1.1 生命与智能
根据宇宙学知识可知，地球至今约有46亿年的历史。达尔文进化论告诉我们，地球上的生命都是进化的产物。按照目前的生命科学理论，生命是通过无机物质的化学进化过程逐步演变来的，这个进化过程大体上是先由无机物质生成有机小分子，再由有机小分子形成活性大分子，又由活性大分子组成多分子体系，最后由多分子体系转化为原始生命。地球上曾经和现存的所有生命物种都是由原始生命进化而来的。生命诞生之后，就开启了长达32亿年的漫长进化历程。大约在5.8亿年前的寒武纪时代，地球表面上发生了“生物大爆炸”，在相对短暂的两千万年内，出现了现存的所有生物物种。各种生物通过适应复杂多变的自然环境，演化出了千百万个不同的物种。这一过程，进化论称之为“自然选择”。自然选择机制造就了今天的姹紫嫣红、千姿百态的大千世界。图1.1所示为几种自然界的生物，包括人类、黏菌、乌鸦和植物。
依据生物学可将生物世界总体上分为两大板块，即“原核生物界”和“真核生物界”，在此基础上它又被进一步划分为“五大王国”，即真菌、植物、动物、有核原初生物、无核原初生物（细菌）。尽管生物物种的外观各异，生存本领也千差万别，但是它们都具备作为生命所应具有的基本特征，如生长、发育、自复制、繁衍、新陈代谢等。实际上，除了上述基本特征，各种生命体还有另外一个最重要的特征—智能。对于生命而言，智能就是有生命的物种所具有的、与生俱来的环境适应能力和生存能力。
近些年，人们在微生物学、植物学、动物学等方面取得研究成果的同时也认识到，智能对于生物而言是一种普遍特征。小到细菌，大到鲸鱼，地球上的各种生物都具有不同程度的智能。细菌常常被人们认为是低等单细胞生物，然而，现代微生物学研究发现，细菌实际上具有许多和高等生物类似的智能特征。细菌不但能感知环境刺激，而且能将化合物作为分子“语言”进行个体间通信，以感知同种生物的存在及种群大小，从而在各种生存与适应过程中相互交流、协作行动，表现出了明显的群体性和社会性。细菌的这种智能被科学家称为“细菌群体智能”。
图1.1 自然生命形态
人们在日常生活中司空见惯的植物也是有智能的。虽然植物既不会开口说话，也听不见园丁们对它们评头论足，但在过去的30年中，人们陆续发现植物可以通过化学信号彼此交流。除了释放化学信号来保护同类外，植物还会用化学信号来欺骗昆虫。通过性欺骗来诱使昆虫授粉的例子比比皆是，例如，各大洲的兰花不约而同地进化出了通过模拟雌性昆虫分泌激素来吸引雄性昆虫这一技能。植物可以通过缠绕的根网与“邻居”进行交流，还可以通过根来哺育后代或是维持树桩的生命。当受到威胁（如干旱、病害等）时，植物可以通过根来交换信息。
在动物中，鸟类是比较受人类喜爱的物种之一。很多种鸟类不仅外表和叫声吸引人，而且有很高的智能程度。例如，人们熟知的乌鸦就是生物学家公认的最聪明的鸟类。人们熟知的“乌鸦投石喝水”的故事说明它们懂得利用工具来获取自己需要的食物和水。乌鸦还善于观察人类的行为，并通过借助外力来达到自己的目的。例如，在日本的一所大学附近的十字路口，经常会有乌鸦在等待红灯亮起；红灯亮时，乌鸦就会飞到地面上，把嘴里衔着的胡桃放到停在路上的汽车轮胎下，然后飞走；等绿灯亮时，汽车前进把胡桃辗碎后，乌鸦就会赶紧再次飞到地面上享用美餐。此外，它们甚至还可以“制造工具”以完成各类任务。
