人工智能需要注意的三个发展方向
人工智能主要分为哪几个研究阶段，未来的发展方向是什么
人工智能主要分为哪几个研究阶段，未来的发展方向是什么人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。
现在，已经有很多人工智能研究的成果进入人们的日常生活。
从目前的一些前瞻性研究可以看出，未来人工智能可能会向以下几个方面发展：模糊处理、并行化、神经网络和机器情感。
人工智能产生于 20 世纪 50 年代，是计算机研究和应用到一定阶段的产物，是社会生产发展的要求和必然结果，也是人类认识自身的重要标志。
人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。
从计算机应用系统的角度出发，人工智能是研究如何制造出智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。
一、人工智能的研究阶段从50年代开始，人工智能的研究经历了以下几个阶段：第一阶段：50年代人工智能的兴起和冷落。
人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题、求解程序、LISTP 表处理语言等。
但由于消解法推理能力的有限以及机器翻译等的失败，使人工智能走入了低谷。
这一阶段的特点是：重视问题求解的方法，忽视知识重要性。
第二阶段：60 年代末到70 年代，专家系统出现，使人工智能研究出现新高潮。
DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-Ⅱ语音处理系统等专家系统的研究和开发，将人工智能引向了实用化。
并且，1969 年成立了国际人工智能联合会议。
第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展。
日本1982年开始了”第五代计算机研制计划”，即“知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。
虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。
第四阶段：80年代末，神经网络飞速发展。
人工智能的发展现状与我对人工智能的认识期末论文
人工智能的发展现状与我对人工智能的认识一．人工智能学科的认识1.人工智能简介摘自百度人工智能（Aritificial Intelligence，AI）是计算机科学的一个分支，它企图了解智能的实质，并生产出一种以人类智能相似的方式做出反应的智能机器。
人工智能的目的是模拟人的意识、思维的信息过程。
就目前来说，该领域的主要研究方向包括：机器人、语言识别、图像识别、自然语言处理和专家系统等，用来替代人类实现识别、认知、分类和决策等多种功能。
MIT教授认为人工智能是针对思想，感知，行动的支持模型建立的表示系统。
在我看来，对人工智能的学习，更是对人思维模型的认识与探索。
2.AI简史埃达洛夫莱斯是世界第一位编程师，她说：“分析引擎不呢个自命不凡，认为无论什么问题都能解决。
”这个观念流传至今，仍在AI领域发挥着不可撼动的地位。
人工智能的诞生注定是不凡的，在20世纪40年代和50年代，来自不同领域（数学，心理学，工程学，经济学和政治学）的一批科学家开始探讨制造人工大脑的可能性。
1956年，人工智能被确立为一门学科。
综合复杂知识领域的交错，让人工智能的发展也举步维艰。
、是从宏观的角度来讲，人工智能的历史按照所使用的方法，可以分为两个阶段，分水岭大概在1986年神经网络的回归——在前半段历史中，我们主要使用的方法和思路是基于规则的方法，也就是我们试图找到人类认知事物的方法，模仿人类智能和思维方法，找到一套方法，模拟出人类思维的过程，解决人工智能的问题。
