人工智能（ArtificialIntelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

人工智能是對人的意識、思維的信息過程的模擬。但不是人的智能，能像人那樣思考、也可能超過人的智能。但是這種會自我思考的高級人工智能還需要科學(xué)理論和工程上的突破。從誕生以來，人工智能理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴大，可以設(shè)想，未來人工智能帶來的科技產(chǎn)品，將會是人類智慧的“容器”。正因為如此，人工智能的應(yīng)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(tǒng)是指通過機器視覺產(chǎn)品（即圖像攝取裝置，分CMOS和CCD兩種）將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號；圖像系統(tǒng)對這些信號進(jìn)行各種運算來抽取目標(biāo)的特征，進(jìn)而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備動作。

人工智能能使機器能夠擔(dān)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(jù)當(dāng)時的環(huán)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能。而要對周圍的環(huán)境進(jìn)做出好的決策就需要對周邊的環(huán)境進(jìn)行分析,即要求機器能夠“看”到周圍的環(huán)境，并能夠理解它們。就像人做的那樣。所以機器視覺是人工智能中非常重要的一個領(lǐng)域。

機器視覺在許多人類視覺無法感知的場合發(fā)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(yōu)越性?，F(xiàn)在機器視覺已在一些領(lǐng)域的到應(yīng)用，如零件識別與定位，產(chǎn)品的檢驗，移動機器人導(dǎo)航遙感圖像分析，安全減半、監(jiān)視與跟蹤，國防系統(tǒng)等。它們的應(yīng)用于機器視覺的發(fā)展起著相互促進(jìn)的作用。

2、指紋識別

指紋識別技術(shù)把一個人同他的指紋對應(yīng)起來，通過比較他的指紋和預(yù)先保存的指紋進(jìn)行比較，就可以驗證他的真實身份。每個人（包括指紋在內(nèi)）皮膚紋路在圖案、斷點和交叉點上各不相同，也就是說，是唯一的，并且終生不變。依靠這種唯一性和穩(wěn)定性，我們才能創(chuàng)造指紋識別技術(shù)。

指紋識別主要根據(jù)人體指紋的紋路、細(xì)節(jié)特征等信息對操作或被操作者進(jìn)行身份鑒定，得益于現(xiàn)代電子集成制造技術(shù)和快速而可靠的算法研究，已經(jīng)開始走入我們的日常生活，成為目前生物檢測學(xué)中研究最深入，應(yīng)用最廣泛，發(fā)展最成熟的技術(shù)。

指紋識別系統(tǒng)應(yīng)用了人工智能技術(shù)中的模式識別技術(shù)。模式識別是指對表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進(jìn)行處理和分析,以對事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程。很顯然指紋識別屬于模式識別范疇。

3、人臉識別

人臉識別，特指利用分析比較人臉視覺特征信息進(jìn)行身份鑒別的計算機技術(shù)。人臉識別是一項熱門的計算機技術(shù)研究領(lǐng)域，人臉追蹤偵測，自動調(diào)整影像放大，夜間紅外偵測，自動調(diào)整曝光強度；它屬于生物特征識別技術(shù)，是對生物體（一般特指人）本身的生物特征來區(qū)分生物體個體。

人臉識別技術(shù)是基于人的臉部特征，對輸入的人臉圖象或者視頻流.首先判斷其是否存在人臉,如果存在人臉，則進(jìn)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信息。并依據(jù)這些信息，進(jìn)一步提取每個人臉中所蘊涵的身份特征，并將其與已知的人臉進(jìn)行對比，從而識別每個人臉的身份。

在人工智能與人臉識別技術(shù)結(jié)合上，百度可能已經(jīng)領(lǐng)先眾人一步，有人在秘密上爆料，說是百度人臉識別技術(shù)有了新成果，估計是與支付相關(guān)。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(shù)加支付場景，有兩個層面上的解讀。第一方面是將識圖技術(shù)與商業(yè)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(guī)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數(shù)據(jù)打通。尤其人臉大數(shù)據(jù)，無論在日常生活，還是商業(yè)運作上都是語音、動作之后最重要的數(shù)據(jù)之一，它更能夠?qū)€人大數(shù)據(jù)實現(xiàn)更大化的整合，甚至重建信用體系規(guī)則。

