智能（Intelligence）是指人類通過感覺、知覺、記憶、思維、想象等認知活動，對客觀事物進行分析、綜合、判斷和推理，從而形成對事物的認知和理解能力?。顯然，這是人類的一種自然能力，只是每個人具有的這種能力有所差異，這與每個人的先天條件與后續努力直接相關，尤其是后續努力。智能是人們認識世界和改造世界的基礎，也是人類文明發展的重要驅動力。而人工智能（AI，Artificial Intelligence）則指計算機、機器等（可統稱“智能體”）模仿人類來處理信息、解決問題的能力。具體來說，它通常被描述為一種使系統能夠感知環境、理解信息、作出決策并采取行動的能力，這種能力可以從感知能力、理解能力、決策能力和執行能力等方面來衡量，其能力的發揮主要依靠的是其學習能力。?顯然，人工智能有助于人類的自然智能，乃至于強大地推動了人類文明的發展、人類社會的進步。
一、概述
1、AI的定義
關于人工智能的定義，在我國的不同標準中有不同的表述，下表1-1匯集了我國相關標準中對人工智能的定義，以助于對人工智能概念的理解。其中，在GB/T 5271.28-2001《信息技術 詞匯 第28部分 人工智能 基本概念與專家系統》中是這樣表述的：人工智能是一門交叉學科，通常視為計算機學科的分支，研究表現出有人類智能（如推理和學習）相關的各種功能的模型和系統。而在GB/T 41867-2022《信息技術 人工智能 術語》中則從工程學角度給出了人工智能的定義：人工智能是指人工智能系統相關機制和應用的研究和開發。人工智能系統則是指針對人類定義的給定目標，產生諸如內容、預測、推薦或決策等輸出的一類工程系統。事實上，該工程系統使用人工智能相關的多種技術或方法，開發表征數據、知識、過程等的模型，用于執行任務。由上定義可知，人工智能是一個高度跨學科的領域，廣泛基于計算機科學、數據科學、數學、自然科學、人文科學、哲學、社會科學、語言學和認知學等學科。
表 1-1：相關人工智能的術語與定義
欲更多了解人工智能（AI）評價指標的請進入。
2、AI的發展歷史
人工智能（AI）的發展歷史可以追溯到上世紀中葉，但首次提出“人工智能”這一概念的是在1956年的達特茅斯會議上，才標志著人工智能學科的誕生（下附錄1-2是對達特茅斯會議的簡介）。然而，至此，人工智能（AI）的發展起起伏伏，經歷了漫長的歲月。首先，得益于計算機技術的支撐，使得AI具備了真正的發展基礎。接著，發展過程中又受到了各種制約因素的羈絆，諸如策略、技術、硬件、算力、資源、資金、倫理等等因素。直到進入二十一世紀，人工智能（AI）的發展才進入了快車道，由于各種支撐技術的出現（如語音處理技術、視覺處理技術、多模態處理技術、硬件技術（GPU等）、編程（算法）技術、互聯網技術、數據中心及云技術、等等）和AI基礎技術的出現（如機器學習、深度學習、強化學習、專家系統等等），具有了明顯的應用效果和成果，如非具身式的人工智能（AI）有生成式大模型等；具身式的人工智能（AI）有各類實用型機器人、智能駕駛汽車等。另外，生成式AI大模型正在由專用型AI向通用人工智能（AGI）邁進，等等。下表1-2匯總了人工智能（AI）的發展相關過程，以供參考。
表 1-2：人工智能（AI）的發展相關過程
附錄 1-2：達特茅斯會議的簡介
3、AI的分類
根據表1-1中的人工智能（AI）的定義，事實上人工智能是一個相對寬泛的概念，這是因為，只要人類通過創意能使機器或裝置（統稱“智能體”）產生如學習、推理、決策等相關功能，表現出智能的，均應成為人工智能的范疇。鑒于此，由于隨著AI的發展進程，AI在技術、能力、應用等諸方面的表現，使得就AI系統的分類方法是相當繁雜多維。結合目前AI的演進與呈現，下表1-3匯總了AI比較常用的分類方法，并重點反映出了AI技術領域的主要概貌。
表 1-3：人工智能（AI）比較常用的分類方法
欲詳細了解人工智能（AI）分類方法介紹的請進入。
二、人工智能（AI）系統的功能視圖
