人工智能

來源：維基百科 鏈接：https://zh.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD

人工智能（英語：Artificial Intelligence, AI）亦稱機器智能，是指由人工製造出來的系統所表現出來的智能。通常人工智能是指通過普通電腦實現的智能。該詞同時也指研究這樣的智能系統是否能夠實現，以及如何實現的科學領域。

一般教材中的定義領域是“智能代理（intelligent agent）的研究與設計”^[1]，智能代理是指一個可以觀察周遭環境並作出行動以達致目標的系統。^[2]約翰·麥卡錫於1955年的定義是^[3]“製造智能機器的科學與工程。”^[4]

人工智能的研究是高度技術性和專業的，各分支領域都是深入且各不相通的。^[5]

人工智能的研究可以分爲幾個技術問題。其分支領域主要集中在解決具體問題，其中之一是，如何使用各種不同的工具完成特定的應用程序。AI的核心問題包括推理，知識，規劃，學習，交流，感知，移動和操作物體的能力等。^[6]強人工智能目前仍然是該領域的長遠目標。^[7]目前比較流行的方法包括統計方法，計算智能和傳統意義的AI。目前有大量的工具應用了人工智能，其中包括搜索和數學優化，邏輯，基於概率論和經濟學的方法等等。

概論

人工智能的定義可以分爲兩部分，即“人工”和“智能”。“人工”比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或者人自身的智能程度有沒有高到可以創造人工智能的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。

關於什麼是“智能”，就問題多多了。這涉及到其它諸如意識（consciousness）、自我（self）、心靈（mind，包括無意識的精神（unconscious_mind））等等問題。人唯一瞭解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也瞭解有限，所以就很難定義什麼是“人工”製造的“智能”了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關於動物或其它人造系統的智能也普遍被認爲是人工智能相關的研究課題。

人工智能目前在計算機領域內，得到了愈加廣泛的發揮。並在機器人，經濟政治決策，控制系統，仿真系統中得到應用。

發展史

主條目：人工智能的歷史

年代	20世紀40年代	20世紀50年代	20世紀60年代	20世紀70年代	20世紀80年代	20世紀90年代
計算機	1945 計算機（ENIAC）	1957 FORTRAN語言
人工智能研究		1953 博弈論 1956 達特矛斯會議		1977 知識工程宣言	1982 第五代電腦計劃開始	1991 人工神經網絡
人工智能語言			1960 LISP語言	1973 PROLOG語言
知識表達				1973 生產系統 1976 框架理論
專家系統			1965 DENDRAL	1975 MYCIN	1980 Xcon

研究課題

目前人工智能的研究方向已經被分成幾個子領域，研究人員希望一個人工智能系統應該具有某些特定能力，以下將這些能力列出並說明。^[6]

演繹、推理和解決問題

早期的人工智能研究人員直接模仿人類進行逐步的推理，就像是玩棋盤遊戲或進行邏輯推理時人類的思考模式。^[8]到了1980和1990年代，利用概率和經濟學上的概念，人工智能研究還發展了非常成功的方法處理不確定或不完整的資訊。^[9]

對於困難的問題，有可能需要大量的運算資源，也就是發生了“可能組合爆增”：當問題超過一定的規模時，電腦會需要天文數量級的存儲器或是運算時間。尋找更有效的算法是優先的人工智能研究項目。^[10]

人類解決問題的模式通常是用最快捷，直觀的判斷，而不是有意識的，一步一步的推導，早期人工智能研究通常使用逐步推導的方式。^[11]人工智能研究已經於這種“次表徵性的”解決問題方法獲取進展：實體化Agent研究強調感知運動的重要性。神經網絡研究試圖以模擬人類和動物的大腦結構重現這種技能。

知識表示法

An ontology represents knowledge as a set of concepts within a domain and the relationships between those concepts.

主條目：知識表示和常識知識庫

規劃

File:Hierarchical-control-system.svg

A hierarchical control system is a form of control system in which a set of devices and governing software is arranged in a hierarchy.

