技术定义
通过计算系统实现学习、推理、感知与目标导向行动的一组可复用方法和系统能力。
范围
本条把人工智能作为可复用的计算方法与系统能力总类，涵盖符号推理、统计学习、神经网络和智能体。1955年达特茅斯提案与1956年项目是名称和研究组织的历史锚点；神经元模型等前置工作更早存在。
多条路线
不同方法可以并存和组合。机器学习是重要路线，不能代表全部人工智能；本条不把特定任务成绩等同于通用智能。
原理与影响
解决的问题
- 让计算系统承担难以逐项编写固定处理规则的认知与决策任务。
核心原理
- 用可计算的表示、推断、学习和行动过程处理目标与环境。
相对前代的改进
暂无记录
技术意义
- 为多条智能计算路线提供共同研究与工程范围。
历史与应用
人物
John McCarthy、Marvin Minsky、Nathaniel Rochester、Claude Shannon
组织
暂无记录
事件
暂无记录
典型应用
推理、学习、感知、辅助决策
留下的局限
- 能力依赖任务、数据和环境，某一基准成绩不能保证跨场景可靠性。
上下游关系
上游
证据：Fusion, Propagation, and Structuring in Belief Networks — 原作者收录的经典论文评述
证据：A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence
下游
证据：ReAct: Synergizing Reasoning and Acting in Language ModelsWhat is Artificial Intelligence? — Basic Questions
证据：Some Studies in Machine Learning Using the Game of CheckersWhat is Artificial Intelligence? — Basic Questions
证据：Computer Science as Empirical Inquiry: Symbols and SearchWhat is Artificial Intelligence? — Basic Questions