后半段的历史，也就是我们现在所处的这个时期，我们主要采取的方法是基于统计的方法，也就是我们现在发现，有的时候我们不需要把人类的思维过程模拟出一套规则来教给计算机，我们可以在一个大的数量集里面来训练计算机，让它自己找到规律从而完成人工智能遇到的问题。
、以下则是人工智能的发展历程：一是起步发展期：1956年—20世纪60年代初。
人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
人工智能的职业发展方向
人工智能的职业发展方向在短短几十年的时间里，人工智能已经成为了全球科技领域的一个主要的发展方向。
随着人工智能技术的不断完善和应用，其在各个行业中已经开始深入发挥作用，也给职业带来了越来越多的机遇和挑战。
在未来，随着人工智能技术的不断发展，人工智能的职业发展方向也必然会随之不断变化。
本文将从技术发展、市场需求和人才储备三个角度，来展望未来人工智能的职业发展方向。
一、技术发展催生新的职业需求人工智能的发展必然带来新的职业需求，其中最为明显的就是需要具备相关技能的人才。
未来几年，随着机器学习和深度学习技术的发展，大数据分析和算法等方向将会成为人工智能领域的重点。
这就需要人才们具备扎实的数学、统计学等领域的知识，并且能够用编程语言来对数据进行分析和处理，为机器学习和深度学习提供前置条件。
同时，在人工智能领域工作的人员需要具备较强的沟通和协作能力，以便与团队的其他成员更好地配合工作，实现协同创新。
另一个需要用到的技术方向是自然语言处理和语音识别领域。
这方面需要熟悉自然语言处理的人才，了解自然语言处理的工作原理以及相应的机器学习算法。
而在语音识别方面，需要具备声学知识和数学分析知识，熟悉深度学习以及语音识别等相关技术。
这些方向的人才需求会随人工智能技术的进一步发展不断增长。
二、市场需求成为职业发展的重要方向市场需求也是人工智能职业发展的重要方向。
目前，国内外的各大企业都在加大在人工智能领域的投入，加速产品的研发和应用。
人工智能技术被广泛应用于金融、医疗、物流、retail电商、智慧城市等多个领域，并在这些领域的应用上取得了成功。
因此，各企业对于人工智能人才的需求逐渐增加。
人工智能领域的工作方向也因此变得更加多样。
在迅速发展的人工智能行业中，需要的人才不仅包括技术类人才，还需要拥有商业思维和营销能力的人才。
这类人才一方面需要掌握人工智能技术的核心知识，另一方面需要有足够的市场敏感性、商务思维和战略思维，能够从全局角度为人工智能的产品和服务开展市场营销活动，极具前瞻性和创新性。
机器学习在人工智能发展中的重要性与发展方向
机器学习在人工智能发展中的重要性与发展方向人工智能（Artificial Intelligence，简称AI）作为一门多学科交叉的技术和理论，旨在开发智能机器，使其能够模拟人类的智能行为和思维过程。
而机器学习（Machine Learning，简称ML）作为人工智能的一个重要分支，发挥着举足轻重的作用，成为推动人工智能快速发展的核心技术之一。
本文将从机器学习的定义、重要性以及未来的发展方向三个方面进行阐述。
1. 机器学习的定义机器学习是一种通过利用经验数据和统计方法，让计算机从中学习并自动改进性能，而无需显式地进行编程的一种方法。
简单来说，机器学习是让计算机自动从数据中学习规律，并能根据学习结果作出预测或进行决策。
与传统的编程方法相比，机器学习更加灵活和智能，能够处理更加复杂的问题。
2. 机器学习的重要性机器学习在人工智能发展中的重要性不言而喻。
它为人工智能系统提供了学习和适应的能力，使其能够不断优化和改进自身的性能。
具体而言，机器学习在以下几个方面发挥着重要作用。
首先，机器学习是人工智能的核心驱动力。
只有通过学习和积累大量的数据，并根据数据中的模式和规律进行自主学习和决策，人工智能系统才能具备智能的能力。
例如，图像识别、语音识别和自然语言处理等应用领域，依赖于机器学习技术的支持。
其次，机器学习能够实现个性化推荐和精准营销。