由表1-1可知，將人工智能系統定義為一種工程系統，它能夠為人類定義的一系列目標生成輸出，如內容、預測、建議或決策。而人工智能是指人工智能系統相關機制和應用的研究和開發。AI系統并不具備理解能力，它們需要人類的設計選擇、工程實施和監督。鑒于此，對于人工智能系統，從功能的視角，其功能視圖可如下圖2-0所示，是一個輸入和輸出的過程流，它包括基于人類設計選擇、工程實施和監督下的輸入、處理和輸出部分。其中輸入通過模型進行處理以產生輸出，該模型可以直接構建，也可以通過訓練數據進行學習來構建，如圖中用虛線繪制的部分是針對基于機器學習的AI系統。此視圖的目的是提供AI系統如何實現結果的非技術性描述。總而言之，AI系統包含一個模型，用來產生預測，而這些預測又被用來連續地做出建議、決策和行動，全部或部分地由系統本身或人類來完成。
圖 2-0：人工智能系統的功能視圖
1、關于AI系統的輸入
數據可以作為輸入進入生產中的AI系統，這種情況下，它被稱為生產數據。在將數據呈現給AI系統之前，可能需要對輸入數據進行預處理，比如提取相關特征。數據在AI系統中占據核心地位，下表2-1詳細闡述了AI系統中數據（data）的概念，同時包括數據參與AI系統的形式和過程。AI系統的輸入也可以是信息而不是數據，這通常用于優化任務，其中唯一需要的輸入是關于要優化內容的信息。有些AI系統根本不需要任何輸入，而是按需執行給定任務（例如生成一些合成圖像）。對于機器學習，會使用訓練數據來獲取關于感興趣領域和待解決任務的一些信息。
表 2-1：AI系統中“數據”的闡述
2、關于AI系統的輸出
AI系統對輸入的處理結果可以有不同的性質，這取決于系統的自動化水平。根據用例，AI系統可以僅產生原始的、技術性的輸出（如預測），或者它可以采取更有效的步驟來提出或應用自己對環境的行動（如建議、決策和最終行動）。關鍵的一點是，AI輸出是容易出錯的；輸出正確是概率性的，而非絕對真實。AI系統的設計者和用戶都需要了解，這樣的系統可能產生錯誤的輸出，以及使用這種錯誤輸出所帶來的責任問題。關于AI系統輸出的預測（prediction）→決策（decision）→行動（action）的含義及關系詳見下表2-2的描述。
表 2-1-2：AI系統輸出：預測→決策→行動的含義及關系
3、關于知識與學習
圖 2-0中虛線部分涉及到AI系統的知識與學習。AI系統用于處理和解決問題的模型是知識的機器可讀表示。這類知識主要有陳述性知識和程序性知識兩種類型。下表2-3詳細闡述了AI系統中知識（knowledge）的概念，包括知識與數據、信息的關系與區別等。學習主要是指機器學習（Machine Learning），它是指一個使用計算技術使系統能夠從數據或經驗中學習的過程。
表 2-3：AI系統中“知識”的闡述
欲詳細了解機器學習（ML）技術介紹的請進入。
三、人工智能（AI）的關鍵技術
人工智能（AI）正在以前所未有的速度重塑人類社會的運行方式，促進著人類社會文明的巨大進步，而其核心技術構成AI系統的“大腦”，鼎立AI的快速發展與演進。由于當今AI技術的高速發展，其AI相關技術層出不窮，但推動AI發展的關鍵技術，是AI最基礎、最根本的技術，包括AI的學習能力技術和AI的處理能力技術，進而構成AI的核心技術，即感知類技術、認知類技術和生成類技術。
欲詳細了解人工智能（AI）關鍵技術介紹的請進入。
四、AI技術的生態構成系統
大型的AI系統并不依賴于單一的技術，而是依賴于隨時間發展而積累的一系列技術組合。這樣的系統可以同時使用不同的技術，例如神經網絡、符號模型和概率推理。下圖4從AI的技術功能角度展示了AI技術的生態系統的構成。圖中，每一層都利用下層資源來實現其功能，其中顏色較淺的方框表示某一層或功能的子組件；圖層和子組件的大小并不代表它們的重要性。該生態系統從上至下共包括：應用、AI系統、AI功能、機器學習、工程、大數據與數據源、云計算與邊緣計算、資源池等不同的模塊。下表4是對各模塊的簡述。
圖 4：AI的技術生態系統構成
表 4：AI技術生態系統構成模塊的簡述
五、人工智能（AI）的挑戰
人工智能（AI）技術有別于傳統的信息通信技術，尤其是生成式AI技術正以前所未有的速度重塑人類社會的知識生產和信息交互方式。從文本生成到圖像創作，從代碼編寫到視頻合成，這項技術展現出的創造力已超越傳統工具的邊界。但伴隨著AI技術能力的指數級增長，其引發的倫理困境、合規難題、安全風險和社會沖擊等正在形成復雜的挑戰矩陣，需要從技術研發、法律規制、倫理建設等多維度構建應對體系。下表5具體給出了人工智能（AI）技術帶來的相關挑戰的描述。
表 5：人工智能（AI）技術帶來的相關挑戰的描述