人们通常认为脊椎动物比无脊椎动物高级，即脊椎动物比无脊椎动物的智能程度更高。然而，海洋中的无脊椎动物章鱼在很多方面甚至比人类还要完美。章鱼的神经元数量超过了很多哺乳动物，达到33 000组，比人类都还要多10 000组。章鱼的大脑只有全身40%的神经元，其余60%的神经元都分布在8个腕足中，因此它的每个腕足都有着强大的独立行动能力，甚至在没有大脑干预的情况下也能完成很多事情。2003年，美国西雅图水族馆的生物学家挑选了一只名为Billye的北太平洋巨型章鱼，让它去打开一个瓶子。Billye在一个小时内就找到了窍门并成功开启了瓶子。在随后的尝试中，它只需要5min就能完成开启瓶子的任务，甚至可以从瓶子内部打开瓶盖。
从上面的几个例子可以看出，智能是任何生命体都具有的能力，只是在表现形式、水平和程度上有所区别。生命智能最基本的作用是使生命体得以生存和繁衍。无论是植物、动物，还是人类，都在各自的环境中发展出了适应环境并维持生存的能力。
1.1.1 什么是智能
人类作为地球上最高级的生物物种，其智能程度也是最高的。人类凭借其智能不仅能够适应环境和进行生存繁衍，还能够使用语言进行交流、发明各种工具主动改造环境、创造灿烂的文化。人类智能区别于动物智能的一个重要方面在于其能认识和反思自身的存在，发展知识和技能。人类善于利用概念和语言描述其所生存的世界。然而，在人类诞生之后的很长一段时间内，人类的头脑中并没有产生“智能”这一概念。在“智能”这一概念出现之后，它的内涵和外延随着人类对自身认识的深化而在不断变化。
例如，在中国古代思想家的头脑中，“智”与“能”是两个需要分开理解的概念。《荀子·正名篇》中有云：“所以知之在人者谓之知，知有所合谓之智。智所以能之在人者谓之能，能有所合谓之能。”其中，“智”指人在认识活动时的某些心理特点，“能”指人在从事活动时的某些心理特点。
中国古代也有人把“智”与“能”结合起来看待。在《吕氏春秋·审分》中有一段话：“不知乘物而自怙恃，夺其智能，多其教诏，而好自以，……亡国之风也。”东汉王充更是提出了“智能之士”的概念。他在《论衡·实知篇》中讲到：“故智能之士，不学不成，不问不知。”“人才有高下，知物由学，学之乃知，不问不识。”他把“人才”和“智能之士”相提并论，认为人才就是具有一定智能水平的人，这种观点实际上是将“智”与“能”结合起来作为考察人的标志。
人类所言的“智能”，作为一个现代概念，最初是在心理学领域诞生的。在西方，有3位美国心理学家分别在不同时期给出了对智能的不同表述和理解。
爱德华·李·桑代克（Edward Lee Thorndike）把智能分为3类：社会性的智能，即了解和管理别人或善于顺应人际关系的能力；机械性的智能，即了解和应用工具与机械的能力；抽象性的智能，即了解和应用观念与符号的能力。
路易斯·列昂·瑟斯顿（Louis Leon Thurstone）列举了智能的7项重要能力，即解释和理解文字、迅速想出适当的字以使言语流畅、解决算术问题、根据记忆绘出空间图样、记忆与回忆、把握事物细节并发现其异同点、发现解决问题的法则与推理原理等能力。
霍华德·加德纳（Howard Gardner）在1983年提出了著名的多元智能理论。该理论指出，由语言、数学逻辑、空间、身体运动、音乐、人际、自我认知、自然认知等8项智能组成了人类的多元智能，每个人都拥有不同的智能优势组合。按照加德纳的划分，智能是人在特定情景中解决问题并有所创造的能力。
从心理学领域对智能的描述中产生了现在人们对智能的一般意义的理解，即智能包含“智力”和“能力”。从感知、记忆再到思维的过程，可以称为“智力”，智力的结果产生了语言和行为，而语言和行为的表达或执行过程，称为“能力”，二者合称“智能”。
以上对人类智能的阐述并没有涉及智能的起源问题。人类智能的起源与人类的起源、生命的起源与本质、宇宙的起源以及人类智能的产生机制与本质等问题，至今都还是未解之谜。实际上，无论人类智能还是人工智能，都偏重于从现象和特征角度来理解智能。