智能Agent必須能夠制定目標和實現這些目標。^[12]他們需要一種方法來創建一個可預測的世界模型（將整個世界狀態用數學模型表現出來，並能預測它們的行爲將如何改變這個世界），這樣就可以選擇功效最大的行爲。^[13] 在傳統的規劃問題中，智能Agent被假定它是世界中唯一具有影響力的，所以它要做出什麼行爲是已經確定的。^[14]但是，如果事實並非如此，它必須定期檢查世界模型的狀態是否和自己的預測相符合。如果不符合，它必須改變它的計劃。因此智能代理必須具有在不確定結果的狀態下推理的能力。^[15] 在多Agent中，多個Agent規劃以合作和競爭的方式去完成一定的目標，使用演化算法和羣體智能可以達成一個整體的突現行爲目標。^[16]

學習

主條目：機器學習

機器學習的主要目的是爲了從用戶和輸入數據等處獲得知識，從而可以幫助解決更多問題，減少錯誤，提高解決問題的效率。對於人工智能來說，機器學習從一開始就很重要。1956年，在最初的達特茅斯夏季會議上，雷蒙德索洛莫諾夫寫了一篇關於不監視的概率性機器學習：一個歸納推理的機器。

自然語言處理

主條目：自然語言處理

運動和控制

主條目：機器人學

知覺

主條目：機器感知、計算機視覺和語音識別

機器感知^[17]是指能夠使用感測器所輸入的數據（如照相機，麥克風，聲納以及其他的特殊感測器）然後推斷世界的狀態。計算機視覺^[18]能夠分析視頻輸入。另外還有語音識別^[19]、人臉辨識和物體辨識。^[20]

社交

主條目：情感計算

Kismet,一個具有表情等社交能力的機器人^[21]

情感和社交技能對於一個智能agent是很重要的。首先，通過了解他們的動機和情感狀態，代理人能夠預測別人的行動（這涉及要素 博弈論、決策理論以及能夠塑造人的情感和情緒感知能力檢測）。此外，爲了良好的人機交互，智能代理人也需要表現出情緒來。至少它必須出現禮貌地和人類打交道。至少，它本身應該有正常的情緒。

創造力

主條目：計算機創造力

一個人工智能的子領域，代表了理論（從哲學和心理學的角度）和實際（通過特定的實現產生的系統的輸出是可以考慮的創意，或系統識別和評估創造力）所定義的創造力。相關領域研究的包括了人工直覺和人工想像。

多元智能

大多數研究人員希望他們的研究最終將被納入一個具有多元智能（稱爲強人工智能），結合以上所有的技能並且超越大部分人類的能力。^[7]有些人認爲要達成以上目標，可能需要擬人化的特性，如人工意識或人工大腦。^[22][23] 上述許多問題被認爲是人工智能完整性：爲了解決其中一個問題，你必須解決全部的問題。即使一個簡單和特定的任務，如機器翻譯，要求機器按照作者的論點（推理），知道什麼是被人談論（知識），忠實地再現作者的意圖（情感計算）。因此，機器翻譯被認爲是具有人工智能完整性：它可能需要強人工智能，就像是人類一樣。^[24]

強人工智能和弱人工智能

人工智能的一個比較流行的定義，也是該領域較早的定義，是由當時麻省理工學院的約翰·麥卡錫在1956年的 達特矛斯會議上提出的：人工智能就是要讓機器的行爲看起來就像是人所表現出的智能行爲一樣。但是這個定義似乎忽略了強人工智能的可能性（見下）。另一個定義指人工智能是人造機器所表現出來的智能。總體來講，目前對人工智能的定義大多可劃分爲四類，即機器“像人一樣思考”、“像人一樣行動”、“理性地思考”和“理性地行動”。這裏“行動”應廣義地理解爲採取行動，或制定行動的決策，而不是肢體動作。

