例如繁重的科学和工程计算本来是要人脑来承担的,如今计算机不但能完成这种计算,而且能够比人脑做得更快、更准确,因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”,可见复杂工作的定义是随着时代的发展和技术的进步而变化的,人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展,另一方面又转向更有意义、更加困难的目标。
研究范畴
语言的学习与处理,知识表现,智能搜索, 推理,规划,机器学习,知识获取,组合调度问题,感知问题, 模式识别,逻辑程序设计, 软计算,不*和不确定的管理, 人工生命, *网络, 复杂系统, 遗传算法人类思维方式,****关键的难题还是机器的自主 创造性思维能力的塑造与提升。
应用领域
机器翻译, 智能控制, *系统, 机器人学,语言和图像理解, 遗传编程机器人工厂,自动程序设计,航天应用,庞大的信息处理,储存与管理,执行化合生命体无法执行的或复杂或规模庞大的任务等等。
子符号法
80年代符号人工智能停滞不前,很多人认为符号系统永远不可能模仿人类所有的认知过程,特别是感知,机器人,机器学习和模式识别。很多研究者开始关注子符号方法解决特定的人工智能问题。
自下而上, 接口AGENT,嵌入环境(机器人), 行为主义,新式AI机器人领域相关的研究者,如RODNEY BROOKS,否定符号人工智能而专注于机器人移动和求生等基本的工程问题。他们的工作再次关注早期控制论研究者的观点,同时提出了在人工智能中使用控制理论。这与认知科学领域中的表征感知论点是一致的:更高的智能需要个体的表征(如移动,感知和形象)。计算智能80年代中D*ID RUMELHART 等再次提出 *网络和 联结主义. 这和其他的子符号方法,如模糊控制和进化计算,都属于计算智能学科研究范畴。