通过分析用户的行为数据和偏好，机器学习可以为用户提供个性化的推荐服务，提高用户体验和满意度。
同时，机器学习还可以根据用户的消费行为和需求，进行精准营销和广告投放，提高广告的点击率和转化率。
再次，机器学习可以帮助解决复杂的决策和预测问题。
在医疗、金融、交通等领域，机器学习能够通过分析大量的数据和模式，进行疾病诊断、风险评估、交通预测等工作。
这不仅提高了决策的准确性和效率，还为人们的生活和工作带来了便利。
最后，机器学习是实现自动化和智能化生产的基石。
在制造业和物流领域，机器学习可以通过学习和分析大量的传感器数据，实现设备的故障预警和维护优化，提高生产效率和质量。
3.请选择人工智能的一个发展方向,谈谈个人的看法。(不少于2
3.请选择人工智能的一个发展方向,谈谈个人的看法。
(不少于2近几年人工智能大热，几乎所有人都在讨论关于人工智能相关的话题，同时各个领域的突破也不少。
而人工智能领域任重而道远。
1、现阶段人工智能的瓶颈现在人工智能有很多突破，尤其在应用上有大量突破，但是实际上人工智能底层的技术研究的进展其实并不多。
人工智能总是能在不充分信息的情况下战胜人类选手，某种程度上说明人工智能又进了一步。
不过这种进步只是弱人工智能。
所以人工智能在现阶段最大的瓶颈，就是理论上和实际底层技术的发展。
2 、人工智能的三大发展方向虽然面临着理论和底层发展的瓶颈，人工智能终究还是有进展的，而人工智能领域的理解，可以总结为以下三个发展方向。
（1）、大数据向小数据过渡。
（2）、边缘计算。
（3）、终身学习。
就大数据向小数据过渡这一方向来说。
过去机器学习要用海量数据做训练，现在希望用尽可能少的数据做训练。
小数据不等于没数据，因为人工智能迄今还是基于归纳总结原理做出来的，也就是说在人工智能系统里面其实统计学更有意义。
但人工智能绝不能满足于此，人类是会推理的，可以在没有数据的情况之下判断事情该怎么做，小数据也不能真实模拟人类的这种判断。
我们可以想象这样一个场景：在一个雨夜里，你在一个崎岖的山路上开车，前面路中间有一堆土，土堆边上有一个看似穿着警服的人在挥手，摇着一个旗子让你下来，你下还是不下？如果你不下，勉强可以冲得过去，但如果你下来才是遵守指令。
这种时候，我们普通人会有很复杂的推导，比如这附近治安好不好？晚上天很黑的时候附近治安会不会有问题？另外我们人会看这个警察，他身上的装扮是不是真正的警察制服？周围的交通疏导装置是不是都安上了？如果只有一个人站在那，而没有相应的交通疏导装置，很多人会认为这是假的，就会想办法冲过去。
这些所有背后的复杂判断，不只是一个路面的问题，而且涉及到了社会安全，以及很多其它和交通无关的问题。
这些问题是迄今为止自动驾驶都无法判断的。
中国人工智能的发展方向和创业机遇
中国人工智能的发展方向和创业机遇+ 引言+ 背景介绍背景介绍：人工智能已成为当今世界科技领域的热门话题，其在各行业的应用日益广泛，推动着全球经济和社会的变革。
中国作为世界第二大经济体和人口最多的国家，正积极响应国家战略，加大人工智能技术和产业的发展力度。
随着技术进步和政策扶持，中国的人工智能产业蓬勃发展，迎来了前所未有的机遇。
同时，创业者们也看到了人工智能领域的广阔前景和丰厚利润，纷纷涌入这一领域，探寻着创业机会。
本文将就中国人工智能的发展现状、发展方向和创业机遇进行深入研究，旨在为相关从业者提供一定的参考和借鉴。
+ 研究目的研究目的：本论文旨在深入探讨中国人工智能的发展现状、发展方向和创业机遇，为相关领域的研究者、企业家和投资者提供全面的了解和参考。
具体目的包括：一是分析当前中国人工智能技术的发展水平，总结其在各个行业中的应用情况和效果；二是探讨中国人工智能未来的发展方向，包括政策驱动、技术创新及伦理和法规的影响；三是探讨中国人工智能领域的创业机遇，分析市场需求、创业领域、融资与投资环境等因素；四是探讨创业过程中可能面临的挑战和风险，如技术壁垒、市场竞争、政策法规等；五是通过分析国内外成功案例，总结成功经验和教训，为未来的创业者提供借鉴；最后，展望未来中国人工智能的发展趋势，以及创业生态系统的演变，为相关人士提出未来研究的建议。