強人工智能

主條目：強人工智能

強人工智能觀點認爲有可能製造出真正能推理（Reasoning）和解決問題（Problem solving）的智能機器，並且，這樣的機器能將被認爲是有知覺的，有自我意識的。強人工智能可以有兩類：

• 類人的人工智能，即機器的思考和推理就像人的思維一樣。
• 非類人的人工智能，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。

弱人工智能

弱人工智能觀點認爲不可能製造出能真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是並不真正擁有智能，也不會有自主意識。

強人工智能的研究目前處於停滯不前的狀態下。人工智能研究者不一定同意弱人工智能，也不一定在乎或者瞭解強人工智能和弱人工智能的內容與差別。就現下的人工智能研究領域來看，研究者已大量造出看起來像是智能的機器，獲取相當豐碩的理論上和實質上的成果，如2009年康乃爾大學教授Hod Lipson 和其博士研究生Michael Schmidt 研發出的 Eureqa計算機程序，只要給予一些數據，這計算機程序自己只用幾十個小時計算就推論出牛頓花費多年研究才發現的牛頓力學公式，等於只用幾十個小時就自己重新發現牛頓力學公式，這計算機程序也能用來研究很多其他領域的科學問題上。

對強人工智能的哲學爭論

“強人工智能”一詞最初是約翰·羅傑斯·希爾勒針對計算機和其它信息處理機器創造的，其定義爲：

“強人工智能觀點認爲計算機不僅是用來研究人的思維的一種工具；相反，只要運行適當的程序，計算機本身就是有思維的。”（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980）

關於強人工智能的爭論，不同於更廣義的一元論和二元論的爭論。其爭論要點是：如果一臺機器的唯一工作原理就是轉換編碼數據，那麼這臺機器是不是有思維的？希爾勒認爲這是不可能的。他舉了個中文房間的例子來說明，如果機器僅僅是轉換數據，而數據本身是對某些事情的一種編碼表現，那麼在不理解這一編碼和這實際事情之間的對應關係的前提下，機器不可能對其處理的數據有任何理解。基於這一論點，希爾勒認爲即使有機器通過了圖靈測試，也不一定說明機器就真的像人一樣有思維和意識。

也有哲學家持不同的觀點。丹尼爾·丹尼特在其著作《意識的解釋》（Consciousness Explained）裏認爲，人也不過是一臺有靈魂的機器而已，爲什麼我們認爲：“人可以有智能，而普通機器就不能”呢？他認爲像上述的數據轉換機器是有可能有思維和意識的。

有的哲學家認爲如果弱人工智能是可實現的，那麼強人工智能也是可實現的。比如西蒙·布萊克本（Simon Blackburn）在其哲學入門教材Think裏說道，一個人的看起來是“智能”的行動並不能真正說明這個人就真的是智能的。我永遠不可能知道另一個人是否真的像我一樣是智能的，還是說她／他僅僅是看起來是智能的。基於這個論點，既然弱人工智能認爲可以令機器看起來像是智能的，那就不能完全否定這機器是真的有智能的。布萊克本認爲這是一個主觀認定的問題。

需要指出的是，弱人工智能並非和強人工智能完全對立，也就是說，即使強人工智能是可能的，弱人工智能仍然是有意義的。至少，今日的計算機能做的事，像算術運算等，在一百多年前是被認爲很需要智能的。

研究方法

目前沒有統一的原理或範式指導人工智能研究。許多問題上研究者都存在爭論。^[25] 其中幾個長久以來仍沒有結論的問題是：是否應從心理或神經方面模擬人工智能?或者像鳥類生物學對於航空工程一樣，人類生物學對於人工智能研究是沒有關係的？^[26] 智能行爲能否用簡單的原則（如邏輯或優化）來描述？還是必須解決大量完全無關的問題？^[27]

智能是否可以使用高級符號表達，如詞和想法？還是需要“子符號”的處理？^[28] John Haugeland提出了GOFAI（出色的老式人工智能）的概念，也提議人工智能應歸類爲synthetic intelligence，^[29]這個概念後來被某些非GOFAI研究者採納。^[30][31]