4、智能信息檢索技術(shù)

數(shù)據(jù)庫系統(tǒng)是儲存某個學(xué)科大量事實的計算機系統(tǒng)，隨著應(yīng)用的進(jìn)一步發(fā)展，存儲的信息量越來越大，因此解決智能檢索的問題便具有實際意義。

智能信息檢索系統(tǒng)應(yīng)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(jù)存儲的事實，演繹出所需的答案;

（3）系統(tǒng)具有一定常識性知識，以補充學(xué)科范圍的專業(yè)知識。系統(tǒng)根據(jù)這些常識，將能演繹出更一般的一些答案來。

實現(xiàn)這些功能要應(yīng)用人工智能的方法。

據(jù)此前百度公布的信息顯示，百度已經(jīng)建成全球規(guī)模最大的深度神經(jīng)網(wǎng)絡(luò)，這一稱為“百度大腦”的智能系統(tǒng)，目前可以理解分析200億個參數(shù)，達(dá)到了兩、三歲兒童的智力水平。隨著成本降低和計算機軟硬件技術(shù)的進(jìn)步，再過20年，當(dāng)量變帶來質(zhì)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(yù)判到人工智能在互聯(lián)網(wǎng)企業(yè)日后競爭中的核心地位，在這個發(fā)展的過程了，相信人工智能也會開始接觸更多更大，那些我們本以為互聯(lián)網(wǎng)很難滲透進(jìn)去的領(lǐng)域。

5、智能控制

智能控制（intelligentcontrols）在無人干預(yù)的情況下能自主地驅(qū)動智能機器實現(xiàn)控制目標(biāo)的自動控制技術(shù)。控制理論發(fā)展至今已有100多年的歷史，經(jīng)歷了“經(jīng)典控制理論”和“現(xiàn)代控制理論”的發(fā)展階段，已進(jìn)入“大系統(tǒng)理論”和“智能控制理論”階段。智能控制理論的研究和應(yīng)用是現(xiàn)代控制理論在深度和廣度上的拓展。20世紀(jì)80年代以來，信息技術(shù)、計算技術(shù)的快速發(fā)展及其他相關(guān)學(xué)科的發(fā)展和相互滲透，也推動了控制科學(xué)與工程研究的不斷深入，控制系統(tǒng)向智能控制系統(tǒng)的發(fā)展已成為一種趨勢。

對許多復(fù)雜的系統(tǒng)，難以建立有效的數(shù)學(xué)模型和用常規(guī)的控制理論去進(jìn)行定量計算和分析，而必須采用定量方法與定性方法相結(jié)合的控制方式。定量方法與定性方法相結(jié)合的目的是，要由機器用類似于人的智慧和經(jīng)驗來引導(dǎo)求解過程。因此，在研究和設(shè)計智能系統(tǒng)時，主要注意力不放在數(shù)學(xué)公式的表達(dá)、計算和處理方面，而是放在對任務(wù)和現(xiàn)實模型的描述、符號和環(huán)境的識別以及知識庫和推理機的開發(fā)上，即智能控制的關(guān)鍵問題不是設(shè)計常規(guī)控制器，而是研制智能機器的模型。

此外，智能控制的核心在高層控制，即組織控制。高層控制是對實際環(huán)境或過程進(jìn)行組織、決策和規(guī)劃，以實現(xiàn)問題求解。為了完成這些任務(wù)，需要采用符號信息處理、啟發(fā)式程序設(shè)計、知識表示、自動推理和決策等有關(guān)技術(shù)。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“智能”。

