人工智慧（ArtificialIntelligence），英文縮寫為AI.它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。

　　人工智慧是對人的意識、思維的資訊過程的模擬。但不是人的智慧，能像人那樣思考、也可能超過人的智慧。但是這種會自我思考的高階人工智慧還需要科學理論和工程上的突破。從誕生以來，人工智慧理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的容器。正因為如此，人工智慧的應用方向才十分之廣。

　　1、機器視覺

機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統是指通過機器視覺產品（即影象攝取裝置，分CMOS和C

　　人工智慧能使機器能夠擔任一些需要人工處理的工作。而這些工作需要做一定的決策，要求機器能夠自行的根據當時的環境做出相對較好的決策。這就需要計算機不僅僅能夠計算，還能夠擁有一定得智慧。而要對周圍的環境進做出好的決策就需要對周邊的環境進行分析，即要求機器能夠看到周圍的環境，並能夠理解它們。就像人做的那樣。所以機器視覺是人工智慧中非常重要的一個領域。

　　機器視覺在許多人類視覺無法感知的場合發揮重要作用，如精確定律感知、危險場景感知、不可見物體感知等，機器視覺更突出他的優越性。現在機器視覺已在一些領域的到應用，如零件識別與定位，產品的檢驗，移動

　　2、指紋識別

　　指紋識別技術把一個人同他的指紋對應起來，通過比較他的指紋和預先儲存的指紋進行比較，就可以驗證他的真實身份。每個人（包括指紋在內）面板紋路在圖案、斷點和交叉點上各不相同，也就是說，是唯一的，並且終生不變。依靠這種唯一性和穩定性，我們才能創造指紋識別技術。

　　指紋識別主要根據人體指紋的紋路、細節特徵等資訊對操作或被操作者進行身份鑑定，得益於現代電子整合製造技術和快速而可靠的演算法研究，已經開始走入我們的日常生活，成為目前生物檢測學中研究最深入，應用最廣泛，發展最成熟的技術。

　　指紋識別系統應用了人工智慧技術中的模式識別技術。模式識別是指對錶徵事物或現象的各種形式的（數值的、文字的和邏輯關係的）資訊進行處理和分析，以對事物或現象進行描述、辨認、分類和解釋的過程。很顯然指紋識別屬於模式識別範疇。

　　3、人臉識別

　　人臉識別，特指利用分析比較人臉視覺特徵資訊進行身份鑑別的計算機技術。人臉識別是一項熱門的計算機技術研究領域，人臉追蹤偵測，自動調整影像放大，夜間紅外偵測，自動調整曝光強度；它屬於生物特徵識別技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。

　　人臉識別技術是基於人的臉部特徵，對輸入的人臉圖象或者視訊流。首先判斷其是否存在人臉，如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置資訊。並依據這些資訊，進一步提取每個人臉中所蘊涵的身份特徵，並將其與已知的人臉進行對比，從而識別每個人臉的身份。

　　在人工智慧與人臉識別技術結合上，百度可能已經領先眾人一步，有人在祕密上爆料，說是百度人臉識別技術有了新成果，估計是與支付相關。如果百度這次推出的確實是人臉識別支付，則在移動支付上就可以甩開阿里、企鵝很大一步。

　　百度的人臉識別技術加支付場景，有兩個層面上的解讀。第一方面是將識圖技術與商業層面打通，建立更加豐富的購物場景。目前我們的購物支付場景多是遵循常規的手法：code，命令。人臉在很大程度上可以提升交易安全性和速度，是未來的必要趨勢。

　　而更深層次的是和大資料打通。尤其人臉大資料，無論在日常生活，還是商業運作上都是語音、動作之後最重要的資料之一，它更能夠將個人大資料實現更大化的整合，甚至重建信用體系規則。

　　4、智慧資訊檢索技術

　　資料庫系統是儲存某個學科大量事實的計算機系統，隨著應用的進一步發展，儲存的資訊量越來越大，因此解決智慧檢索的問題便具有實際意義。

　　智慧資訊檢索系統應具有如下的功能：

　　（1）能理解自然語言，允許用自然語言提出各種詢問；

　　（2）具有推理能力，能根據儲存的事實，演繹出所需的答案；

　　（3）系統具有一定常識性知識，以補充學科範圍的專業知識。系統根據這些常識，將能演繹出更一般的一些答案來。

　　實現這些功能要應用人工智慧的方法。

　　據此前百度公佈的資訊顯示，百度已經建成全球規模最大的深度神經網路，這一稱為百度大腦的智慧系統，目前可以理解分析200億個引數，達到了兩、三歲兒童的智力水平。隨著成本降低和計算機軟硬體技術的進步，再過20年，當量變帶來質變，用計算機模擬一個10-20歲人類的智力幾乎一定可以做到。

