2.2 人工智能应用领域
人工智能的研究是与具体领域相结合进行的，特别是近年来，人工智能在下列领域中取得了很大的突破。
（1）问题求解：这是人工智能研究的第一个应用领域。这个特定研究领域的目标是如何在人工智能系统上实施程序来解决问题，就像人类解决问题一样。人工智能的第一个大成就是发展了能够求解难题的下棋（如国际象棋）程序。在下棋程序中应用的某些技术，如向前推测几步，把困难的问题分成一些比较容易的子问题，已经发展成为搜索和问题归约这样的人工智能基本技术。现在的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用，有些程序甚至还能够用经验来改善其性能。
（2）自然语言处理（NLP）：自然语言是我们日常使用的语言，我们说得很好，理解得很好。NLP的主要目标是让人们用他们的母语向计算机提问，而计算机将“理解”该特定语言，然后系统会以相同的语言给出响应。研究人员正试图让计算机变得更加智能，以让它们更好地理解我们的自然语言（如英语或任何其他语言）。NLP可以分为两个子领域：
·自然语言理解：NLP研究人员研究让机器学习对普通语言分析处理的方法和技术，以便计算机更容易理解人们的表达。
·自然语言生成：旨在让计算机生成语言，以便人们更容易理解计算机。
（3）机器人学：机器人学可以定义为与机器人的设计、制造、理论和应用相关的技术科学或研究。“机器人”一词是捷克语，意思是“奴隶”。“机器人”是可以通过编程来执行任务的机器。许多机器人从事对人类有害的工作，如拆除炸弹和地雷以及探索沉船。机器人的主要组成部分如下。
·机械手：机械手执行控制单元分配给它的工作。
·控制单元：它提供必要的控制信号以激活各个部件进行操作。它充当各种传感器的接口，这些传感器用来感知外部环境。
·电源单元：提供必要的能量，使机器人进行活动。许多不同类型的电池可用作机器人的电源。设计电池供电的机器人需要考虑安全性、生命周期和质量等因素。
这个领域所研究的问题范围很广，从机械手的最佳移动到实现机器人目标的动作序列规划方法。机器人和机器人学的研究促进了许多人工智能思想的发展，它所发展出来的一些技术可用来模拟世界的状态，描述从一种世界状态转变为另一种世界状态的过程，它对于怎样产生动作序列的规划以及怎样监督这些规划的执行有了一种较好的实现。复杂的机器人控制问题迫使科学研究领域产生一些新的问题解决方法，先在抽象的高层进行规划，然后逐步在细节越来越重要的低层进行规划。机器人已在工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。
（4）专家系统：专家系统是最早帮助人们解决重要问题的人工智能技术之一，非常重要。“专家系统由基于知识的程序组成，可以在需要技术专长时解决问题。”一些正在使用的专家系统的例子如下：MYCIN，在医学领域中用于诊断疾病；DENDRAL，在生命科学中用于识别化学分子的结构。(https://www.daowen.com)
自20世纪80年代以来专家系统在许多方面取得成功，将人工智能中特别是智能和知识处理技术应用于决策支持系统，扩大了决策支持系统的应用范围，提高了系统解决问题的能力，这也成就了智能决策支持系统的广泛应用。
（5）视觉系统：视觉系统理解、解释计算机上的视觉输入。例如，间谍飞机拍摄照片，用于计算空间信息或绘制区域地图。警察使用计算机软件，可以通过存储的肖像识别罪犯的面孔。近几年来，车牌识别、人脸识别等技术已经广泛应用于人们的日常生活当中。
（6）语音识别：一些智能系统能够在人类与之交谈时，根据句子及其意义来听和理解语言。这些系统可以处理不同的口音、俚语、背景噪声，甚至感冒引起的声音变化。
任何人工智能系统主要由学习、人工智能编程语言、知识表示、问题解决（主要通过启发式搜索）和人工智能硬件等组成。
（1）学习：学习意味着将新知识添加到知识库中并改进或提炼先前的知识。人工智能程序的成功取决于它拥有的知识范围和获取知识的频率。学习代理由四个主要部分组成：学习元素，负责提高其性能的部分；表现要素，选择采取行动的部分；评价，它告诉学习元素如何做；问题生成器，问题产生者提出的新的场景，这些场景将被学习代理进行测试。
（2）AI编程语言：目前，产业界和科研界开发出了很多用于AI编程的专门语言和工具，LISP和Prolog是AI编程中使用的主要语言。
·LISP（list processing）：LISP是John McCarthy于1950年开发的一种AI编程语言。LISP是一种符号处理语言，它在列表中表示信息并操作列表以导出信息。
·Prolog（逻辑编程）：Prolog由法国马赛大学的Alain Colmeraver和P.Roussel于20世纪70年代初期开发。Prolog使用谓词逻辑的语法来执行符号逻辑计算。
（3）知识表示：结果的质量取决于系统拥有多少知识。可用的知识必须以有效的方式表示。因此，知识表示方式是系统的重要组成部分，最常见的表示方式是由互联网络或语义网络、框架、概念依赖和脚本等构成。
（4）求解器：这个特定研究领域的目标是如何在人工智能系统上实施程序来解决人类所碰到的问题，而且要求程序的推理过程也应该同样好，以获得令人满意的结果。推理过程大致分为粗暴和启发式搜索过程。
（5）AI硬件：目前，大多数AI程序仅能在冯·诺依曼机器上运行。但是，已经出现了用于AI程序的专用工作站。在人工智能的应用中，数值计算占据了很大一部分的处理机时间，其次是符号处理也需要大量占用处理机资源。