尽管人类还不清楚智能的起源与产生机制，人类智能现象复杂奥妙，特征表现也丰富多彩，但并不等于说智能是神秘莫测、无法捉摸的，相反，人类是可以科学地对智能加以考察的。随着哲学、生物学、生命科学、神经科学、脑科学、心理学、认知科学以及计算机科学等各个相关学科理论与技术的发展和进步，人类对自身智能的理解越来越全面和深入。人类要创造和研究人工智能，不仅仅要从思维的角度来理解什么是智能，更要从生物、心理、行为、结构与功能、人与环境、人与社会等多个不同的维度来理解智能。
根据生命与智能的关系，结合对人类智能的一般理解，我们在这里给出一个关于智能的综合定义：智能是个体主动针对问题，感知信息并提炼和运用知识，理解和认知环境，采取合理可行的策略和行动，解决问题以实现目标的综合能力。
上述针对智能的定义涵盖了对所有生命的智能的理解，其包含三层含义，具体分析如下。
第一，智能是生命灵活适应环境的基本能力，无论对低级生命还是高级生命都是如此。
第二，智能是一种综合能力，包括获取环境信息，在此基础上适应环境，利用信息提炼知识，采取合理可行的、有目的的行动，主动解决问题等能力。其中，利用信息提炼知识是人类才有的能力。其他生物只能利用信息而不能提炼知识。
第三，人类的智能具有主观意向性。人的智能除了本能的行为以外，任何行动都有意向性，都可体现主观自我意识和意志。这种意向性的深层含义是人类具有将概念与物理实体相联系的能力，具体包括感觉、记忆、学习、思维、逻辑、理解、抽象、概括、联想、判断、决策、推理、观察、认识、预测、洞察、适应、行为等，其中除了适应和行为是人脑的内在功能的外在体现（显智能）外，其余都是人脑的内在功能（隐智能），也是人类智能的基本要素。人类和其他生物在面临一定问题时都会采取一定的行动，但只有人类通常会有意识、有目的、主动地解决问题或采取行动。用“深思熟虑”之类的词汇来描述人类智能最为合适。
更重要之处在于，与其他生物智能相比较，人类智能除了具有适应环境、利用信息等共有的能力和特征外，还涉及诸如意识（consciousness）、自我（self）、心灵（mind）、无意识的精神（unconscious spirit）、有意识的精神等方面。
爱因斯坦说：“智能的真正标识不是知识，而是想象。”人们对智能的定义和理解，都是基于智能的外在表现并通过观察、总结、归纳而得出的。人类薄薄的脑壳下面所包裹的大脑是如何通过神经细胞及其组成的网络，以及各种感觉器官，连同身体产生了感知、认知这个世界的智能的呢？组成大脑的物理物质又是如何产生意识和精神的呢？这一切问题至今都还是“剪不断，理还乱”的谜团。上述关于智能的综合定义和解释有助于读者全面地理解和认识人工智能。那么，什么是“人工智能”？这是我们下一小节将要介绍的内容。
1.1.2 图灵测试与人工智能
1950年，英国著名学者阿兰·图灵（Alan Turing）发表了一篇具有划时代意义的论文，名为《计算机器与智能》。在该篇论文中，他提出了一个用于判断机器是否有智能的想法：“如果一台机器能够与人类展开对话（通过电传设备）而不会被辨别出其机器身份，那么称这台机器具有智能。”
图灵的这个想法后来被称为著名的“图灵测试”。它可以被看作一个“思想实验”，测试内容如下：假想测试者与两个被测试者采用“问答模式”进行对话，被测试者一个是人，另一个是机器；测试者与被测试者被相互隔开，因此测试者并不知道被测试者哪个是人，哪个是机器；经过多次测试后，如果有超过30%的测试者不能确定被测试者是人还是机器，那么这台机器就算通过了测试，并被认为具有了人类智能。
