1.4 人工智能的研究领域

人工智能的研究领域很广泛，目前主要包括五大方面：搜索、推理、规划、学习和应用，如图1-4所示。

图1-4

搜索也被称为问题求解；推理是根据知识进行推导；规划是根据规则确定实现路径；学习是根据数据进行学习、归纳和总结；应用与前四类不同，其覆盖的领域很广泛，我们可以把它概括为人工智能在沟通、感知、动作三个方面中实际场景的应用。本书总结了当前人工智能较为热门的一些领域。

问题求解：问题求解是人工智能最大的成就之一，人工智能第一个发展高潮就是研究形式对策方面的博弈问题、模式识别。例如，1997年在国际象棋领域击败了卡斯帕罗夫的深蓝，2017年在围棋领域击败了柯洁的AlphaGo，它们都属于问题求解范畴。正是人工智能在问题求解上取得的重大成就，才让世人对人工智能有了深入了解。

自然语言处理：自然语言处理（Natural Language Processing，NLP），是研究如何让计算机“听懂”人类的语言，并理解语言中表达的具体意义的。在NLP的研究中，一般会用到计算机理解技术和自然语言生成技术。目前，NLP的研究主要集中在手写文字识别、语义理解、机器翻译、口语理解等方面，如果产品中涉及语言文字的处理，则需要对NLP有深入的了解。

专家系统：专家系统本质上是一个拥有智能的计算机程序，它可以运用知识和推理能力解决原本只有专家才能解决的复杂问题。一般来讲，一个专家系统应该由知识库、推理机、解释器、知识库维护、知识获取、信息输入和人机交互界面等组成，如图1-5所示。

图1-5

在专业领域接触到的一些计算机辅助类的人工智能软硬件基本上都可以归纳到专家系统中。例如，医疗软件通过对CT影像的分析和推理，检查患者是否患有某种疾病；气象软件通过对气象数据的分析来预测某个区域是否会形成台风。

人工神经网络（Artificial Neural Network，ANN）：科学家对人工神经网络的研究很早。例如，20世纪40年代，科学家就开始尝试利用多个简单的单元来模拟人类的大脑神经结构和功能，后续又出现了多层神经网络。人工神经网络在机器学习、专家系统、机器人等多个方面取得了显著成就。目前，人工神经网络的研究已经成为人工智能领域一个极其重要的领域。神经网络和专家系统的区别在于，专家系统侧重于人类处理知识的功能性模拟，人工神经网络侧重于对人脑神经元结构的模拟。

机器人：机器人是在一定条件下模拟人类操作完成的行动或功能的机器。目前，机器人已经被广泛应用于工业、农业、医疗、家庭等领域。机器人通过感知环境和思维能力，从外部环境获取资源和信息，并对这些信息进行处理。目前，在很多家庭中也已经出现了机器人的身影，如扫地机器人、智能家教机器人等。

机器学习：机器学习主要研究如何让机器通过学习来改善、提高其工作能力，这些能力包括了计算能力、逻辑能力、行为能力。总的来说，机器学习的目标是让计算机模拟出人类的学习能力，并不断提高解决问题的能力。机器学习在人工智能领域的应用极其广泛。机器学习的方法主要包括统计、分类、回归、聚类、计算等。