+ 中国人工智能的发展现状+ 技术发展技术发展是中国人工智能发展中至关重要的一环。
随着大数据、云计算和物联网等技术的不断进步，人工智能技术也在不断创新和发展。
其中，深度学习、自然语言处理、机器学习等技术，已经在图像识别、语音识别、智能推荐等领域取得了显著的成就。
此外，人工智能技术也逐渐向“人类智能”的方向发展，如语音识别、自然语言生成等领域取得了重大突破。
同时，人工智能与大数据、云计算等技术的结合，也使得人工智能在医疗健康、金融、零售等多个行业的应用变得更加广泛，推动了产业升级和转型。
人工智能在语音识别和自然语言处理中的使用指南(五)
随着科技的不断发展，人工智能技术在各个领域的应用越来越广泛。
其中，语音识别和自然语言处理是人工智能技术的两大重要应用方向。
本文将从实际使用的角度出发，为读者介绍人工智能在语音识别和自然语言处理中的使用指南。
一、语音识别语音识别技术是指计算机系统可以识别和理解人类语音的能力。
目前，语音识别技术已经在智能手机、智能音箱、语音助手等产品中得到了广泛的应用。
在实际使用语音识别技术时，有几点需要注意：1. 环境干扰：语音识别技术对环境的要求比较高，环境噪音会影响语音识别的准确性。
因此，在使用语音识别技术时，尽量选择安静的环境，避免噪音干扰。
2. 发音清晰：语音识别技术对发音的要求也比较高，发音不清晰会影响识别效果。
因此，在使用语音识别技术时，尽量讲话清晰，不要口齿不清或者吐字不清。
3. 语速适中：语音识别技术对语速的要求也很高，语速过快或者过慢都会影响识别效果。
因此，在使用语音识别技术时，尽量保持适中的语速，不要太快也不要太慢。
二、自然语言处理自然语言处理技术是指计算机系统可以理解和处理自然语言的能力。
目前，自然语言处理技术已经在智能客服、智能翻译、智能写作等领域得到了广泛的应用。
在实际使用自然语言处理技术时，有几点需要注意：1. 上下文理解：自然语言处理技术需要结合上下文来进行理解，因此在使用自然语言处理技术时，需要尽量提供完整的信息，避免出现歧义。
2. 多语言支持：自然语言处理技术通常需要支持多种语言，因此在使用自然语言处理技术时，需要注意选择支持多种语言的产品或者服务。
3. 专业领域：自然语言处理技术通常需要针对不同的专业领域进行定制，因此在使用自然语言处理技术时，需要选择适合自己领域的产品或者服务。
三、人工智能技术的发展趋势随着人工智能技术的不断发展，语音识别和自然语言处理技术也在不断演进。
未来，随着深度学习、自然语言生成等技术的不断成熟，人工智能技术在语音识别和自然语言处理领域的应用将会更加广泛。
人工智能的发展与应用总结
人工智能的发展与应用总结近年来，人工智能（Artificial Intelligence，简称AI）在科技领域取得了长足的进展，并广泛应用于各个领域。
本文将对人工智能的发展与应用进行总结，并展望人工智能的未来。
一、人工智能的发展历程人工智能的起源可以追溯到上世纪五六十年代，随着计算机技术的不断发展，人们开始研究如何赋予计算机智能化的能力。
初期的人工智能主要集中在解决一些简单的问题，如象棋对弈、模式识别等。
但由于计算机硬件和算法的限制，人工智能的发展一度陷入停滞。
然而，随着计算机性能的提升和机器学习、深度学习等算法的发展，人工智能得到了快速的发展。
目前，人工智能已经走出了实验室，广泛应用于各个领域。
无论是自动驾驶、机器翻译、智能机器人还是金融风控、医疗诊断，都离不开人工智能的支持与应用。
二、人工智能的应用领域1. 自动驾驶自动驾驶是人工智能在交通领域的一个重要应用。
通过传感器和算法的支持，汽车可以自主感知并作出相应的驾驶决策。
自动驾驶技术的发展不仅提高了交通安全性，还为人们带来了便利。
未来，自动驾驶技术有望在物流、出行等领域产生更广泛的应用。
