一、人工智能是什么
1956年，一批有遠見卓識的年輕科學家相聚在達特茅斯會議，提出了“人工智能”的概念，夢想着用當時剛剛出現的計算機來構造復雜的、擁有與人類智慧同樣本質特性的機器。
願景是讓具備抽象思考能力的程序解釋合成的物質如何能夠擁有人類心智。
理想的人工智能應該是具備抽象意義上的學習、推理與歸納能力，其通用性將遠遠強於解決國際象棋或者圍棋這些具體問題的算法。
人工智能領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。
二、知識
人工智能能夠模擬行為的基礎是具有知識，而知識本身也是抽象的概念，需要用計算機能夠理解的方式表示出來。
在人工智能中，常用的知識表示方法包括數據結構和處理算法。
- 數據結構用於靜態存儲待解決的問題、問題的中間解答，問題的最終解答以及解答中涉及的知識
- 處理算法用於在已有問題和知識之間進行動態交互。
三、形式邏輯
形式邏輯是研究人的認識性階段思維規律的學說，狹義指演繹邏輯，廣義還包括歸納邏輯。
人工智能早期研究者認為：人類認知和思維的基本單元是符號，而認知的過程就是對符號的邏輯運算，這樣一來，人類抽象的邏輯思維就可以通過計算機中邏輯門的運算模擬，進而實現機械化的人類認知。
形式邏輯也是智能行為的描述方式，任何能夠將某些物理模式或符號轉化成其他模式或符號的系統都有可能產生智能的行為.
在人工智能中，形式邏輯是實現知識是一種普遍的方法。
謂詞邏輯
在人工智能中應用的主要是一階謂詞邏輯。謂詞邏輯是最基本的邏輯系統，也是形式邏輯的根本部分。
謂詞邏輯的一個特例是命題邏輯。在命題邏輯中，命題是邏輯處理的基本單位，只能對其真偽做出判斷。
但是命題這種表示法的局限性在於無法把其描述對象的結構及邏輯特征反映出來，也不能體現出不同事物的共同特征。
假如單獨給出例子“C語言是PHP的爸爸”，沒有上下文無法確定C語言和PHP的關系，這個命題沒有意義。
為了擴展形式邏輯的表示能力，在命題邏輯的基礎上誕生了謂詞邏輯。謂詞邏輯將命題拆分成了個體詞、謂詞和量詞
- 個體詞是可以獨立存在的具體或抽象的描述對象，比例“C語言”和“PHP”
- 謂詞用於描述個體詞的屬性與相互關系，比如“是...的爸爸”
- 量詞用於描述個體詞的數量關系，包括全稱量詞 ∀ 和存在量詞 ∃。
邏輯聯結詞
不同的命題可以用邏輯聯結詞建立聯系，按優先級的高低，包括以下5種：
- 否定(¬)： ¬P 表示“非 P”
- 合取(∧)： P∧Q 表示“P 且 Q”
- 析取(∨)： P∨Q 表示“P 或 Q”
- 蘊涵(→)：P→Q 表示如果 P，那么 Q”
- 等價(↔)：復 P↔Q 表示“如果 P，那么 Q 且如果 Q，那么 P”。
謂詞動詞可以用於表示事務的概念、狀態、屬性等實性知識，也可以用於表示事物間具有確定因果關系的規則性知識。
事實性知識通常使用析取與合取符號連接起來的謂詞公式表示，規則性知識則通常使用由蘊涵符號連接起來的謂詞公式來表示。
計算機識別抽象知識的步驟
- 定義謂詞及個體，確定每個謂詞及每個個體的確切含義
- 根據所要表達的事物或概念，為每個謂詞的變量賦以特定的值
- 根據所要表達的知識的語義，用適當的邏輯聯結詞將各個謂詞連接起來。
例如，要表示“所有的自然數都是大於零的整數”
將所有關系定義為相應的謂詞，N(X)表示x是自然數，P(x)表示x大於零，l(x)表示x是整數