　　似乎可以毫無懸念地預判到人工智慧在網際網路企業日後競爭中的核心地位，在這個發展的過程了，相信人工智慧也會開始接觸更多更大，那些我們本以為網際網路很難滲透進去的領域。

　　5、智慧控制

　　智慧控制（intelligentcontrols）在無人干預的情況下能自主地驅動智慧機器實現控制目標的自動控制技術。控制理論發展至今已有100多年的歷史，經歷了經典控制理論和現代控制理論的發展階段，已進入大系統理論和智慧控制理論階段。智慧控制理論的研究和應用是現代控制理論在深度和廣度上的拓展。20世紀80年代以來，資訊科技、計算技術的快速發展及其他相關學科的發展和相互滲透，也推動了控制科學與工程研究的不斷深入，控制系統向智慧控制系統的發展已成為一種趨勢。

　　對許多複雜的系統，難以建立有效的數學模型和用常規的控制理論去進行定量計算和分析，而必須採用定量方法與定性方法相結合的控制方式。定量方法與定性方法相結合的目的是，要由機器用類似於人的智慧和經驗來引導求解過程。因此，在研究和設計智慧系統時，主要注意力不放在數學公式的表達、計算和處理方面，而是放在對任務和現實模型的描述、符號和環境的識別以及知識庫和推理機的開發上，即智慧控制的關鍵問題不是設計常規控制器，而是研製智慧機器的模型。

　　此外，智慧控制的核心在高層控制，即組織控制。高層控制是對實際環境或過程進行組織、決策和規劃，以實現問題求解。為了完成這些任務，需要採用符號資訊處理、啟發式程式設計、知識表示、自動推理和決策等有關技術。這些問題求解過程與人腦的思維過程有一定的相似性，即具有一定程度的智慧。

　　隨著人工智慧和計算機技術的發展，已經有可能把自動控制和人工智慧以及系統科學中一些有關學科分支（如系統工程、系統學、運籌學、資訊理論）結合起來，建立一種適用於複雜系統的控制理論和技術。智慧控制正是在這種條件下產生的。它是自動控制技術的最新發展階段，也是用計算機模擬人類智慧進行控制的研究領域。

　　6、視網膜識別

　　視網膜是眼睛底部的血液細胞層。視網膜掃描是採用低密度的紅外線去捕捉視網膜的獨特特徵，血液細胞的唯一模式就因此被捕捉下來。

　　視網膜也是一種用於生物識別的特徵，有人甚至認為視網膜是比虹膜更唯一的生物特徵，視網膜識別技術要求鐳射照射眼球的背面以獲得視網膜特徵的唯一性。

　　雖然視網膜掃描的技術含量較高，但視網膜掃描技術可能是最古老的生物識別技術，在20世紀30年代，通過研究就得出了人類眼球后部血管分佈唯一性的理論，進一步的研究的表明，即使是孿生子，這種血管分佈也是具有唯一性的，除了患有眼疾或者嚴重的腦外傷外，視網膜的結構形式在人的一生當中都相當穩定。

　　7、虹膜識別

　　人的眼睛結構由鞏膜、虹膜、瞳孔三部分構成。虹膜是位於黑色瞳孔和白色鞏膜之間的圓環狀部分，其包含有很多相互交錯的斑點、細絲、冠狀、條紋、隱窩等的細節特徵。這些特徵決定了虹膜特徵的唯一性，同時也決定了身份識別的唯一性。

　　虹膜的形成由遺傳基因決定，人體基因表達決定了虹膜的形態、生理、顏色和總的外觀。人發育到八個月左右，虹膜就基本上發育到了足夠尺寸，進入了相對穩定的時期。除非極少見的反常狀況、身體或精神上大的創傷才可能造成虹膜外觀上的改變外，虹膜形貌可以保持數十年沒有多少變化。另一方面，虹膜是外部可見的，但同時又屬於內部組織，位於角膜後面。要改變虹膜外觀，需要非常精細的外科手術，而且要冒著視力損傷的危險。虹膜的高度獨特性、穩定性及不可更改的特點，是虹膜可用作身份鑑別的物質基礎。