图灵还为这项“思想实验”拟定了几个示范性的问题。
问：请给我写出有关“第四号桥”主题的十四行诗（十四行诗是欧洲的一种格律严谨的抒情诗体）。
答：不要问我这道题，我从来不会写诗。
问：34957加70764等于多少？
答：（停30s后）105721。
问：你会下国际象棋吗？
答：是的。
问：我在我的K1处有棋子K；你仅在K6处有棋子K，在R1处有棋子R。现在轮到你走了，你应该下哪步棋？
答：（停15s后）棋子R走到R8处，将军！
图灵指出：“如果机器在某些现实的条件下能够非常好地模仿人回答问题，以至提问者在相当长的时间里误认为它不是机器，那么该机器就可以被认为是有思维的。”
就技术层面而言，要使机器回答限定在一定范围内或者专业的问题，其完全可以通过计算机程序来实现。然而，如果提问者并不遵循规则，那么要使机器像人一样准确地回答每一个问题，这几乎是不可能完成的任务，举例如下。
问：你会下国际象棋吗？
答：是的。
问：你会下国际象棋吗？
答：是的。
问：请再次回答，你会下国际象棋吗？
答：是的。
看到上述问答内容，一般人都会认为与其交流的是一部笨机器。但如果问答的是下面这些内容呢？
问：你会下国际象棋吗？
答：是的。
问：你会下国际象棋吗？
答：是的，我不是已经说过了吗？
问：请再次回答，你会下国际象棋吗？
答：你烦不烦，干嘛老提同样的问题。
从最后一句回答内容来看，一般人都会认为回答者大概率是人而不是机器。上述两种测试过程的区别在于，第一种可令人明显地感到回答者是遵照某种规则在回答问题，第二种则令人感到回答者具有综合分析的能力，也就是回答者知道提问者在反复提出同样的问题。
图灵测试提供了一种测试机器智能的手段，但它仅限于文字和语言问答形式，因此，其并不能被作为判断机器是否具有智能的唯一标准。如今，图灵测试通过国际竞赛的形式一直在不断发展，测试的手段和方式不同以往，已经不是单纯地通过文字来测试机器是否具有智能，而是需要通过语音、图像、视频等多种手段进行测试。
为了将图灵测试付诸实践，美国科学家兼慈善家休·勒布纳（Hugh Loebner）于1990年设立了人工智能年度比赛“勒布纳奖”（Loebner Prize）（包括10万美元奖金和一块印有勒布纳与图灵头像的金牌）。勒布纳奖的设立旨在奖励首个与人类回复无差别的计算机程序，即聊天机器人系统，并以此推动图灵测试及人工智能的发展。
2014年6月7日是图灵逝世60周年纪念日。这一天，英国皇家学会举行了“2014图灵测试”大会。大会中设置的比赛规定：如果计算机程序不仅能以文本方式通过交谈测试，还能在音频和视频测试中过关，则获金奖。按照比赛规则，如果在一系列时长为5min的键盘对话中，某台计算机被误认为是人类的比例超过30%，那么这台计算机就被认为通过了图灵测试。此前，从未有任何计算机达到过这一水平。这次比赛中，一款称为 “尤金·古斯特曼”（Eugene Goostman）的聊天程序被宣称首次“通过”了图灵测试，其界面如图1.2所示。
图1.2 聊天程序“尤金·古斯特曼”界面
尤金最初于2001年由来自俄罗斯的弗拉基米尔· 维西罗夫 （Vladimir Veselov）、谢尔盖·乌拉森（Sergey Ulasen）和尤金·杰姆琴科（Eugene Demchenko）在俄罗斯圣彼得堡共同开发，它模拟的是一个13岁的乌克兰男孩。测试过程中的一段测试内容如下。
问：你是克林贡人还是一台计算机？
答：一个真正的战士绝不会问出这样的问题。
问：管他呢，回答我的问题。
答：你丝毫没有荣誉感!