控制論與大腦模擬

主條目：控制論和計算神經科學

20世紀40年代到50年代，許多研究者探索神經學，信息理論及控制論之間的聯繫。其中還造出一些使用電子網絡構造的初步智能，如W. Grey Walter的turtles和Johns Hopkins Beast。 這些研究者還經常在普林斯頓大學和英國的Ratio Club舉行技術協會會議.^[32]直到1960,大部分人已經放棄這個方法，儘管在80年代再次提出這些原理。

符號處理

主條目：GOFAI

當20世紀50年代，數字計算機研製成功，研究者開始探索人類智能是否能簡化成符號處理。研究主要集中在卡內基梅隆大學，斯坦福大學和麻省理工學院，而各自有獨立的研究風格。John Haugeland稱這些方法爲GOFAI（出色的老式人工智能）^[33]。60年代，符號方法在小型證明程序上模擬高級思考有很大的成就。基於控制論或神經網絡的方法則置於次要^[34]。60－70年代的研究者確信符號方法最終可以成功創造強人工智能的機器，同時這也是他們的目標。

認知模擬：經濟學家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化，同時他們爲人工智能的基本原理打下基礎，如認知科學、運籌學和經營科學。他們的研究團隊使用心理學實驗的結果開發模擬人類解決問題方法的程序。這方法一直在卡內基梅隆大學沿襲下來，並在80年代於Soar發展到高峯^[35][36]。

基於邏輯：不像艾倫·紐厄爾和赫伯特·西蒙，約翰·麥卡錫認爲機器不需要模擬人類的思想，而應嘗試找到抽象推理和解決問題的本質，不管人們是否使用同樣的算法^[26]。他在斯坦福大學的實驗室致力於使用形式化邏輯解決多種問題，包括知識表示，智能規劃和機器學習^[37]。致力於邏輯方法的還有愛丁堡大學，而促成歐洲的其他地方開發編程語言Prolog和邏輯編程科學^[38]。

“反邏輯”: 斯坦福大學的研究者 （如馬文·閔斯基和西摩爾·派普特）^[39]發現要解決計算機視覺和自然語言處理的困難問題，需要專門的方案：他們主張不存在簡單和通用原理（如邏輯）能夠達到所有的智能行爲。Roger Schank描述他們的“反邏輯”方法爲“scruffy”^[27]。常識知識庫（如道格拉斯·萊納特的Cyc）就是“scruffy”AI的例子，因爲他們必須人工一次編寫一個複雜的概念^[40]。

基於知識：大約在1970年出現大容量內存計算機，研究者分別以三個方法開始把知識構造成應用軟件^[41]。這場“知識革命”促成專家系統的開發與計劃，這是第一個成功的人工智能軟件形式^[42]。“知識革命”同時讓人們意識到許多簡單的人工智能軟件可能需要大量的知識。

子符號方法

1980年代符號人工智能停滯不前，很多人認爲符號系統永遠不可能模仿人類所有的認知過程，特別是感知、機器人、機器學習和模式識別。很多研究者開始關注子符號方法解決特定的人工智能問題^[28]。

自下而上、接口agent、嵌入環境（機器人）、行爲主義、新式AI：機器人領域相關的研究者，如Rodney Brooks，否定符號人工智能而專注於機器人移動和求生等基本的工程問題。^[43]他們的工作再次關注早期控制論研究者的觀點，同時提出了在人工智能中使用控制理論。這與認知科學領域中的表徵感知論點是一致的:更高的智能需要個體的表徵（如移動，感知和形象）。

計算智能：1980年代中David Rumelhart等再次提出神經網絡和聯結主義^[44]。這和其他的子符號方法，如模糊控制和進化計算，都屬於計算智能學科研究範疇^[45]。

