人工智能一词激起了情感。首先，我们对智慧的迷恋，似乎赋予我们人类生命形式中的特殊位置。出现的问题包括“ 什么是智力？”，“ 如何衡量智力？”或“ 大脑如何运作？”。在试图理解人工智能时，所有这些问题都是有意义的。然而，对于工程师来说，尤其是计算机科学家的核心问题是，智能机器的行为就像一个人，表现出智能行为。
人工属性可能会唤醒很多不同的关联。它带来了对智能机器人的恐惧。它回忆起科幻小说中的图像。它提出了一个问题，即我们的最高利益，即灵魂，是否应该试图理解，建模甚至重建。
通过这种不同的随意解释，很难简单而有力地定义术语人工智能或人工智能。不过，我想尝试使用实例和历史定义来描述人工智能领域。1955年，人工智能的先驱之一约翰麦卡锡是第一个定义人工智能这一术语的人，大致如下：
人工智能的目标是开发表现得像智能的机器。
为了测试这个定义，读者可能会想到以下场景。五十个左右的小型机器人车辆正在四面四平方米的封闭面上移动。人们可以观察到各种行为模式。一些车辆形成小组，运动相对较少。其他人和平地穿过空间，优雅地避免任何碰撞。还有一些人似乎跟随领导者。也可以观察到侵略性行为。我们看到的是智能行为吗？
根据McCarthy的定义，上述机器人可以被描述为智能的。心理学家Valentin Braitenberg表明，这种看似复杂的行为可以通过非常简单的电路产生[Bra84]。所谓的Braitenberg车辆有两个轮子，每个轮子由一个独立的电动机驱动。每个电机的速度受光传感器的影响
W. Ertel，人工智能导论，1
计算机科学本科专业，
DOI
10.1007 / 978-0-85729-299-5_1，©Springer-Verlag London Limited 2011
图1.1 两个非常简单
Braitenberg车辆和他们的
对光源的反应
车辆前部如图 1.1 所示。撞击传感器的光线越多，电机运行的速度就越快。根据其配置，图中左侧的车辆1远离点光源。另一方面，车辆2朝向光源移动。进一步的小修改可以创建其他行为模式，这样，通过这些非常简单的工具，我们可以实现上述令人印象深刻的行为。
显然，上述定义是不够的，因为人工智能的目标是解决对Braitenberg车辆过于苛刻的困难实际问题。在Encyclopedia
Britannica [Bri91]中，我发现一个定义如下：
AI是数字计算机或计算机控制机器人解决通常与人类更高智力处理能力相关的问题的能力。。。
但这个定义也有缺点。例如，具有大内存的计算机可以保存长文本并按需检索显示智能功能，记忆长文本当然可以被认为是人类更高的智能处理能力，例如快速乘以两个20位数字。根据这个定义，每台计算机都是一个AI系统。Elaine Rich [Ric83]在以下定义中优雅地解决了这种困境：
人工智能是研究如何使计算机做出目前人们更好的事情。
丰富，简洁和简洁，是AI研究人员在过去50年中一直在做的事情的特征。即使在2050年，这个定义也是最新的。
诸如在短时间内执行许多计算的任务是数字计算机的优点。在这方面，他们的表现超过了人类的倍数。然而，在许多其他领域，人类远远优于机器。例如，进入不熟悉的房间的人将在几分之一秒内识别周围环境，并且如果必要的话，同样迅速地做出决定和计划行动。迄今为止，这项任务对于自动1机器人来说太苛刻了。根据Rich的定义，这是人工智能的一项任务。事实上，对自动机器人的研究是人工智能当前的一个重要主题。另一方面，国际象棋电脑的建设失去了相关性，因为它们已经达到或超过大师级别。
然而，从Rich的定义中得出结论，人工智能只关注智能过程的务实实施，这将是危险的。从Rich的定义来看，智能系统无法在没有深度的情况下构建
1 自主机器人独立工作，无需人工支持，特别是无需远程控制。
1. 什么是人工智能？3
理解人类推理和智能行动，因为神经科学（见第 1.1.1节）对人工智能非常重要。这也表明其他引用的定义反映了AI的重要方面。
人类智慧的一个特殊优势是适应性。我们能够适应各种环境条件，并通过学习相应地改变我们的行为。正是因为我们的学习能力远远优于计算机，根据Rich的定义，机器学习是人工智能的核心子领域。
1.