问：你为什么不肯回答我的问题？
答：如果是别人这么问，那我当场就要他血溅此地！
问：好吧，好吧……那你平常都有哪些娱乐活动？
答：我旅行在鲜血汇成的河流之中！
问：不，说正经的，你都哪些业余爱好？
这次图灵测试大会共有5个聊天机器人参与，其中尤金成功地被33%的评委判定为人类。“尤金·古斯特曼”这个程序通过了图灵测试，这虽然看起来很夺人眼球，但它终究只是一套计算机软件，实际上就是一套人类对话的模拟脚本。从认知角度看，它谈不上是在思考。30%这个比例是图灵设置的，但是无论是这个比例还是图灵测试本身，实际上都不是人工智能的完美标准—它还属于一种测量计算机能否思考的操作性定义，因为智能是由多元的、多维的、综合性的因素融合而成的。聊天机器人展示的智能只是一个维度的，是非常有限的。智能也并不只在人类身上才具有。现阶段，人们研究人工智能更多思考的是如何让机器具有类人的、通用的智能，也就是既会聊天，又能理解人意，还能主动适应环境并采取行动的智能。图灵测试中并没有考虑与环境互动的因素。人工智能不仅要体现在语言表现上，还要体现在环境适应性上。
有鉴于此，麻省理工学院罗德尼·布鲁克斯（Rodney Brooks）教授提出了新图灵测试方法。这种图灵测试方法的目标是为发展通用人工智能奠定基础。它不是简单的文本图灵测试，而是家庭健康助理或老年护理机器人伴侣。他所说的机器人伴侣，并不是指一个表达善意的机器人伙伴，而是一种能够提供认知和身体上的帮助，让人们在自己家中安度晚年时能够有尊严地独立生活的机器人。机器人伴侣需要一种体现在身体上的智能，并且这个机器人必须完成对于人类而言仅需少量训练就能完成、但对于机器人而言目前无法完成的任务。布鲁克斯所描述的机器人伴侣智能的许多要求远远超出了当今人工智能系统的能力范围，无论是在认知上、生理上还是社交上，都是如此。这些问题的解决方案将对人工智能的研究和发展产生积极影响。
无论怎样，图灵测试的目的是测试机器是否达到了人工智能或人类感知的水平，是评判一台机器是否能够成功地模仿人类。图灵当初认为20世纪末就可能出现这样的机器。虽然这样的机器至今也没有出现，图灵也并没有明确地提出人工智能的概念或给出其定义，但他在论文中破天荒地提出“机器是否能够具有思维”这一问题激发了后来很多人的联想，而此前从没有任何一个人提出这一问题。
在人工智能的概念（在1.2.1小节中将会具体介绍人工智能这一概念诞生的历史）出现以后，处于人工智能不同发展阶段的专家们从不同角度给出了关于人工智能的很多定义，他们并没有达成一致意见。美国斯坦福大学人工智能研究中心的尼尔逊（Nelson）教授曾经将人工智能定义为“怎样表示知识、怎样获得知识并使用知识的科学。”美国麻省理工学院的温斯顿（Winston）教授则认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”中国工程院的李德毅院士在《不确定性人工智能》一书中对人工智能下的定义是“人类的各种智能行为和各种脑力劳动，如感知、记忆、情感、判断、推理、证明、识别、设计、思考、学习等思维活动，用某种物化了的机器予以人工实现。”
这里再列举几个典型的人工智能的定义。
（1）人工智能是研究那些使理解、推理和行为成为可能的计算。
（2）人工智能是一种能够执行需要人类智能的创造性机器的技术。
（3）人工智能是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习、问题求解等思维活动。
上述3个定义分别是从模拟理性思维、拟人行为、机器智能的实现角度给出的。第3个定义最接近人工智能的真实发展方向和目标，即创造出具有像人一样有智能，甚至超人类智能的机器。未来通过布鲁克斯新图灵测试的人工智能体，将会符合第3个定义，但定义中应补充“同时还应具备随思维活动而来的环境适应和行动能力”。
归根结底，上述定义都可以归结为：人工智能是研究智能的机制和规律，构造智能机器的技术和科学。也可以说，人工智能是研究如何使机器具有智能的科学。