統計學方法

1990年代，人工智能研究發展出複雜的數學工具來解決特定的分支問題。這些工具是真正的科學方法，即這些方法的結果是可測量的和可驗證的，同時也是近期人工智能成功的原因。共用的數學語言也允許已有學科的合作（如數學，經濟或運籌學）。Stuart J. Russell和Peter Norvig指出這些進步不亞於“革命”和“neats的成功”^[46]。有人批評這些技術太專注於特定的問題，而沒有考慮長遠的強人工智能目標^[47]。

集成方法

智能agent範式：智能agent是一個會感知環境並作出行動以達致目標的系統。最簡單的智能agent是那些可以解決特定問題的程序。更復雜的agent包括人類和人類組織（如公司）。這些範式可以讓研究者研究單獨的問題和找出有用且可驗證的方案，而不需考慮單一的方法。一個解決特定問題的agent可以使用任何可行的方法-一些agent用符號方法和邏輯方法，一些則是子符號神經網絡或其他新的方法。範式同時也給研究者提供一個與其他領域溝通的共同語言--如決策論和經濟學（也使用abstract agents的概念）。1990年代智能agent範式被廣泛接受。^[2]

agent體系結構和認知體系結構：研究者設計出一些系統來處理多agent系統中智能agent之間的相互作用。^[48]一個系統中包含符號和子符號部分的系統稱爲混合智能系統，而對這種系統的研究則是人工智能系統集成。分級控制系統則給反應級別的子符號AI和最高級別的傳統符號AI提供橋樑，同時放寬了規劃和世界建模的時間。

實際應用

機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，自動規劃等。

學科範疇

人工智能是一門邊沿學科，屬於自然科學和社會科學的交叉。

涉及學科

• 物理學
• 哲學和認知科學
• 邏輯學
• 數學
• 心理學
• 計算機科學
• 控制論
• 決定論
• 不確定性原理

研究範疇

• 自然語言處理（NLP; Natural Language Processing）
• 知識表現（Knowledge Representation）
• 智能搜索（Intelligent Search）
• 推理
• 規劃（Planning）
• 機器學習（Machine Learning）
• 增強式學習（Reinforcement Learning）
• 知識獲取
• 感知問題
• 模式識別
• 邏輯程序設計
• 軟計算（Soft Computing）
• 不精確和不確定的管理
• 人工生命（Artificial Life）
• 人工神經網絡（Artificial Neural Network）
• 複雜系統
• 遺傳算法
• 數據挖掘（Data Mining）
• 模糊控制

應用領域

• 智能控制
• 機器人學
• 語言和圖像理解
• 遺傳編程
• 法學信息系統

參考文獻

教材

• Luger, George; Stubblefield, William. Artificial Intelligence: Structures and Strategies for Complex Problem Solving 5th. The Benjamin/Cummings Publishing Company, Inc. 2004. ISBN 0-8053-4780-1.
• Luger, George. 人工智能：複雜問題求解的結構和策略. 史忠植等譯 原書第4版. 北京: 機械工業出版社. 2004. ISBN 7-111-12944-X （中文）.
• Neapolitan, Richard; Jiang, Xia. Contemporary Artificial Intelligence. Chapman & Hall/CRC. 2012. ISBN 978-143984-469-4.
• Nilsson, Nils. Artificial Intelligence: A New Synthesis. Morgan Kaufmann Publishers. 1998. ISBN 978-1-55860-467-4.
• Nilsson, Nils. 人工智能. 鄭扣根等譯. 北京: 機械工業出版社. 2000. ISBN 7-111-07885-3 （中文）.
• Russell, Stuart J.; Norvig, Peter. Artificial Intelligence: A Modern Approach 2nd. Upper Saddle River, New Jersey: Prentice Hall. 2003. ISBN 0-13-790395-2.
• Russell, Stuart J.; Norvig, Peter. 人工智能：一種現代方法. 姜哲譯 原書第2版. 北京: 人民郵電出版社. 2004. ISBN 9787115122285 （中文）.
• Poole, David; Mackworth, Alan; Goebel, Randy. Computational Intelligence: A Logical Approach. New York: Oxford University Press. 1998. ISBN 0-19-510270-3.
• Winston, Patrick Henry. Artificial Intelligence. Reading, Massachusetts: Addison-Wesley. 1984. ISBN 0-201-08259-4.
• Winston, Patrick Henry. 人工智能. 崔良沂，趙永昌譯 原書第3版. 北京: 清華大學出版社. 2005. ISBN 9787302103271 （中文）.