2. 金融风控人工智能在金融领域的应用也日益重要。
通过对海量数据的分析和挖掘，人工智能可以快速识别风险，减少金融风险的发生。
同时，人工智能还可以提供个性化的金融服务，满足不同客户的需求。
3. 医疗诊断人工智能在医疗诊断方面的应用为临床医生提供了重要的辅助。
通过对医疗影像、基因数据等的分析，人工智能可以提供快速、准确的诊断结果，帮助医生提高诊断效率和准确度。
此外，人工智能还可以在药物研发、病理分析等领域发挥重要作用。
4. 智能机器人智能机器人是人工智能在智能硬件领域的一个重要应用。
智能机器人可以代替人类完成一些机械性、重复性的工作，并且可以与人类进行交互。
在工业制造、家庭服务等领域，智能机器人的应用已经取得了显著的成效。
三、人工智能的未来展望人工智能的未来发展充满了无限的可能性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人工智能值得注意的三个研究方向李德毅1刘常昱2（1 中国电子系统工程研究所，北京，1008402 解放军理工大学，南京，210007）Three Directions Need to Pay More Attention to inArtificial Intelligence StudiesLI De-yi1 LIU Chang-yu2(1 China Institute of Electronic System Engineering, Beijing, 1008402 Department of Information Operation and Training of PLA National Defense University,Beijing,100091)摘要：人工智能在模式识别、知识工程、机器人等领域已经取得重大成就，但是离真正的人类智能还相差甚远。
本文阐述新世纪人工智能科学有三个非常值得关注的研究方向。
强调要在学科交叉研究中实现人工智能的发展与创新，要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透，尤其是重视认知物理学的研究；自然语言是人类思维活动的载体，是人工智能研究，尤其是知识表示无法回避的直接对象，要对语言中的概念建立起能够定量表示的不确定性转换模型，发展不确定性人工智能；要利用现实生活中复杂网络的小世界模型和无尺度特性，把网络拓扑作为知识表示的一种新方法，研究网络拓扑的演化与网络动力学行为，研究网络化了的智能，从而适应信息时代数据挖掘的普遍要求，迎接人工智能科学与应用新的辉煌。
关键词：学科交叉，认知物理学，数据场，云模型，网络化智能从1956年著名的达特茅斯（Dartmouth）会议算起，人工智能学科诞生已有50年的历史，先后出现有逻辑学派（符号主义）、控制论学派（联结主义）和仿生学派（行为主义）。
符号主义方法以物理符号系统假设和有限合理性原理为基础，联结主义方法以人工神经网络和进化计算为核心，行为主义方法则侧重研究感知和行动之间的关系。
这些理论和方法在模式识别、知识工程、机器人等领域取得伟大成就，极大地推动了科技进步和社会发展。
专家系统、智能控制、数据挖掘、智能机器人、智能社区随处可见，改变了我们的生活。
有人把人工智能与基因工程、纳米科学被并称为21世纪三大尖端技术。
人工智能自诞生之日起就引发了人们无限美丽的想象和憧憬，但人工智能的发展过程也存在着不少争议和困惑：什么才算是真正的“智能”？为什么再高级的电脑、再智能的机器与人类的智能相比仍然那么幼稚？为什么人工智能与人们最初的想象和期望仍然相距甚远？未来的人工智能发展方向中那些更值得我们更多地关注？最近十几年来，我们在国家自然科学基金项目、国家863计划、973计划的支持下，围绕不确定性人工智能做了一些研究工作。
这些研究正走向一个有机的整体，把许多重要的、但又是局部的结果，统一到一个令人满意的框架内。
