人工智能（Artificial Intelligence）的英文缩写为 AI, 它综合了 计算机科学、生理学、哲学等学科。 人工智能的研究课题涵盖面很广，从机器视觉到专家系统，包括了许多不同的领域。同时，由于它涉及到智能这一人类的独有属性，对其进行的研究也包含了哲学和伦理上的探讨。
几千年来，人们一直幻想能够创造出类人的智慧生命。中国古代神话故事中就不乏各种各样的机器人。著名的如列子汤问篇所记载巧匠偃师造机器人献给周穆王的故事。其他如魯班的在天上飞三天三夜的木鸢，诸葛亮造炒菜的木頭人，都是和机器人有关的传说。希腊传说中塞浦路斯国王皮格马利翁爱上了自己雕刻的一尊叫做加拉特的女性雕像，便祈求美神维纳斯使它变成活人，他终于如愿以偿，后来便娶加拉特为妻。历史中这些融合了大量神话的自动机械制造史说明了人类从远古以来来对人工智能的向往。 随着对科学的不断进步，对自然和人类自身认识的不断提高，人们开始对自身思维的特点进行研究，期望能够从对人类思维的模拟中实现人工智能。在电子学出现以前。布尔及其他一些哲学家和数学家建立起逻辑学的理论原则，数学的归纳和推理方法在一定程度上符合人类的思维表现，对这些的研究成为人工智能逻辑学的基础。但对人工智能的真正实现要从计算机的诞生开始算起，只有从基于计算机，人类才有可能以机器实现人类的智能。
英国科学家阿兰·图灵是计算机科学和人工智能理论的奠基人，1937年图灵发表的论文《论可计算数及其在判定问题中的应用》原本是为了解决一个基础性的数学问题，即数学函数是否能够通过有限次机械步骤求得解答。文章中图灵设想了一台虚拟机器。这一机器使用一条划分成许多方格的无限长纸带，有的方格被画上斜线，代表“1”；有的没有画任何线条，代表“0”。一个读写部件在纸带上按每次一格移动，并根据从带上读出的信息，将当前格变为0或者1。图灵机实际上是一种有限状态计算机。这一概念是目前通用计算机的原始模型。文章中提出将程序和数据都储存在纸带上，成为比冯·诺依曼计算机体系结构的雏形。
1950年10月，图灵发表了它的另一篇论文《计算机与智能》。文章后来被改名为《机
器能思维吗？》（Can a Machine Think?）论文中首次提出计算机智能的行为角度定义。图灵在这一文章中给出了著名的“图灵测试”，通过让计算机模仿人类回答某些问题，判断它是否具备智能。如果在测试中提问的人无法从回答中判别答案是由机器还是人类做出的，参与测试的计算机就可以被认为拥有智能。他写道：“我的论点是，与人脑活动方式极为相似的机器是可以制出来的。这些机器有时会出现错误，但有时它们也会提
出非常新颖的语句，而且总的来说，它们输出的东西将与人脑输出的东西同样值得注意。”这篇论文成为对人工智能可以实现的一个预言书，
1956年夏天， 美国Dartmouth大学进行了一次学术研讨会，这个会议由助教约翰·麦卡锡（J.McCarthy）同贝尔实验室的香农（E.Shannon），哈佛大学明斯基和IBM公司信息研究中心罗彻斯特（N. Lochester）发起，他们邀请了卡内基—梅隆大学纽厄尔（Newell)和赫伯特·西蒙、麻省理工学院塞夫里奇（O. Selfridge）和索罗门夫（R.Solomamff），以及IBM公司塞缪尔（A.Samuel）和莫尔（T.More）。分别从不同的角度共同探讨人工智能的可能性。Dartmouth会议两个多月的争论和探讨并没有获得巨大的成功，但是这些学者之间充分的交流为人工智能研究的发展打下了基础，会议首次提出了“人工智能” （Artificial Intelligence）这一术语，标志着人工智能（AI）作为一门新兴学科正式诞生。
Dartmouth会议后的7年中,AI研究开始快速发展。1957，年Newell和Simon延续他们开发的最早的启发式符号逻辑的信息处理语言IPL ( Information Processing Language)完成了通用问题处理器GPS( General Problem Solver)。GPS扩展了Wiener的反馈原理，可以解决很多常识问题。1958，年McCarthy宣布了LISP(LISt Processing)语言，很快就为大多数AI开发者采纳。1963年MIT从美国国防部高级研究计划署(ARPA）得到220万美元资助，用于研究机器辅助识别。这笔资助加快了AI研究的发展步伐。