在社会上，人们更多的是从学科和工程技术角度来理解人工智能的。例如，作为一个新学科，人工智能是研究用于模拟、延伸、扩展和学习人类智能的理论、方法、技术及应用系统的学科。这里我们需要指出的是，人工智能中的“智能”主要指人类的智能，但人工智能的模拟对象也包括了很多动物。若非特别指出，后文中所提的智能模拟对象均指人类的智能。
1.1.3 人工智能图谱
人工智能诞生之后，由于技术路线上的差异，人工智能发展出了多种不同的类型。图1.3所示为现阶段人工智能的主要类型。智能源于自然，人工智能使智能开始走向非自然。因此，在图1.3中，我们将智能划分为自然智能和人工智能两大类型。自然智能就是指自然存在的智能，地球上各种生命所拥有的智能都是自然智能，包括人类和非人类生命所拥有的智能。从智能与人工智能的关系角度，可以将“人工智能”看作“智能”的一种特殊形态。
图1.3 人工智能研究图谱
人工智能总体上可以被划分为机器智能、混合智能和群体智能3种类型。其中，机器智能与人工智能在历史上是没有区别的。这里之所以将机器智能看作人工智能的子类，首先是出于对人工智能的概念内涵的理解，它的研究对象是机器的智能；而它的外延又十分广泛，它并不特指某一种具体的软硬件技术或系统，但它一定要通过软硬件系统才能实现。这些软硬件系统也就是某种机器，如常用的计算机、机器人等。其次，人工智能从其诞生开始，一直是通过各种技术对人类智能进行模拟或实现的，历史上各个阶段的技术并没有表现出什么特别之处。直到2015年以后，大数据技术以及一种被称为深度学习的算法技术的发展和应用使机器（主要是计算机）产生了不同于人类的智能，尤其是机器在围棋领域取得的突破。这种现象表明，非自然的机制可以产生不同于人类甚至在某些方面超越人类的智能。这种智能是机器所特有的，正如人类智能是人类所特有的一样。因此，这里将机器智能看作人工智能的子类。
当然，从“人工”的角度，我们也可以说机器智能就是人工智能，因为它们都是人类创造的产物。但在本书中，我们强调智能的产生机制及其所属的对象即机器，而不强调“人工”，这是因为只有重视和强调智能的产生机制，才更有可能发展出更高级的人工智能。同时，限定人工智能概念的外延，能够防止其被滥用和误解。
机器智能可以从模仿对象和产生机制角度进一步被划分为其他类型。从模仿对象角度，机器智能可以被划分为仿生智能、仿人智能两种类型，分别对应机器动物和机器人两大类型载体。模仿动物外形、动作或行为等外在表现形式的仿生智能载体就是机器动物，各种机器动物也就是能够超越动物智能的智能机器，如模拟狗做成的机器狗能够做360°的前空翻、后空翻、侧空翻等复杂动作，而完成这些复杂动作是狗这种自然动物所不具备的能力。由专门模仿人类外在行为发展而来的智能机器就是机器人。模拟人或动物的运动行为规律而形成的智能是行为智能。
除了行为智能，现阶段机器智能的实现主要包括3个方面：借助现代计算机及传感器，可使机器通过视觉、听觉形成对内部和外界环境的感知，即感知智能；通过一定的方法使机器能够处理语言、文字，形成语言智能；人类的学习、理解、推理、决策等更高级的认知能力在机器上也已初步实现，机器通过对这类智能的模拟形成了认知智能，只不过还没有达到与人类一样或者超越人类的水平。
计算机这种特殊的机器利用特殊的算法通过计算的方式，在棋类博弈、文学艺术创作、材料分析、化合物设计等领域的表现令人类叹为观止，这种直接挑战人类引以为傲的创造力的机器智能可进一步被称为“机器创造”。机器智能还可表现为超级计算机凭借其远超人类的计算能力而呈现出的智能，如利用超级计算机预报气候、预测蛋白质结构等，这些都不是人类智能所能直接解决的问题。
除了机器智能，人工智能还有群体智能和混合智能等主要类型。传统的群体智能主要是指受到蚂蚁、蜜蜂等社会性昆虫的群体行为启发的智能算法，该类算法以1991年意大利学者马尔科·多里戈（Marco Dorigo）提出的蚁群优化（Ant Colony Optimization，ACO）算法以及1995年詹姆斯·肯尼迪（James Kennedy）等学者提出的粒子群优化（Particle Swarm Optimization，PSO）算法为代表。在我国于2018年发布的《新一代人工智能发展规划》中，群体智能有了新的含义。它演变为以互联网及移动通信为纽带，使人类智能通过万物互联而形成的一种新智能形态或方法。目前，基于群体开发的开源软件、基于众问众答的知识共享、基于群体编辑的维基百科等都被看作人类群体通过网络协作而形成的群体智能成果。