这些研究也让我们深深陷入了对人工智能未来发展方向的思考。
1在交叉学科研究中实现人工智能的创新人工智能虽然常常被划分为计算机科学或自动化的一个分支，但它的研究范畴一直是很本文受国家自然科学基金资助（项目编号60496323）作者简介: 李德毅(1944－)男,江苏泰县人,博士生导师,中国工程院院士,主要研究领域为人工智能,指挥自动化，复杂网络等;刘常宽泛的，涉及到哲学、认知科学、行为科学、脑科学、生理学、心理学、语言学、逻辑学、物理学、数学以及信息论、控制论和系统论等许多学科领域。
人工智能这种综合性、交叉性的特征，早在它诞生之日起就已经得到体现。
在达特茅斯会议上，有包括数学、神经生理学、精神病学、心理学、信息论和计算机科学等多领域的学者参加，科学家们从各自学科的角度出发，根据不同的学科背景，强调了各自的重点，产生了激烈的碰撞。
尽管各自的出发点有所不同，它们都汇聚到研究人类智能活动的表现形式和认知规律，借用数理逻辑来形式化，用计算机作为载体，提供关于形式化计算和符号处理的理论，模拟人类某些智能行为和方法，构造具有一定智能的人工系统，让计算机去完成以往需要人的智力才能胜任的工作，从而诞生了“人工智能”这一交叉学科。
在目前人工智能发展难以有大的突破的情况下，回首它当初在起点时刻发生的学科碰撞，是十分有益的。
21世纪人工智能发展的主要动力，更是要来自更广泛学科的交叉渗透，而各自学科自身的飞速发展，尤其是信息科学的发展，为人工智能交叉研究提供了更为广阔的空间。
1.1重视和脑科学的交叉研究脑科学的目的是认识脑、保护脑和创造脑。
人工智能目前是用电脑模拟人脑，还力图制造人工脑。
因此脑科学和人工智能的交叉是必然的。
脑科学又称神经科学。
人脑被认为是自然界中最复杂、最高级的智能系统。
揭示脑的奥秘已成为当代自然科学面临的最大挑战。
对人脑的探索，人类走过漫长的道路。
早在公元前400年，古希腊医师希波克拉底（Hippocrates）就提出脑是智慧的器官；17世纪笛卡尔（Descartes）提出了“反射”的概念；19世纪末，卡赫尔(Cajal)发明的以他的名字命名的染色法奠定了神经元学说基础。
进入20世纪后，巴甫洛夫（Ivan Petrovich Pavlov）创立了高级神经活动的条件反射学说；40年代，微电极的发明开创了神经生理研究，对神经活动的认识出现了重大的飞跃；60年代，神经科学蓬勃发展，从细胞与分子水平研究脑科学；无创伤大脑成像技术为人们认识活体脑的活动及分析其机制提供了前所未有的强大工具。
90年代开始，人们开始重视脑科学研究中整合性的观点。
1989年，美国率先推出了全国性的脑科学计划，并把20世纪最后十年命名为“脑的十年”[参考文献]。
人类在探求脑的崎岖之路上迤逦而行，取得了辉煌成就，一群脑科学家获得了诺贝尔奖。
脑科学从分子水平、细胞水平、行为水平和整体水平对脑功能和疾病进行综合研究，并从脑的发育过程了解脑的构造和工作原理。
人工智能是研究怎样使计算机来模仿人脑所从事的推理、学习、思考、规划等思维活动，来解决人类专家才能处理的复杂问题。
应该说，对于人脑的研究是人工智能的必要前提。
脑的复杂性体现在它是由太数量级的神经元和千太数量级的突触联结的信息处理和决策系统。
人们的认知活动反应在大脑上很可能对应着一定的生理上的化学、电学的变化。
但是目前生命科学还不能在思维活动与亚细胞的化学、电学层次的活动建立确切的关系。
例如一个概念如何以生物学形式存储，它与其它概念发生联系的生物学过程是什么。
也不能决定什么样的神经构造可以决定着哪些认知模式的发生。
因而脑科学今后的任务仍将是从多层次来研究脑的整合功能，包括脑如何感知、如何思维、如何理解语言、如何产生情感，并将对神经活动的认识推向细胞和分子水平[参考文献]。
这些研究都将大大推动人工智能科学的发展。
尽管“脑科学十年计划”的研究，仍然没有能够解开意识的本质之谜，正在执行的“行为科学十年计划”，仍然想通过生命科学研究发明出“读心机”、“记忆丸”、“聪明丸”等，但这更有可能促进我们用机器去模拟人的智能的努力。