脑科学与问题解决
通过对智能系统的研究，我们可以尝试了解人类的大脑是如何工作的，然后在计算机上对其进行建模或模拟。神经网络领域的许多想法和原则（见第9章）源于脑科学与神经科学的相关领域。
采取以目标为导向的行动方式，从问题出发并尝试找到最佳解决方案，会产生一种非常不同的方法。人类如何解决这个问题在这里被视为不重要。在这种方法中，该方法是次要的。首要的是解决问题的最佳智能解决方案。不是采用固定的方法（例如，谓词逻辑），AI的目标是为尽可能多的不同任务创建智能代理。因为任务可能非常不同，所以目前AI中使用的方法通常也非常不同，这并不令人惊讶。与医学类似，它包含许多不同的，通常是挽救生命的诊断和治疗程序，AI还为广泛的应用提供了广泛的有效解决方案。第 4 页的 1.2 。就像在医学中一样，对于AI的所有应用领域，没有通用的方法，而是针对大量和小的各种日常问题的大量可能的解决方案。
认知科学致力于在更高层次上对人类思维的研究。与脑科学类似，该领域为实用AI提供了许多重要的想法。另一方面，算法和实现导致关于人类推理如何运作的进一步重要结论。因此，这三个领域得益于富有成效的跨学科交流。然而，本书的主题主要是以问题为导向的AI作为计算机科学的分支学科。
围绕情报和人工智能存在许多有趣的哲学问题。我们人类有意识; 也就是说，我们可以思考自己，甚至思考我们能够思考自己。意识是如何形成的？许多哲学家和神经学家现在认为，思想和意识与物质有关，即与大脑有关。机器是否有一天能有思想或意识的问题在未来的某个时候可能会变得相关。心身问题特别关注心灵是否与身体联系在一起。我们不会在这里讨论这些问题。感兴趣的读者可以咨询[Spe98，Spe97]，并在人工智能技术研究过程中受邀，就这些问题形成个人意见。
2.
图灵测试和Chatterbots
艾伦・图灵凭借对智能机器的定义为自己作为人工智能的早期先驱而得名，其中有问题的机器必须通过以下测试。测试人员Alice坐在一个带有两个电脑终端的上锁房间里。一个终端连接到一台机器，另一个终端连接一个非恶意的人Bob。Alice可以在两个终端中输入问题。她被赋予了在五分钟后决定哪个终端属于机器的任务。机器通过测试，如果它可以欺骗Alice至少30％的时间[Tur50]。
虽然测试在哲学上非常有趣，但对于解决问题的实际AI来说，它并不是一个非常相关的测试。其原因类似于上面提到的与Braitenberg车辆相关的原因（参见第14 页的练习1.3）。AI先驱和社会评论家Joseph Weizenbaum开发了一个名为Eliza的程序，旨在回答测试对象的问题，如人类心理学家[Wei66]。事实上，他在很多情况下都能证明自己是成功的。据说他的秘书经常与该计划进行长时间的讨论。今天在互联网上有许多所谓的聊天机器人，其中一些初步反应非常令人印象深刻。然而，经过一段时间后，它们的人造性质变得明显。其中一些程序实际上能够学习，而其他程序具有各种主题的非凡知识，例如地理或软件开发。在线客户支持中已有商业应用程序用于聊天机器人，在电子学习领域可能还有其他应用程序。可以想象，学习者和电子学习系统可以通过聊天机器人进行通信。
读者可能希望比较几个聊天机器人并在第 14 页的练习 1.1中评估他们的智力。
