参考书目：《人工智能：一种现代的方法（第3版）》
人工智能是什么？
先看看下表中沿着两个维度排列的8种定义。
从上往下看，上面的定义关注思维过程与推理，下面的定义强调行为；
从左往右看，左边的定义根据与人类表现的逼真度来衡量，右边的定义用理想的性能表现来衡量。（一个系统若能基于已知条件“正确行事”则它是合理的。）
历史上，对AI的所有4中途径都有人关注，以人为中心的途径在某种程度上必是一种经验科学，涉及到关于人类行为的观察与假设。而理性论者的途径涉及数学与工程的结合。
接下来，通过介绍典型人物及事例来具体说明这四种途径
像人一样行动：图灵测试
该测试1950年由艾伦·图灵发表的“计算机器与智能”论文中提出，是一个关于判断机器是否能够思考的著名试验，旨在提供一种令人满意的关于智能的可操作定义，试图给出一个确定人工智能与人类智能同一性的方法。
根据图灵测试，如果一台机器可以在特定的条件下模仿人类的反应，那么就认为它有一定的智能。在图灵测试中，一个人在一间房子里，向另外一间房子里的人或机器提问，但这个人不知道回答问题的是人还是机器，如果这个人根本无法判断出是人还是计算机在回答问题，那么就可以认为计算机通过了测试。
在图灵测试中，需要三个实体的参与，两个是人还有一个是电脑。每一个参与者都与另外两者隔离开，其中有一个人作为提问者，另外一个人和那台电脑作为回应者。
提问者以一种特定的方式根据某个具体内容向另外一个人和电脑不断发问，然后根据他们的回答，在一段规定时间后判断哪个是人哪个是电脑。这个实验被作过很多次，如果提问者做出了半数或少于半数的正确判断，那么这台机器则被认为具有人工智能，因为提问者不能将它与人区分开。
与图灵测试相对应，哲学家约翰·塞尔（John Searle）提出的一个名为“中文屋”的思想实验，来反驳只要计算机拥有了适当的程序，理论上就可以说计算机拥有它的认知状态以及可以像人一样地进行理解活动的观点。强调即使人工智能与人类智能有着完全相同的外在性质，也不能说明二者有内在的同一性，更不能将二者等同。
其实验可表示为：一个人手中拿着一本象形文字对照手册，身处图灵测试中所提及的房子中。而另一人则在房间外向此房间发送象形文字问题。房间内的人只需按照对照手册，返回手册上的象形文字答案，房间外的人就会以为房间内的人是个会思维的象形文字专家。然而实际上房子内的人可能对象形文字一窍不通，更谈不上什么智能思维。
像人一样思考：认知建模的途径
如果我们说某个程序像人一样思考，那么我们必须具有某种办法来确定人是如何思考的。我们需要理解人脑的实际运用。有三种办法来完成这项任务：通过内省——试图捕获我们自身的思维过程；通过心理实验——观察工作中的一个人；以及通过脑成像——观察工作中的头脑。只有具备人脑的足够精确的理论，我们才能把这样的理论表示成计算机程序。如果该程序的输入输出行为匹配相应的人类行为，这就是程序的某些机制可能也在人脑中运行的证据。
认知科学这个交叉学科领域把来自AI的计算机模型与来自心理学的实验技术相结合，试图构建一种精确且可测试的人类思维理论。
合理地思考：“思维法则”的途径
亚里士多德是首先试图严格定义“正确思考”的人之一，他将其定义为不可反驳的推理过程。其三段论为在给定正确前提时总产生正确结论的论证结构提供了模式——例如，“苏格拉底是人；所有人必有一死；所以，苏格拉底必有一死”，这些思维法则被认为应当支配着头脑的运行；他们的研究开创了称为逻辑学的领域。
19世纪的逻辑学家为关于世上各种对象及对象之间的关系的陈述制订了一种精确的表示法。到了1965年，已有程序原则上可以求解用逻辑表示法描述的任何可解问题。人工智能中所谓的逻辑主义流派希望依靠这样的程序来创建智能系统。