以后几年出现了大量程序，包括微型世界(只有有限数量的几何形体)中的研究与编程的\。60年代末可以解决代数问题的\，可以理解简单英语句子的\。这些程序的结果对处理语言理解和逻辑有所帮助。70年代的另一个进展是专家系统。专家系统可以预测在一定条件下某种解的概率。由于当时计算机容量的提高，专家系统已经可以通过分析数据得出规律。在市场预测，诊断疾病等大量数据分析的工作中，专家系统由于其存储规律和信息的能力而成为得到广泛应用。
70年代以后许多新方法得到提出，著名的如Minsky的构造理论、David Marr的机器视觉理论、1972年提出的PROLOGE语言以及80年代后期的模糊逻辑（Fuzzy Logic)。
到了现在，技术进步使得AI广泛进入人们的日常生活。在计算机人机接口方面，有语音识别技术、图像和面容识别、手写输入。生活中的家用电器许多也应用到模糊逻辑控制。能够识别主人命令，具有一定学习功能的机器宠物业以上市。
人们已经开始展望新的真正具有智慧的AI系统出现。而同时“机器能够真正拥有智慧么？”这一问题自从AI提出的第一天起就不断引发着巨大的争论。争论的起因一方面关系到身体和灵魂的关系，也就是物质和精神的第一性之辩，另一方面也是由于过
去几十年里计算机技术的巨大成就正在向人类智能发起挑战。由于计算机的高运算能力，在某些方面已经取代和超过了人类自身，1997年5月10日，IBM公司开制造的超级电脑“深蓝”终于在国际象棋棋盘上战胜了国际大师卡斯帕罗夫。人们似乎看到计算机超过人类的前景正在一步步逼近。
那么类人的思维机器能否实现呢？图灵在关于人工智能的纲领性论文《计算机与智能》中隐含了一个观点，即人脑实际上等同于一台计算机。1961年美国哲学家鲁卡斯（JohnLucas）在36卷《哲学》 (Philosophy)杂志上以极其激烈的言辞首先撰文《心、机器、哥德尔》，试图用哥德尔定理证明“人心超过计算机”的结论，这就是著名的鲁卡斯论证。随后，另一位美国哲学家怀特利（C.H.Whitely）在接下来的37卷《哲学》杂志上发表了虽简短但强有力的批驳文章《心、机器、哥德尔,回应鲁卡斯》，引起了许多人卷入并长达几十年的争论(例如伯纳塞拉夫(Benacerruf),普特南(Putnam),奇哈若(Chihara),吉利斯(D.Gillies)等人)。1989年,英国数学家、物理学家罗杰·彭罗斯 （Roger Penrose）在那本风靡全球 的《皇帝新脑。计算机、心智和物理定律》中从哥德尔定理出发直接论证“人心超过计算机”的结论。书中认为根据哥德尔定理，数学真理的概念不可能包容于形式主义的框架之中，数学真理是某种超越纯粹形式主义的东西，人类判断数学真理的过程超越了算法。这是因为意识是我们赖以理解数学真理的关键，这种意识使我们能够借直觉的洞察力“看出”（see）某些在数学形式系统中不能证明的数学命题的真理性，而这种意识是不能被形式化的，它必定是非算法的。因此计算机绝不可能超越人类心智。两种观点虽然表面对立，但实际上并不是绝对矛盾。
物质和精神、存在和意识的关系，是哲学研究的基本问题。唯心主义主张精神第一性，物质第二性，精神在先，物质在后，物质是精神的产物，世界万物都是精神创造的。而唯物主义主张物质第一性，精神第二性，物质在先，精神是人的大脑，也就是物质的产物。从唯物主义的角度考虑，承认人类的思维和智慧建立在人类自身肉体这一物质基础，就不能否认由物质构成的计算机同样可以实现人类大脑的所有功能，也就是可以拥有智能。图灵相信人类大脑的活动状态，也就是“心”的数目是有限的，即使状态无限，一些状态也会由于过于接近而可以归于一类。这样，以一个图灵机来模拟大脑这一有限状态机就是理论上可行的。50年代一位科幻小说家写到：“储存信息的方式并不重要，重要的是信息本身，既然大自然能够把信息浓缩到肉眼看不到的细胞中，人就一定能把它读出来。”60年代另一位作家则认为：“从本质上讲，‘你’不是肉体，而是你的记忆。这个本质上的‘你’可以在计算机里保存。”这些更加激进的观点认为，可以通过一个