　　在包括指紋在內的所有生物識別技術中，虹膜識別是當前應用最為方便和精確的一種。虹膜識別技術被廣泛認為是二十一世紀最具有發展前途的生物認證技術，未來的安防、國防、電子商務等多種領域的應用，也必然的會以虹膜識別技術為重點。這種趨勢已經在全球各地的各種應用中逐漸開始顯現出來，市場應用前景非常廣闊。

　　8、掌紋識別

　　掌紋識別是近幾年提出的一種較新的生物特徵識別技術。掌紋是指手指末端到手腕部分的手掌影象。其中很多特徵可以用來進行身份識別：如主線、皺紋、細小的紋理、脊末梢、分叉點等。掌紋識別也是一種非侵犯性的識別方法，使用者比較容易接受，對採集裝置要求不高。

　　掌紋中最重要的特徵是紋線特徵，而且這些紋線特徵中最清晰的幾條紋線基本上是伴隨人的一生不發生變化的。並且在低解析度和低質量的影象中仍能夠清晰的辨認。

　　點特徵主要是指手掌上所具有的和指紋類似的面板表面特徵，如掌紋乳突紋在區域性形成的奇異點及紋形。點特徵需要在高解析度和高質量的影象中獲取，因此對影象的質量要求較高。

　　紋理特徵，主要是指比紋線更短、更細的一些紋線，但其在手掌上分佈是毫無規律的。掌紋的特徵還包括幾何特徵：如手掌的寬度、長度和幾何形狀，以及手掌不同區域的分佈。

　　掌紋中所包含的資訊遠比一枚指紋包含的資訊豐富，利用掌紋的紋線特徵、點特徵、紋理特徵、幾何特徵完全可以確定一個人的身份。因此，從理論上講，掌紋具有比指紋更好的分辨能力和更高的鑑別能力。

　　9、專家系統

　　專家系統是一個智慧計算機程式系統，其內部含有大量的某個領域專家水平的知識與經驗，能夠利用人類專家的知識和解決問題的方法來處理該領域問題。也就是說，專家系統是一個具有大量的專門知識與經驗的程式系統，它應用人工智慧技術和計算機技術，根據某領域一個或多個專家提供的知識和經驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的複雜問題，簡而言之，專家系統是一種模擬人類專家解決領域問題的計算機程式系統。

　　專家系統是人工智慧中最重要的也是最活躍的一個應用領域，它實現了人工智慧從理論研究走向實際應用、從一般推理策略探討轉向運用專門知識的重大突破。專家系統是早期人工智慧的一個重要分支，它可以看作是一類具有專門知識和經驗的計算機智慧程式系統，一般採用人工智慧中的知識表示和知識推理技術來模擬通常由領域專家才能解決的複雜問題。

　　專家系統的發展已經歷了3個階段，正向第四代過渡和發展。第一代專家系統（dendral、macsyma等）以高度專業化、求解專門問題的能力強為特點。但在體系結構的完整性、可移植性、系統的透明性和靈活性等方面存在缺陷，求解問題的能力弱。第二代專家系統（mycin、casnet、prospector、hearsay等）屬單學科專業型、應用型系統，其體系結構較完整，移植性方面也有所改善，而且在系統的人機介面、解釋機制、知識獲取技術、不確定推理技術、增強專家系統的知識表示和推理方法的啟發性、通用性等方面都有所改進。第三代專家系統屬多學科綜合型系統，採用多種人工智慧語言，綜合採用各種知識表示方法和多種推理機制及控制策略，並開始運用各種知識工程語言、骨架系統及專家系統開發工具和環境來研製大型綜合專家系統。

　　在總結前三代專家系統的設計方法和實現技術的基礎上，已開始採用大型多專家協作系統、多種知識表示、綜合知識庫、自組織解題機制、多學科協同解題與並行推理、專家系統工具與環境、人工神經網路知識獲取及學習機制等最新人工智慧技術來實現具有多知識庫、多主體的第四代專家系統。

　　10、自動規劃

　　自動規劃是一種重要的問題求解技術，與一般問題求解相比，自動規劃更注重於問題的求解過程，而不是求解結果。此外，規劃要解決的問題，如機器人世界問題，往往是真實世界問題，而不是比較抽象的數學模型問題。與一些求解技術相比，自動規劃系統與專家系統均屬高階求解系統與技術。

　　規劃是一種重要的問題求解技術，它從某個特定的問題狀態出發，尋求一系列行為動作，並建立一個操作序列，直到求得目標狀態為止。

　　規劃可用來監控問題求解過程，並能夠在造成較大的危害之前發現差錯。規劃的好處可歸納為簡化搜尋、解決目標矛盾以及為差錯補償提供基礎。