研究人類智慧活動的規律，構造具有一定智慧行為的人工系統，以實現腦力勞動部分自動化的綜合性學科。人工智慧的近期目標是在傳統電腦上用人工智慧技術編制的程式,完成以往需要人的智慧才能勝任的工作,如推理、學習、聯想、理解自然語言、制訂行動計畫等。這種模擬人的智慧的技術尚處於初級階段，隻能作到一定程度的形似，而不能保證神似。電腦隻是在給定的問題範圍內，在有限程度上表現出同人相似的智慧行為，還不能嚴格類比人在處理資訊時的思維形式和思維過程。人工智慧的長遠目標是在思思維科學指導下，對傳統計算機的硬件、軟件和體系結構進行改造，研制人工智能系統（見智能機），並不斷提高這類系統的思維模擬水平。人工智能的技術是從人類各種智能行為（如問題求解、感知、學習、創造、語言等）中總結提煉出來的，它與心理學、邏輯學、語言學等多種學科相關。人工智能研究能提高計算機的靈活性，使其發揮更大的作用，因此有時也稱為機器智能，被認為是計算機科學的一個分支。人工智能的基本問題，可分為技術基礎和應用研究兩個方面。
發展概況 人工智能研究可以追溯到A.M.圖靈提出的通用的非數值符號計算模型(圖靈機)。在出現瞭大規模的高速計算機以後，研究人工智能的一些先驅學者如A.紐厄爾、H.A.西蒙等才從信息處理的角度認識到，人的思維過程和計算機工作過程都可歸結為符號過程。以人（腦）的信息處理為模型，研制解脫部分腦力勞動的人工系統，這是人工智能的任務；而根據計算機的符號過程來研究人在信息處理時的思維活動規律，則是認知心理學的任務。因此，人工智能和認知心理學是在50年代中期，隨著高速計算機的發展而同時產生的孿生學科（見認知模型）。人工智能的發展大致分為三個階段。
① 第一階段（1956～1970）是人工智能的起步時期 早期的人工智能研究是從智力難題、弈棋、難度不大的定理證明等簡單問題開始的。研究的目的不在於實際應用，而在於探索人的解題策略。問題的求解采用經驗性的啟發式搜索或稱為試探搜索，因而與認知心理學緊密相關。另一方面，數理邏輯學傢一直在追求問題求解的普遍規律，特別是數學定理證明中運用高效通用的理論解析方法。1965年J.A.魯賓遜提出的歸結原理，對發展機器定理證明技術起瞭巨大的推動作用，是這方面的一個突出的例子。後來發現，用歸結法所生成的搜索空間，隨著問題描述公式的數量指數地增長，中等程度的問題也難以在限定的時間和計算機容量內解決。因此，利用特定領域知識和普通常識指引的探試方法，在新的高度再次受到重視，而對歸結原理則由期望過高而轉為失望，並導致一些人在人工智能中否定一切邏輯方法的傾向。實際上，歸結原理的主要貢獻並不限於數學定理證明方面，而在於它為非數學問題中常識推理和問題求解提供瞭一種有力的工具。例如日本第五代計算機核語言的原型PROLOG語言，就是在歸結原理的基礎上設計的。為瞭強調邏輯方法在非數學問題中的應用，在很多場合機器定理證明這一術語已被自動演繹所取代。因此，在人工智能中的心理學方法和邏輯方法是相輔相成，互不矛盾的。此外，隨著問題求解研究的深入開展，還積累瞭一套系統的解題技術。所解的問題也由簡單的遊戲問題發展到復雜的現實問題。行動計劃或稱動作綜合便是用於機器人作業設計和自動程序設計等方面的基本技術。另外，自然語言理解、機器視覺、智能機器人等也是在這一階段開始研究的。
② 第二階段(70年代)是人工智能的發展時期 知識工程即研制知識型系統的工程技術的出現，是人工智能發展史的重大轉折點，標志著人工智能由單純的理論探索開始面向實際應用。不論是專傢系統還是自然語言理解系統（包括書面語和口語）、物景分析系統，都擁有大量領域知識、環境知識和通用常識，知識的表示和運用已成為人工智能所有領域的關鍵技術。