人工智能歷史

• Crevier, Daniel. AI: The Tumultuous Search for Artificial Intelligence. New York, NY: BasicBooks. 1993. ISBN 0-465-02997-3.
• McCorduck, Pamela. Machines Who Think 2nd. Natick, MA: A. K. Peters, Ltd. 2004. ISBN 1-56881-205-1.
• Nils, Nilsson. The Quest for Artificial Intelligence: A History of Ideas and Achievements. New York: Cambridge University Press. 2010.

其他

• ACM Computing Classification System: Artificial intelligence. ACM. 1998 [30 August 2007].
• Aleksander, Igor. Artificial Neuroconsciousness: An Update. IWANN. 1995. （原始內容存檔於2 March 1997）. BibTex Internet Archive
• Brooks, Rodney. Elephants Don't Play Chess (PDF). Robotics and Autonomous Systems. 1990, 6: 3–15 [30 August 2007]. doi:10.1016/S0921-8890(05)80025-9. （原始內容存檔(PDF)於9 August 2007）..
• Buchanan, Bruce G. A (Very) Brief History of Artificial Intelligence (PDF). AI Magazine. 2005: 53–60 [30 August 2007]. （原始內容存檔 (PDF)於26 September 2007）.
• Dennett, Daniel. Consciousness Explained. The Penguin Press. 1991. ISBN 0-7139-9037-6.
• Dreyfus, Hubert. What Computers Can't Do. New York: MIT Press. 1972. ISBN 0-06-011082-1.
• Dreyfus, Hubert. What Computers Still Can't Do. New York: MIT Press. 1979. ISBN 0-262-04134-0.
• Dreyfus, Hubert; Dreyfus, Stuart. Mind over Machine: The Power of Human Intuition and Expertise in the Era of the Computer. Oxford, UK: Blackwell. 1986. ISBN 0-02-908060-6.
• Dreyfus, Hubert. What Computers Still Can't Do. New York: MIT Press. 1992. ISBN 0-262-54067-3.
• Edelman, Gerald. Gerald Edelman – Neural Darwinism and Brain-based Devices. Talking Robots. 23 November 2007.
• Fearn, Nicholas. The Latest Answers to the Oldest Questions: A Philosophical Adventure with the World's Greatest Thinkers. New York: Grove Press. 2007. ISBN 0-8021-1839-9.
• Forster, Dion. Self validating consciousness in strong artificial intelligence: An African theological contribution (PDF). Pretoria: University of South Africa. 2006.
• Gladwell, Malcolm. Blink. New York: Little, Brown and Co. 2005. ISBN 0-316-17232-4.
• Haugeland, John. Artificial Intelligence: The Very Idea. Cambridge, Mass.: MIT Press. 1985. ISBN 0-262-08153-9.
• Hawkins, Jeff; Blakeslee, Sandra. On Intelligence. New York, NY: Owl Books. 2005. ISBN 0-8050-7853-3.
• Hofstadter, Douglas. Gödel, Escher, Bach: an Eternal Golden Braid. New York, NY: Vintage Books. 1979. ISBN 0-394-74502-7.
• Howe, J. Artificial Intelligence at Edinburgh University: a Perspective. November 1994 [30 August 2007]..
• Kahneman, Daniel; Slovic, D.; Tversky, Amos. Judgment under uncertainty: Heuristics and biases. New York: Cambridge University Press. 1982. ISBN 0-521-28414-7.
• Kolata, G. How can computers get common sense?. Science. 1982, 217 (4566): 1237–1238. doi:10.1126/science.217.4566.1237. PMID 17837639.
• Kurzweil, Ray. The Age of Spiritual Machines. Penguin Books. 1999. ISBN 0-670-88217-8.
• Kurzweil, Ray. The Singularity is Near. Penguin Books. 2005. ISBN 0-670-03384-7.
• Lakoff, George. Women, Fire, and Dangerous Things: What Categories Reveal About the Mind. University of Chicago Press. 1987. ISBN 0-226-46804-6.
• Lakoff, George; Núñez, Rafael E. Where Mathematics Comes From: How the Embodied Mind Brings Mathematics into Being. Basic Books. 2000. ISBN 0-465-03771-2..
• Lenat, Douglas; Guha, R. V. Building Large Knowledge-Based Systems. Addison-Wesley. 1989. ISBN 0-201-51752-3.
• Lighthill, Professor Sir James. Artificial Intelligence: a paper symposium. Science Research Council. 1973. |contribution=被忽略 (幫助)
• Lucas, John. Minds, Machines and Gödel. (編) Anderson, A.R. Minds and Machines. 1961 [30 August 2007]. （原始內容存檔於19 August 2007）.