將謂詞按照語義進行連接：
\((∀x)(N(x)→P(x)∧I(x))\)
使用形式邏輯進行知識表示只是手段，目的是讓人工智能在知識的基礎上實現自動化的推理、歸納與演繹，以得到新結論與新知識。
四、產生式系統
產生式是表征程序性知識的最小單位，是指人腦中貯存的一系列如果—那么形式表示的規則。一個產生式是一個由條件和動作組成的指令，即所謂的條件—活動規則。
人工智能實現自動推理的基礎是產生式系統。
產生式系統可以描述為：當一組產生式規則相互配合、協同作用時，一個產生式規則 生成的結論可以為另一個產生式規則 作為已知前提或條件使用，進而解決更加復雜的問題。
產生式系統以產生式的規則描述符號來替代運算，把推理和行為的過程用於產生式規則表示，其機制類似人類的認知過程。產生式規則常用用於表示事物之間的因果關系，基本形式是 P→Q。
產生式系統包括規則庫、事實庫和推理機三個基本部分
- 規則庫
專家系統的核心與基礎，存儲關以產生式形式表示的規則集合，其中規則的完整性、准確性和合理性都將對性能產生直接的影響 - 事實庫
存儲的是輸出事實、中間結果與最終結果，當規則庫中的某條產生式的前提可與事實庫中的某些已知事實匹配時，該產生式就被激活，其結論可以作為已知事實存儲在事實庫中。 - 推理機
用於控制和協調規則庫與事實庫運行的程序，包括了推理方式和控制策略
推理方式
- 正向推理
自底向上，從已知事實出發，通過規則庫中不斷選擇匹配的規則前件，得到匹配的規則后件，進而推演出目標結論 - 反向推理
自頂向下，從目標假設出發，通過不斷用規則庫中規則的后件與已知事實匹配，選擇出匹配的規則前件，進而回溯已知事實 - 雙向推理
利用正向推理和反向推理，從兩個方向進行，直到在某個中間點匯合，這種方式更高效。
五、人類智能與人工智能的區別
推理
現階段而言，人類智能與人工智能的主要區別體現在推理能力上。
人類的判斷方式絕非一頭扎進浩如煙海的數據中學習，而是基於少量數據的特征進行歸納與推理，得到一般性規律的判斷作為基礎。
而人工智能不同，例如在數字圖像中稍微添加一點干擾，就可以讓神經網絡將海龜認成步槍，但是這不能欺騙具有思考能力的人類
常識
計算機沒辦法像人類一樣在成長中達成理解 ，因而常識這一智能的先決條件只能以形式化的方式輸出到硬盤與內存之中。這要求將一般成年人的知識和信念進行顯式的表達，並加以靈活的組織和運用。
而常識性知識的表達和組織存在着難以想象的困難
從“張三撿起足球”和“張三在運動場上”這兩個命題推斷出“足球在運動場上”對人工智能來說就已經不可想象，更不用說道德觀世界觀這些復雜概念。
沒有對常識和信念的清晰表達，人工智能法獲得通用性和適應性較強的智能行為。
六、人工智能是不斷發展的
古希臘哲學家亞里士多德提出的三段論，它由兩個前提和一個結論構成，並設置了一些基本規則：
- 每個三段論中，必須有一個前提是肯定的並且必須有一個前提是全稱命題。
- 在每個三段論中，兩個前提中否命題的數目必須與結論中否命題的數目相同。
- 每個證明都是且只能是通過三個詞項得到的。
舉例：
- 所有糖都是甜的（大前提）
- 葡萄糖是糖（小前提）
- 所以葡萄糖是甜的（結論）
同理，人工智能三段論
- 科學是不斷發展的（大前提）
- 人工智能是科學（小前提）
- 所以，人工智能是不斷發展的（結論）