③ 第三階段（1980年以後）是人工智能發展的新階段 這一階段的發展有兩方面特點。其一是人工智能研究成果開始商品化，出現瞭用於精密檢測的機器視覺系統、用於裝配作業的初級智能機器人系統和用於微型計算機的自然語言接口；研制出為專業人員所用的專傢系統，如地質礦藏勘探系統等；進而又開始研制為一般人所用的傢務咨詢系統和自修輔導學習系統。其二是人工智能向更高水平發展,出現瞭所謂第二代專傢系統,如用於計算機系統的配置設計；研制知識型智能機器人、知識信息處理系統或第五代計算機，開始嘗試將分散於各分支的人工智能技術綜合為系統的機器智能技術。
技術基礎 人工智能的技術基礎包括知識表示、問題求解、機器定理證明或自動演繹、工具與語言等方面。
知識表示 將所需要的知識形式化，以便人工智能系統在進行決策、規劃、識別物體、分析物景、推導結論時運用。從方法論來看，知識表示有表示事實和假設的陳述型和表示動作和行為的過程型兩類。知識獲取和認知建模還同認知心理學有關。
問題求解 人工智能研究中的通用技術，包括搜索（特別是依靠直觀經驗知識的啟發式搜索）、行動計劃和已形成獨立分支領域的機器定理證明或自動演繹等內容。
機器定理證明或自動演繹 重點是常識推理，即運用邏輯方法，主要是運用歸結法或自然演繹法並結合探試法，把人們日常生活中常識推理的模式符號化；也研究數學定理的機器證明，還包括非標準邏輯中的自動演繹和70年代發展起來的邏輯程序設計等內容。
工具與語言 在人工智能研究工具中，除瞭計算機以外，最重要的工具是適於描述智能行為的語言。LISP語言是人工智能研究中廣泛應用的一種基本語言，這是因為LISP語言的條件表達式的遞歸運用，符號信息在外部用表的形式表示而在內部用表結構的形式表示，程序和數據形式上的一致性等特點，都能適應人工智能的需要。為瞭提高LISP程序的執行效率,已研制出LISP機,直接將LISP語言的系統函數作為機器指令來執行。此外，第一個初步實現邏輯程序設計基本思想的PROLOG語言也受到瞭廣泛的註意。人們還註意到人工智能研究的程序設計環境。
應用研究 廣義說，人工智能研究的一切問題都可以看成是問題求解，問題求解的策略技術適用於人工智能的各個方面。有些問題（如遊戲）盡管目的不在於直接應用，但對研究復雜智能機制（如學習）仍有啟示意義。從70年代後的發展趨勢來看，人工智能已開始面向實際應用。人工智能的應用研究主要包括專傢系統、自然語言理解、機器視覺、自動程序設計、公式推演和智能機器人等方面內容。
專傢系統 在特定領域內能象專傢那樣解決復雜問題的程序系統。它的問世標志著一門以知識為處理對象、以知識的表示和運用為主要手段的新的學科──知識工程的誕生，也標志著人工智能從單純的理論探索到面向應用的重大轉折。
自然語言理解 研制各類自然語言處理系統，以便人機間在較大范圍內直接用自然語言(書面語和口語)通信，對揭示人類語言機制和思維奧秘也有重要作用，因而它是人工智能研究中活躍的分支之一。
機器視覺 研究根據輸入的投影圖像來分析、理解原來的三維物景的方法和技術，主要用於機器視覺系統和智能機器人中。
自動程序設計 運用人工智能技術實現程序設計自動化或部分自動化的技術。
公式推演 以數學知識為基礎運用人工智能技術實現公式推演自動化的技術。
智能機器人 一種能再現人的感覺、操作和行動並能處理意外事件、從事復雜作業的機器人，需要綜合運用人工智能技術和機器人技術。
隨著人工智能的廣泛應用，加強基礎理論研究的重要性也日益明顯，人工智能研究需要用思維科學來指導，同時人工智能的發展也將對思維科學的研究作出貢獻。
參考書目
N.J.尼爾遜著，石純一等譯：《人工智能原理》，科學出版社，北京，1983。(N.J.Nilsson,Principles of Artificial Intelligence,Tioga Publ. Co., New York,1980.)
Avron Barr and Edward A. Feigeubaum, eds, The Handbook of Artificial Intelligence, William Kaufmann, Inc., Los Altos, Calif., 1981～1982。