• Maker, Meg Houston. AI@50: AI Past, Present, Future. Dartmouth College. 2006 [16 October 2008]. （原始內容存檔於8 October 2008）.
• McCarthy, John; Minsky, Marvin; Rochester, Nathan; Shannon, Claude. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. 1955 [30 August 2007]. （原始內容存檔於26 August 2007）..
• McCarthy, John; Hayes, P. J. Some philosophical problems from the standpoint of artificial intelligence. Machine Intelligence. 1969, 4: 463–502 [30 August 2007]. （原始內容存檔於10 August 2007）.
• McCarthy, John. What Is Artificial Intelligence?. 12 November 2007.
• Minsky, Marvin. Computation: Finite and Infinite Machines. Englewood Cliffs, N.J.: Prentice-Hall. 1967. ISBN 0-13-165449-7.
• Minsky, Marvin. The Emotion Machine. New York, NY: Simon & Schusterl. 2006. ISBN 0-7432-7663-9.
• Moravec, Hans. The Role of Raw Power in Intelligence. 1976 [30 August 2007].
• Moravec, Hans. Mind Children. Harvard University Press. 1988. ISBN 0-674-57616-0.
• NRC, (United States National Research Council). Developments in Artificial Intelligence. Funding a Revolution: Government Support for Computing Research. National Academy Press. 1999.
• Needham, Joseph. Science and Civilization in China: Volume 2. Caves Books Ltd. 1986.
• Newell, Allen; Simon, H. A. GPS: A Program that Simulates Human Thought. (編) Feigenbaum, E.A.; Feldman, J. Computers and Thought. New York: McGraw-Hill. 1963.
• Newell, Allen; Simon, H. A. Communications of the ACM 19 (3). 1976. |contribution=被忽略 (幫助).
• Nilsson, Nils, Artificial Intelligence Prepares for 2001 (PDF), AI Magazine, 1983, 1 (1), Presidential Address to the Association for the Advancement of Artificial Intelligence.
• Penrose, Roger. The Emperor's New Mind: Concerning Computer, Minds and The Laws of Physics. Oxford University Press. 1989. ISBN 0-19-851973-7.
• Searle, John. Minds, Brains and Programs. Behavioral and Brain Sciences. 1980, 3 (3): 417–457. doi:10.1017/S0140525X00005756.
• Searle, John. Mind, language and society. New York, NY: Basic Books. 1999. ISBN 0-465-04521-9. OCLC 231867665 43689264.
• Serenko, Alexander; Detlor, Brian. Intelligent agents as innovations (PDF). AI and Society. 2004, 18 (4): 364–381. doi:10.1007/s00146-004-0310-5.
• Serenko, Alexander; Ruhi, Umar; Cocosila, Mihail. Unplanned effects of intelligent agents on Internet use: Social Informatics approach (PDF). AI and Society. 2007, 21 (1–2): 141–166.doi:10.1007/s00146-006-0051-8.
• Shapiro, Stuart C. Artificial Intelligence. (編) Shapiro, Stuart C. Encyclopedia of Artificial Intelligence (PDF) 2nd. New York: John Wiley. 1992: 54–57. ISBN 0-471-50306-1.
• Simon, H. A. The Shape of Automation for Men and Management. New York: Harper & Row. 1965.
• Skillings, Jonathan. Getting Machines to Think Like Us. cnet. 3 July 2006 [3 February 2011].
• Tecuci, Gheorghe. Artificial Intelligence. Wiley Interdisciplinary Reviews: Computational Statistics (Wiley). March/April 2012, 4 (2): 168–180. doi:10.1002/wics.200.
• Turing, Alan. Computing Machinery and Intelligence. Mind LIX. October 1950: 433–460 [2008-08-18]. doi:10.1093/mind/LIX.236.433. ISSN 0026-4423.
• van der Walt, Christiaan; Bernard, Etienne. Data characteristics that determine classifier performance (PDF). 2006<!––year is presumed based on acknowledgements at the end of the article––> [5 August 2009].
• Vinge, Vernor. The Coming Technological Singularity: How to Survive in the Post-Human Era. 1993.
• Wason, P. C.; Shapiro, D. Reasoning. (編) Foss, B. M. New horizons in psychology. Harmondsworth: Penguin. 1966.
• Weizenbaum, Joseph. Computer Power and Human Reason. San Francisco: W.H. Freeman & Company. 1976. ISBN 0-7167-0464-1.