隨著人工智能和計算機技術(shù)的發(fā)展，已經(jīng)有可能把自動控制和人工智能以及系統(tǒng)科學(xué)中一些有關(guān)學(xué)科分支（如系統(tǒng)工程、系統(tǒng)學(xué)、運籌學(xué)、信息論）結(jié)合起來，建立一種適用于復(fù)雜系統(tǒng)的控制理論和技術(shù)。智能控制正是在這種條件下產(chǎn)生的。它是自動控制技術(shù)的最新發(fā)展階段，也是用計算機模擬人類智能進(jìn)行控制的研究領(lǐng)域。

6、視網(wǎng)膜識別

視網(wǎng)膜是眼睛底部的血液細(xì)胞層。視網(wǎng)膜掃描是采用低密度的紅外線去捕捉視網(wǎng)膜的獨特特征，血液細(xì)胞的唯一模式就因此被捕捉下來。

視網(wǎng)膜也是一種用于生物識別的特征，有人甚至認(rèn)為視網(wǎng)膜是比虹膜更唯一的生物特征，視網(wǎng)膜識別技術(shù)要求激光照射眼球的背面以獲得視網(wǎng)膜特征的唯一性。

雖然視網(wǎng)膜掃描的技術(shù)含量較高，但視網(wǎng)膜掃描技術(shù)可能是最古老的生物識別技術(shù)，在20世紀(jì)30年代，通過研究就得出了人類眼球后部血管分布唯一性的理論，進(jìn)一步的研究的表明，即使是孿生子，這種血管分布也是具有唯一性的，除了患有眼疾或者嚴(yán)重的腦外傷外，視網(wǎng)膜的結(jié)構(gòu)形式在人的一生當(dāng)中都相當(dāng)穩(wěn)定。

7、虹膜識別

人的眼睛結(jié)構(gòu)由鞏膜、虹膜、瞳孔三部分構(gòu)成。虹膜是位于黑色瞳孔和白色鞏膜之間的圓環(huán)狀部分，其包含有很多相互交錯的斑點、細(xì)絲、冠狀、條紋、隱窩等的細(xì)節(jié)特征。這些特征決定了虹膜特征的唯一性，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(dá)決定了虹膜的形態(tài)、生理、顏色和總的外觀。人發(fā)育到八個月左右，虹膜就基本上發(fā)育到了足夠尺寸，進(jìn)入了相對穩(wěn)定的時期。除非極少見的反常狀況、身體或精神上大的創(chuàng)傷才可能造成虹膜外觀上的改變外，虹膜形貌可以保持?jǐn)?shù)十年沒有多少變化。另一方面，虹膜是外部可見的，但同時又屬于內(nèi)部組織，位于角膜后面。要改變虹膜外觀，需要非常精細(xì)的外科手術(shù)，而且要冒著視力損傷的危險。虹膜的高度獨特性、穩(wěn)定性及不可更改的特點，是虹膜可用作身份鑒別的物質(zhì)基礎(chǔ)。

在包括指紋在內(nèi)的所有生物識別技術(shù)中，虹膜識別是當(dāng)前應(yīng)用最為方便和精確的一種。虹膜識別技術(shù)被廣泛認(rèn)為是二十一世紀(jì)最具有發(fā)展前途的生物認(rèn)證技術(shù)，未來的安防、國防、電子商務(wù)等多種領(lǐng)域的應(yīng)用，也必然的會以虹膜識別技術(shù)為重點。這種趨勢已經(jīng)在全球各地的各種應(yīng)用中逐漸開始顯現(xiàn)出來，市場應(yīng)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征識別技術(shù)。掌紋是指手指末端到手腕部分的手掌圖像。其中很多特征可以用來進(jìn)行身份識別：如主線、皺紋、細(xì)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，用戶比較容易接受，對采集設(shè)備要求不高。

掌紋中最重要的特征是紋線特征，而且這些紋線特征中最清晰的幾條紋線基本上是伴隨人的一生不發(fā)生變化的。并且在低分辨率和低質(zhì)量的圖像中仍能夠清晰的辨認(rèn)。