这条途径存在两个主要障碍：首先，获取非形式的知识并用逻辑表示法要求的形式术语来陈述并不容易，特别是在知识不是百分之百肯定时。其次，在“原则上”可解一个问题与实际上解决该问题之间存在巨大的差别。虽然这两个障碍对建造计算机推理系统的任何尝试都适用，但是它们最先出现在逻辑主义流派中。
合理地行动：合理智能体（Rational Agent）的途径
Agent就是能够行动的某种东西。合理Agent是一个为了实现最佳结果，或当存在不确定性时，为了实现最佳期望结果而行动的Agent。
合理Agent的途径与其他途径相比有两个优点。首先，它比“思维法则”的途径更一般，因为正确的推理只是实现合理性的几种可能的机制之一。其次，它比其他基于人类行为或人类思维的途径更经得起科学发展的检验。它的标准在数学上定义明确且完全通用，可被“解开并取出”来生成可证实现了合理性的Agent设计。另一方面，人类行为可以完全适应特定环境，并且可以很好地定义为人类做的所有事情的总和。
所以本书将着重研究合理Agent的一般原则以及用于构造这样的Agent的部件。实现完美的合理性——即总做正确的事情——在复杂环境中不可行，其计算要求太高。然而，对本书大部分内容，将采纳工作假设：完美的合理性对分析是一个好的出发点。这样既简化了问题又为该领域中的大多数基本素材提供了恰当的背景。
我的学习体会
1、什么是人工智能？一般会直觉地认为是像人一样（思考和行动）的智能机器。从人工智能的四类定义出现的时间不难发现，像人一样思考的定义出现时间也是最早（1978/1985）。这是一种本能的思维方式，研究新事物时，我们通常会和现实中已知的，我们熟悉的事物做比较。这样做的好处是便于理解新事物，初期的研究也更容易开始。但是这种思维方式是否有效需要具备若干前提，比如除了表面的相似外，新事物是否和旧事物具有本质上的一致性；此外，我们对旧事物的机理是否足够了解。举个例子，早期人类一直憧憬能自由地在天际翱翔，很长一段时间人类的研究和模仿对象都是鸟类，寄希望于制作类似于鸟类的羽翼，振翅高飞。然而，这种简单的模仿一直未能取得实质突破。直到近代，随着人类对飞行原理、空气动力学等领域知识的掌握，才真正意义上实现了飞行梦。
2、在科学家对人类自身思考机理的研究尚不明晰的情况下，我们如何能够做到让计算机像人类一样思考？可以肯定的是，目前所谓计算机具备的“思考”能力只是和目前已知的人类思考原理相似的浅层次“思考”，非常初级，而且适应的场景有限。还有一个疑惑：人类对自己大脑的理解开发与计算机的智能程度是什么关系？是单向的前者促进后者，还是二者在一定程度上可以双向促进。怎么促进？
3、追溯历史是为了更好地理解当下，预测未来。对人工智能的定义是如何演变成四种类别的？每个类别下定义提出的背景是怎样的？有哪些理论基础，关键人物和代表性事件？不同类别的定义之间是互斥的关系还是存在（部分）交融？反向思考，既然对人工智能的定义来自多个迥异的维度，那么意味着人工智能必然是一门多学科融合的交叉领域学科。在学习人工智能的过程中需要有意识地相关学科的核心概念与重要特点，以及它们是如何作为养料滋养着人工智能这颗种子生根发芽、茁壮成长的。
4、这篇文章主要讲的是人工智能的定义，也许读到最后你可能会忘记具体的细节，但一定记得文中提到的“图灵测试”和“中文屋”思想实验，对人工智能定义的分类原则“像人一样思考、像人一样行动、合理地思考、合理地行动”还有印象。这就是好故事的魔力与结构化的魔力，符合人类大脑对故事、图片、有规律的事物的认知偏好。由此带来的启发是1）介绍复杂事物时，可以以故事的方式吸引受众注意，降低理解难度；2）以图片、表格的方式有条理、结构化地呈现信息，便于读者快速抓住重点。