擴展閱讀

• TechCast Article Series, John Sagi, Framing Consciousness
• Boden, Margaret, Mind As Machine, Oxford University Press, 2006
• Johnston, John (2008) "The Allure of Machinic Life: Cybernetics, Artificial Life, and the New AI", MIT Press
• Myers, Courtney Boyd ed. (2009). The AI Report. Forbes June 2009
• Serenko, Alexander. The development of an AI journal ranking based on the revealed preference approach (PDF). Journal of Informetrics. 2010, 4 (4): 447–459.doi:10.1016/j.joi.2010.04.001.
• Sun, R. & Bookman, L. (eds.), Computational Architectures: Integrating Neural and Symbolic Processes. Kluwer Academic Publishers, Needham, MA. 1994.

站外鏈接

從維基百科的姊妹項目瞭解更多有關 “Artificial Intelligence”的內容：
	維基詞典上的字詞解釋
	維基共享資源上的多媒體資源
	維基學院上的學習資源
	維基語錄上的名言
	維基文庫上的原始文獻
	維基教科書上的教科書和手冊

• What Is AI?—An introduction to artificial intelligence by AI founder John McCarthy.
• 開放式目錄計劃中的AI相關內容
• AITopics—A large directory of links and other resources maintained by the Association for the Advancement of Artificial Intelligence, the leading organization of academic AI researchers.
• Artificial Intelligence Discussion group
• 機器人智能機器人智能
• 研學論壇關於人工智能，模式識別，科學交流的學術論壇
• ChinaAI.org—中國人工智能網－人工智能|模式識別|數字圖像處理
• AI Depot—community discussion, news, and articles
• Loebner Prize website
• Game AI—計算機遊戲開發者的AI資源
• Kurzweil CyberArt Technologies—關於人工智能藝術的網站，裏面有著名的人工智能繪畫程序AARON
• 關於人工智能，專家系統prolog語言全介紹的wiki網站
• 中華民國人工智能學會—以促進中華民國人工智能及相關領域之研究、發展、應用與交流爲宗旨的民間組織。
• MostAI—關於人工智能的網站，AI Fans交流平臺
• 智能程序自進化概念