什么是人工智能？

　　人工智能是一门边缘学科，用来模拟人的思维，已经引起了许多学科的日益重视，并且有越来越多的实用意义，而且许多不同专业背景的科学家正在人工智能领域内获得一些新的思维和新的方法。作为一个计算机科学中涉及智能计算机系统的一个分支，这些系统呈现出与人类的智能行为有关的特性。

　　人工智能的核心问题包括建构能够跟人类似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等。当前有大量的工具应用了人工智能，其中包括搜索和数学优化、逻辑推演。而基于仿生学、认知心理学，以及基于概率论和经济学的算法等等也在逐步探索当中。 思维来源于大脑，而思维控制行为，行为需要意志去实现，而思维又是对所有数据采集的整理，相当于数据库，所以人工智能最后会演变为机器替换人类。

　　人工智能的第一个大成就是发展了能够求解难题的下棋程序。在1997年，IBM“深蓝”在世界象棋中战胜世界棋王卡斯帕罗夫，最重要原因就是其强悍的数据处理能力。“深蓝”每秒能够进行2亿次的运算，能够通过计算预判之后的12步，对比做出最优的决策。谷歌的搜索引擎与亚马逊的智能推荐系统也都是人工智能的具体应用领域，在大量数据的训练下，无论是谷歌的搜索结果，还是亚马逊的推荐结果，都越来越精准，这构成了两家数据公司的核心竞争力。据悉，在研发过程中，IBM研制小组向“深蓝”输入100年来所有国际特级大师开局和残局的下法。在下棋程序中应用的其他技术也包括把困难的问题分成一些比较容易的子问题，发展成为搜索和问题规约这样的人工智能基本技术。今天的计算机程序更是能够达到击败人类的世界冠军的程度，已经展现了人工智能的威力。

　　下面，来简述一下人工智能是怎样下棋并打败人类的：
为了实现一个能够下棋的程序，我们采用状态空间的方法来解决问题。首先要为象棋建立一个数学模型，用一种或多种合适的数据结构来表示象棋。这样就有一个建立模型的逻辑问题，合适的逻辑将对后面的求解象棋问题起到重要的作用。一个比较简单的方法是：给不同的棋子赋予不同的权值，其中给“王”赋予超过其他棋子很多的权值，这样再确定一个目标函数，以减少对方的权值总和为目的，就可以获得一个比较简单的走法。当然如果这样的模型过于简单，效果也不会很好。在我们获得了一个数学上的模型之后，将问题分解成为用这模型能够理解的子问题。而求解象棋问题的过程就是一个试探搜索的过程，把象棋的规则和目标函数的可能运行方向结合起来，就可以指导下一个子的落子位置，也就是说获得了一个状态的集合。然后从这个状态集合的每个状态推导再下一步的状态集合，这样反复运行，就可以得到一个树型结构，在这个结构中运用一系列的规则和搜索技术，就可能确定一个合理的走法。很明显，如果状态空间的精度越高，属性结构的复杂度就越高。

　　从上面可以看出，类似上面这样的状态空间求解问题的主要技术包括状态的描述、描述目标状态和搜索策略。其中搜索策略模拟人的思维过程，是体现算法优劣的关键部分。主要的搜索策略包括有宽度优先的搜索、深度优先的搜索、启发式的搜索等。状态空间方法借助于现代计算机的强大的计算能力，尽可能地穷尽所有的可能的状态，是一个最多被应用的人工智能理论分支。

　　另一种不同于状态空间法的方法是问题规约的方法。在问题规约的方法中，问题描述或目标是其主要的数据结构。已知问题的描述，然后通过一系列的变换，把此问题最终变为一个子问题的集合；这些子问题的解可以直接得到，从而解决了初始的问题。比如著名的“梵塔问题”就是可以这样解决的一个问题。可见一个采用问题规约的问题表示可以有三个部分组成：一个初始问题的描述、一套把问题变成子问题的算符、一套本原问题的描述。