點特征主要是指手掌上所具有的和指紋類似的皮膚表面特征，如掌紋乳突紋在局部形成的奇異點及紋形。點特征需要在高分辨率和高質(zhì)量的圖像中獲取，因此對圖像的質(zhì)量要求較高。

紋理特征，主要是指比紋線更短、更細(xì)的一些紋線，但其在手掌上分布是毫無規(guī)律的。掌紋的特征還包括幾何特征：如手掌的寬度、長度和幾何形狀，以及手掌不同區(qū)域的分布。

掌紋中所包含的信息遠(yuǎn)比一枚指紋包含的信息豐富，利用掌紋的紋線特征、點特征、紋理特征、幾何特征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鑒別能力。

9、專家系統(tǒng)

專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)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(lǐng)域問題。也就是說，專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計算機技術(shù)，根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗，進(jìn)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復(fù)雜問題，簡而言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。

專家系統(tǒng)是人工智能中最重要的也是最活躍的一個應(yīng)用領(lǐng)域，它實現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運用專門知識的重大突破。專家系統(tǒng)是早期人工智能的一個重要分支，它可以看作是一類具有專門知識和經(jīng)驗的計算機智能程序系統(tǒng)，一般采用人工智能中的知識表示和知識推理技術(shù)來模擬通常由領(lǐng)域?qū)＜也拍芙鉀Q的復(fù)雜問題。

專家系統(tǒng)的發(fā)展已經(jīng)歷了3個階段，正向第四代過渡和發(fā)展。第一代專家系統(tǒng)（dendral、macsyma等）以高度專業(yè)化、求解專門問題的能力強為特點。但在體系結(jié)構(gòu)的完整性、可移植性、系統(tǒng)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(tǒng)（mycin、casnet、prospector、hearsay等）屬單學(xué)科專業(yè)型、應(yīng)用型系統(tǒng)，其體系結(jié)構(gòu)較完整，移植性方面也有所改善，而且在系統(tǒng)的人機接口、解釋機制、知識獲取技術(shù)、不確定推理技術(shù)、增強專家系統(tǒng)的知識表示和推理方法的啟發(fā)性、通用性等方面都有所改進(jìn)。第三代專家系統(tǒng)屬多學(xué)科綜合型系統(tǒng)，采用多種人工智能語言，綜合采用各種知識表示方法和多種推理機制及控制策略，并開始運用各種知識工程語言、骨架系統(tǒng)及專家系統(tǒng)開發(fā)工具和環(huán)境來研制大型綜合專家系統(tǒng)。

在總結(jié)前三代專家系統(tǒng)的設(shè)計方法和實現(xiàn)技術(shù)的基礎(chǔ)上，已開始采用大型多專家協(xié)作系統(tǒng)、多種知識表示、綜合知識庫、自組織解題機制、多學(xué)科協(xié)同解題與并行推理、專家系統(tǒng)工具與環(huán)境、人工神經(jīng)網(wǎng)絡(luò)知識獲取及學(xué)習(xí)機制等最新人工智能技術(shù)來實現(xiàn)具有多知識庫、多主體的第四代專家系統(tǒng)。

10、自動規(guī)劃

自動規(guī)劃是一種重要的問題求解技術(shù)，與一般問題求解相比，自動規(guī)劃更注重于問題的求解過程，而不是求解結(jié)果。此外，規(guī)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(shù)學(xué)模型問題。與一些求解技術(shù)相比,自動規(guī)劃系統(tǒng)與專家系統(tǒng)均屬高級求解系統(tǒng)與技術(shù)。

規(guī)劃是一種重要的問題求解技術(shù)，它從某個特定的問題狀態(tài)出發(fā)，尋求一系列行為動作，并建立一個操作序列，直到求得目標(biāo)狀態(tài)為止。

規(guī)劃可用來監(jiān)控問題求解過程，并能夠在造成較大的危害之前發(fā)現(xiàn)差錯。規(guī)劃的好處可歸納為簡化搜索、解決目標(biāo)矛盾以及為差錯補償提供基礎(chǔ)。