读出装置把一个人大脑当前所有细胞状态记录下来，从而复制出人的记忆。如果上面的设想真的实现，人工智能将不仅成为对人类的单纯模仿，而将成为人类自身同机器的完全融合。这类设想将人类的思维简单的归结为机械活动，犯了机械唯物论的重大错误。
以解剖学特性来看，人类大脑有140多亿个脑神经细胞，每个细胞都与另外5万个其他细胞相互连结。即使认为人类神经活动同二进制电子计算机相同，神经冲动的传输均为有无两种状态，也就是可以用0/1两种代码表示，同时神经冲动的传输仅仅在任意两个神经细胞间运行而不涉及其他细胞，这样的简化大脑所拥有的状态量已经是天文数字，以目前的计算机水平，还无法对其进行模拟。况且实际大脑的复杂性远远高于这一数目，首先，神经元间的传输不是点对点的连接，而是网状的互连结构，一个神经元接收到的信息并不是由某个特定神经元传输过来，而是受到所有与其相联的神经元状态共同影响。因此大脑的复杂性比假设的简单大脑要高上许多数量级。其次，神经元的活动并不是电脑元件那样简单的逻辑与非器件。从某种意义上讲，一个单独的神经元更应该看作一个独立的计算机，甚至是超越目前二进制电子计算机的量子计算机。神经元的工作是由其内部的有机物质分子和各类电解质离子的共同作用进行的。在分子与离子尺度上，细胞内部物质的相互反应受到量子效应影响而不再属于宏观物理学领域。由于不确定性的影响，神经元的状态改变遵从统计学规律而不是确定的机械规则。这两个因素从生理学角度证明，目前固定逻辑规则的电子计算机并不能完全模拟人类大脑的功能，同时，也从理论上证明人类的思维和记忆是无法进行读取和复制的。
如上所述，当前的数字计算机无法实现真正意义上人工智能的另一个证据就是数学中的
哥德尔定理。在对于数学问题的一般性法则推演中，人们得出了算法的概念。“λ可定义函
数”、“一般递归函数”、“图灵机可计算函数”、“波斯特演算”等都是与“算法可计算的函数”这个直观概念等价的数学表述。1931年，哥德尔发表了一篇重要论文：《论数学原理和有关系统的形式不可判定命题》。在其中提出了一条后来以它的名字命名的定理。哥德尔不完备性定理的表述如下：在任何包含初等数论的相容形式系统中，存在着不可判命题，即命题本身和它的否定在该系统中都不可证。换句话说，我们永远无法为选择规则而制定规则或程序。因为如果存在一个可以用来选择规则的规则，这个规则就会与被选择的那些规则合并成为一个新的规则，即一个新的被选择的规则。同样，建立在固定规则基础上的现代电子计算机体系不可能为其自身选择规则，它只能是程式化的算法机器而不会拥有人类头脑一样的智慧。
真正意义上的人工智能仍然是可以实现的，但是，实现这种智能的的道路仍然面临着各方面的困难。
作为对人类逻辑思维的模仿，目前的数字计算机运算速度再快，存储容量再高，只要它遵从规则而不能自己选择规则，就永远只能是人类思维的延伸和扩展工具。利用神经网络理论和遗传算法等方式设计出的程序已经在某些方面做到了一定程度的类似人性反应，但是这
些程序是建立在数字逻辑的基础上，它所能做到的就只能是遵从固有规则，从最底层的逻辑门开始，限制了数字计算机最终只能实现对人类的模仿而不能真正拥有自己的独立智慧。理论上，只有那些由概率和不确定性支配的量子器件构成的量子计算机才可能实现人类大脑一样的非规则信息处理。同时，这一处理还需要系统达到足够的复杂性，只有存在足够的数目的量子器件，这种机器才能获得保证其运算处理持续进行的冗余性和容错性，从而真正自发进行运行和演进。这种计算机的出现并没有理论上的限制。虽然在目前的技术水平来还不能制造出具有最基本功能量子计算器件，更不用说他仍然是基于物质基础上的，但是一旦运行起来，人类就无法了解这一计算机的当前状态，也就是说这台计算机已经脱离了人类制定的规则而成为具有独立意识的个体。这样的机器已经可以视作一个有智慧的机器，也就是说，它将成为一个独立的生命。在科幻大师阿西莫夫的机器人系列科幻小说中，机器人所拥有的思维器件被作者描绘为无法读出和复制的正电子脑，这同上面的论断是符合的。文章最终做出的结论是，这种类型的机器人是无法同人类区分开的。
[1]学术报告，哥德尔与人工智能，刘晓力 [2]计算机和人工智能，阿兰·图灵
http://www.newmind40.com/mind_gb.htm