脑科学研究的进展对人工智能的影响是勿容置疑的，在对待脑科学与人工智能关系的问题上，要树立共同揭示脑功能的本质、模拟预防和治疗脑的疾病的机理，树立创造具备人脑局部特点的智能计算机的学科交叉意识。
1.2 重视和认知科学的交叉研究认知科学是从认知心理学发展起来的。
“认知科学”这个词汇，首次出现于公开发行物，可能是在1975年D.G.Bobrow和A. Collins编著的《Representation and Understanding: Studies in Cognitive Science》一书中。
1977年《Cognitive Science》创刊，1979年在加利福尼亚大学圣地亚哥分校召开了第一届认知科学会议，比人工智能的“达特茅斯”会议晚了23年。
在那次会议上，主持人诺尔曼（D. A. Norman）所作的报告《认知科学的12个主题》为认知科学的研究选择了目标，成为认知科学的纲领性文献[参考文献]。
认知科学是研究人类感知和人类思维过程的科学，包括研究感知、记忆、学习、语言和其它认知活动[参考文献]。
感知是大脑通过各种感觉器官接受外界的声、光、触、嗅等信息，其中视觉感知起着尤为重要的作用。
认知以感知为基础，知觉是脑对客观各种属性的综合反应，知觉的表达是研究其它各个层面认知过程的基础。
记忆是对感知的保持，有了记忆，当前的反映才能在在以前反映的基础上进行；有了记忆，人才能积累经验。
记忆和遗忘是大脑的本能。
学习是基本的认知活动，学习的神经生物学基础是神经细胞之间的联系结构突触的可塑性变化，该方向的研究已经成为当代脑科学中一个十分活跃的领域。
有人又把学习分为感知学习、认知学习和意义学习。
学习主要是通过语言来表达的，人类智能和其它生物智能最突出的差别就在于语言，尤其是文字语言。
语言以语音为外壳、词汇为材料、语法为规则。
语言是结构最复杂、使用最灵活、应用最广泛的符号系统。
人们通过语言进行思维的活动和认知的交流。
还有很多其它的认知行为，如注意、意识等[参考文献]。
通过许多生物的对比实验，来理解生物的心理活动和表象之间的关系[参考文献]。
人工智能要想在知识的表示、学习、存储、搜索、优化、预测、计划、判断、自适应等方面取得突破性成果，必然要把研究目标拓广到整个认知科学的理论、实验和实证中去。
1.3 重视和物理学的交叉研究人类在对客观世界的认识过程中，已经取得的最集中、最突出的惊人成就，当属物理学。
如：分子物理学、原子物理学、粒子物理学，还有天文学的大爆炸理论，大陆漂移说和进化论等。
迄今为止，物理学家已经发现，自然界存在万有引力、电磁力、强作用力和弱作用力四种相互作用，分别存在于不同尺度的物理现象中，形成所谓的层次。
人们对物质结构的认识，一方面去探索大尺度的目标，包括行星、星球、银河系等，另一方面积极探索微观世界，发现物质更小的构成单元，从分子、原子深入到原子核、再到中子、质子，进一步又深入到夸克层次。
用更统一的理论去覆盖这四中相互作用，是大物理学家们孜孜不断的追求。
诺贝尔物理学奖获得者李政道曾说：“科学，不管天文、物理、生物、化学，对自然界的现象，进行新的准确的抽象，科学家抽象的叙述越简单，应用越广泛，科学创造也就越深刻”。
如此精辟的结论，启发了一个深刻的问题：21世纪物理发展依然是简化归纳。
当今，人工智能研究中一个十分活跃的分支——数据挖掘，是逆早期以演绎为主的专家系统的潮流而动，人们期望能够通过对数据的分析、过滤、整合，挖掘，模拟人的认知和思维活动，发现新的知识，这种抽象的过程，本质是简化归纳。
那么，人类主客观的认知活动有没有相似之处？对人脑自身的认识是否可以借鉴对客观世界的认知呢？因此，可以预言，21世纪认知和思维科学发展的一个重要方向，就是把现代物理学中对客观世界的认知理论引伸到对主观世界的认知中来，就是我们孜孜所求的方向，不妨称之为认知物理学[参考文献]。