大家或许不会注意到，在一些地方计算机帮助人进行其它原来只属于人类的工作，计算机以它的高速和准确为人类发挥着它的作用。人工智能始终是计算机科学的前沿学科，计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。

2015年，最近一系列旨在测试一些世界上最好的人工智能 (AI) 系统和人类智商 (IQ) 之间的胜负关系的试验表明，人工智能的智力目前已经达到了 4 岁儿童的水平。来自美国伊利诺伊大学的研究小组完成了这项测试，他们发现，我们最先进的人工智能系统在智力方面相当于普通 4 岁儿童的水平。由麻省理工大学的研究人员开发的人工智能系统 ConceptNet 也参与了这项研究，这是一个学术界从上世纪 90 年代就开始努力开发的测试系统。它在词汇和相似性方面得到了很高的分数，信息方面的表现非常一般，推理和理解方面则可以用差劲来形容。尽管如此，人工智能的突破速度已经达到了非常快速的速度。专家认为，人工智能在学习能力和自然语言能力上的改善会导致它们在今后几年里拥有跟人类一样的思维，比如苹果 Siri、Google Now 和微软 Cortana。

2017年3月5日，第十二届全国人民代表大会第五次会议在北京人民大会堂开幕，国务院总理李克强作政府工作报告，指出加快新材料、人工智能、第五代移动通信等技术研发和转化。

三、应用领域

1、问题求解

人工智能的第一大成就是下棋程序，在下棋程度中应用的某些技术，如向前看几步，把困难的问题分解成一些较容易的子问题，发展成为搜索和问题归纳这样的人工智能基本技术。

2、逻辑推理与定理证明

逻辑推理是人工智能研究中最持久的领域之一。

3、自然语言处理

自然语言的处理是人工智能技术应用于实际领域的典型范例，经过多年艰苦努力，这一领域已获得了大量令人注目的成果。

4、智能信息检索技术

信息获取和精化技术已成为当代计算机科学与技术研究中迫切需要研究的课题，将人工智能技术应用于这一领域的研究是人工智能走向广泛实际应用的契机与突破口。

5、专家系统

专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统。

四、主要成果

1、人机对弈

1996年2月10～17日， GARRY KASPAROV以4：2战胜深蓝 （DEEP BLUE）。

1997年5月3～11日， GARRY KASPAROV以2.5：3.5输于改进后的深蓝。

2003年2月GARRY KASPAROV 3：3战平 小深（DEEP JUNIOR）。

2003年11月GARRY KASPAROV 2：2战平 X3D德国人 (X3D-FRITZ）。

2016年3月9～15日，李世石 1-4 ALphaGo，ALphaGo完胜

2016年12月31日~2017年1月4日 AlphaGo化名master在弈城野狐两大对弈网站横扫中日韩高手，取得60连胜。

2、模式识别

采用 $模式识别引擎，分支有2D识别引擎 ，3D识别引擎，驻波识别引擎以及多维识别引擎

2D识别引擎已推出指纹识别，人像识别 ，文字识别，图像识别 ，车牌识别；驻波识别引擎已推出语音识别；3D识别引擎已推出指纹识别玉带林中挂（玩游智能版1.25）

3、自动工程

自动驾驶（OSO系统）

印钞工厂（￥流水线）

猎鹰系统（YOD绘图）

4、知识工程

以知识本身为处理对象，研究如何运用人工智能和软件技术，设计、构造和维护知识系统

专家系统

智能搜索引擎

计算机视觉和图像处理

机器翻译和自然语言理解

数据挖掘和知识发现

五、局限性

1、认识论的局限性

2、智能化方法与途径方面的局限性

3、数学基础的局限性

4、计算机模型的局限性

（1）问题表示的方法的局限性。

（2）需要对问题本身抽象出一个数学意义上的精确地解析式。

（3）需要针对问题设计算法。

（4）求解的结果的唯一性。

（5）图灵计算机模型下的问题一般都是可递归的问题。

（6）很多时候，要实现真正的人工智能，我们要求的是满意解而非是精确解，而这时以图灵模型为原型的计算机模型所做不到的。

5、形式演绎理论方面的局限性

6、实现技术方面的局限性

知识表示、推理、环境与工具等都存在较大的局限性，限制其发展。

六、研究价值

1.繁重的科学和工程计算本来是要人脑来承担的，如今计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因此当代人已不再把这种计算看作是需要人类智能才能完成的复杂任务，可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，另一方面又转向更有意义、更加困难的目标。

2.机器学习的数学基础是统计学、信息论和控制论。还包括其他非数学学科。这类机器学习对经验的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像普通人一样。我们可以将这样的学习方式称之为连续型学习。与人类极为相似的高端人工智能，是许多科研组织的研究方向。

3.用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。