混合智能主要是指通过脑机接口、可穿戴以及机器外骨骼等技术与人或动物的自然智能相混合而实现的智能。混合智能可以通过与人类智能的混合来弥补机器智能在推理、决策等能力方面的缺陷，还可以利用机器增强人类体能等方面的能力。例如，通过机械外骨骼可以增强人的体能，使人能够举起几倍于自己身体的重物；通过脑机接口技术可以让残疾人通过脑电波（Electroencephalogram,EEG）控制机械臂完成端茶倒水等任务。如果仅是利用各种计算模型或算法，则不可能产生适用于各种任务、问题和环境的通用型人工智能。
长期以来，人们总是试图赋予机器更多的像人一样的智能（类人的智能）。类脑智能是指通过对大脑的结构等方面的模拟实现类人的智能。由此衍生的类脑计算为使计算机拥有自主学习、独立思维等能力提供了一条可能的途径。类脑计算通过仿真、模拟和借鉴人脑的神经系统结构和信息处理过程，构建出了可实时处理多种模式信息的、具有自主学习能力的装置、模型与方法。科学家们利用电子技术、芯片技术或虚拟仿真技术模拟大脑宏观、微观结构，设计类脑计算机和人工大脑，最终实现类人的智能。但人类要想真正实现高度类人的通用人工智能或强人工智能，还需要进一步理解自身的大脑智能的产生机制。
传统意义上，人们一般将人工智能划分为弱人工智能与强人工智能两大类。对于人工智能而言，弱人工智能研究的目的并不在于模拟真实的人类智能，而在于构造一些并非完全和人类智能相一致的有用的算法，以便完成一些人类很难完成的任务。只是模拟人类某一方面的智能或解决单一问题的人工智能都属于弱人工智能。相反，强人工智能研究的目的就在于创造出具有真实人类智能和意识的人工心灵。强人工智能通常被描述为具有知觉、自我意识并且能够思考的人工智能，是达到甚至超越人类智能水平的人工智能。
事实上，在发展人工智能的过程中，研究人员提出了很多实现人工智能的不同理论、方法和技术。理论和方法用于指导研究人员设计各种各样的具体的算法、模型或软硬件系统。目前人们利用各种算法实现的人工智能都只能解决某一方面的问题，或者只能在特定场景执行特定的任务，而不具备适应不同任务和场景模式的通用智能。例如，识别人脸的算法不能用于识别物体，识别声音的软件不能用于阅读文字，清洁机器人不会帮人洗碗筷、叠被子等。因此，现在的机器所具有的智能都属于专用智能，即弱人工智能。
实现这些智能算法、模型以及软硬件系统的技术都可以被称为智能技术或者人工智能技术。当这些算法或模型搭载在某种软硬件系统中并可解决某些特定和专门的问题时，它们就构成了智能系统。智能系统可以是小到一个特定场景中的硬件系统，如汽车自动驾驶系统、智能家居系统，也可以是大到整个医院、整个城市的智能医院、智能城市等。这些系统都是人工智能概念及技术在某些行业或领域的延伸应用。
加载了智能技术或系统，代替人类在不同场景中解决问题、执行危险或困难的任务的机器就是智能机器。智能机器不同于传统机器之处在于，它们不仅可以在一定程度上代替人类完成某些任务，还具有某些智能特征。也就是说，它们是具有智能属性的机器。
机器可以是计算机，也可以是各种机器人，还可以是某种家用电器。实际上，人类非常希望实现一种集感知、认知、语言、行为等多种功能于一身的智能机器。这种智能机器能够像人一样适应各种复杂的环境，能够帮助人们解决各种复杂、困难的问题甚至代替人类完成危险任务，但这种智能机器只是一种理想状态的通用人工智能实现之后的产物。如何实现通用人工智能呢？很遗憾，目前还没有答案，不过科学家们一直在进行积极的探索。未来，随着技术的发展和进步，世界上可能会出现能够适应不同环境和场景、解决不同问题的通用人工智能，也就是强人工智能，当然我们也应认识到，发展强人工智能的道路还很漫长。
任何类型的算法、模型、系统以及搭载它们的机器本身都不是人工智能，而是实现人工智能的手段或载体。单纯的某一个或某一类理论、方法、算法、模型、系统、机器，无论其性能多么强大，都不能笼统地、简单地称之为“人工智能”，更不能将它们直接看作人工智能。