我们声称人工智能很有趣，但是我们还没有描述它是什么。历史上研究人员研究过几种不同版本的人工智能。有些根据对人类行为的复刻来定义智能，而另外一些更喜欢用理性来抽象地正式定义智能，直观上的理解是“做正确的事情”。智能主题的本身也各不相同：一些人将智能视为内部思维过程或推理的属性，而另一些人则关注智能的外部特征，也就是智能行为。
从人与理性和思想与行为这两个两个维度来看，有4种可能组合，而这4种组合都有其追随者和相应的研究项目。他们所使用的方法必然是不相同的：追求类人智能必须在某种程度上是与心理学相关的经验科学，包括对真实人类行为和思维过程的观察和假设；而理性主义方法涉及数学和工程的结合，并与统计学、控制理论和经济学相联系。各个研究团体既互相轻视又互相帮助。
类人行为：图灵测试方法
如果人类提问者在提出一些书面问题后无法分辨书面回答是来自人还说来自计算机，那么计算机就能通过测试。计算机需要具备下列能力：
- 自然语言处理，以使用人类语言成功的交流
- 知识表示，以存储它知道或听到的内容
- 自动推理，以回答问题并得到新的结论
- 机器学习，以适应新的环境，并检测和推断模式
为了通过完全图灵测试, 计算人还需要具备下列能力： - 计算机视觉和语音识别功能，以感知世界
- 机器人学，以操纵对象并行动
类人思考：认知建模方法
认知科学这一跨学科领域汇集了人工智能的计算机模型和心理学的实验技术，用以构建精确且可测试的人类心智理论。
理性思考： “思维法则”方法
19世纪的逻辑学家建立了一套精确的符号系统，用于描述世界上的物体及其之间的关系。到1965年，任何用逻辑符号描述的可解问题在原则上都可以用程序求解。人工智能种所谓的逻辑主义传统希望在此类程序的基础上创建智能系统。
按照常规的理解，逻辑要求关于世界的认知是确定的，而实际上这很难实现。例如，我们对政治或战争规则的了解远不如对国际象棋或算术规则的了解。概率论填补了这一鸿沟，允许我们在掌握不确定信息的情况下进行严格的推理。
理性行为：理性智能体方法
人工智能专注于研究和构建做正确事情的智能体，其中正确的事情是我们提供给智能体的目标定义。这种通用范式非常普遍，以致于我们称之为标准模型。
益机
在我们的真实需求和施加给机器的目标之间达成一致的问题称为价值对齐问题，即施加给机器的价值或目标必须与人类一致。最终我们需要的是可证益的智能体。
[1]
-
从明天起做一个快乐的agent工程师！ ↩
