从AI基础角度看，知识是人类智能的基石，人工智能也不例外。无论是阶级斗争、生产斗争还是科学实验，人类智能活动的本质，其实就是获取知识、运用知识的过程。

人工智能，本质上是交叉学科，其基础是如何用计算机模拟人脑智力功能。要理解AI基本概念，必须回答三个核心问题：如何获取知识（知识获取）、如何在计算机中表示和存储知识（知识表示）、如何运用知识进行推理和解决问题（知识推理）。

在日常对话和AI基础研究中，“知识”一词随处可见。“要掌握现代科学知识”“知识越多机会越多”等说法，都揭示了它的重要性。知识范围很广：有大众熟悉的常识，也有专业人士才懂的领域知识。那么，到底什么是知识？它有哪些特性？与我们常说的“信息”有何区别？这些是理解人工智能基础的关键。

现实世界每时每刻都在产生海量信息，但信息需以某种形式“固定”下来，才能被记录和传递。在计算机世界，最常见的载体是数据——一串串符号和组合。数据是记录信息的符号，是信息的载体；而信息是对数据的解释，是数据在特定场合下的含义。两者结合，才能准确描述事实，这是知识表示的核心。

当然，数据与信息不同。同样数据在不同环境下含义截然不同。例如“100”可以是“100元钱”“100个人”，或考试成绩的“100分”。反过来，相同信息也可以用不同数据表示。地下工作者传情报时，可用诗词每句首字拼成一句话，或斜对角线上的字，甚至用代码或数字传达。信息需靠数据传递，但并非所有数据都含信息——只有有格式的数据才有意义。对信息的理解因人而异，目标是增长知识，这正是知识获取和知识推理的基础。

人工智能的基本概念有哪些？核心基础知识解析

关于人工智能，很多人最早从电影《人工智能》中知道这个概念。但电影故事与工程实践相去甚远。生活中“人工智能”更多指智能手机、智能家居、智能汽车等具体产品，离通用人工智能还很远。因此，从AI基础入门，梳理基本概念十分必要。

概念梳理得益于经典教材《人工智能，一种现代的方法》。该书绪论用三个小标题清晰定义AI基础：1. 什么是人工智能；2. AI基础；3. 人工智能历史。这是理解AI基本概念最清晰的路径。

教材解释，人工智能核心追求类人行为、类人思考、理性思考、理性行动。AI基础涉及哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学等多个学科。发展历程包括孕育、诞生、早期热情、现实困难等阶段。简言之，类人行为是外在表现，类人思考是智能基础，理性思考和行动意味着接近甚至超越人类智能水平。

人工智能工程从业者张思楠对此有独特理解。他认为智能可拆成“智慧”和“能力”，核心是获取和运用知识的能力，包括识别、推理演绎、归纳、统计与分析，以及补充和应用已掌握知识。研究人类情绪波动属生物心理学或仿生学范畴，人工智能应聚焦“智能”本身。AI是智能实体，在标准和功能上要求接近或超越人类，但不意味着运行模式与人类完全相同，因为从机器角度看，人类自身“漏洞”更多。

关于人工智能是一门什么科学，张思楠认为其主旨是研发智能实体，本质上属于工程学。但工程需技术支撑，技术来自多学科学习：数学、逻辑学、归纳学、统计学、系统学、控制学、工程学、计算机科学，还包括哲学、心理学、生物学、神经科学、认知科学、仿生学、经济学、语言学等。AI是集数门学科精华于一身的尖端学科，其基础学科涵盖广泛。人工智能科学家往往同时是数学家、逻辑学家、数理逻辑学家、哲学家等。未来可能出现一门“人工智能学”新学科。

至于人工智能发展历程，广义上可追溯到古代，历史上不乏智能研究闪光点。狭义发展史从20世纪40年代算起。研究从神经网络起步，得益于弗雷格、罗素、怀海特在数理逻辑上的工作，以及图灵计算理论。1950年，第一台神经网络计算机SNARC问世。此后AI研究分两条路：连接主义派（神经网络）和符号模型派。早期连接主义处于劣势，直到1980年左右才重新获得重视，此前经历“人工智能冬天”困难时期。

人工智能商业应用基础转折点是商用专家系统R1服务于DEC，为公司节省数千万美元。这一成功让行业过度乐观，几乎所有有实力的公司都成立AI研发小组。但许多公司因无法实现预定目标而垮掉。1990年后，AI问题得到较好解决，WEB应用推动AI产业蓬勃发展。搜索引擎是AI技术最典型的日常应用，也是AI基础技术的重要体现。

当然，人工智能发展始终伴随质疑。霍金曾警告“AI完全体可能意味着人类终结”，马斯克担心AI发展是人类生存最大威胁，比尔·盖茨也提醒保持警惕。这些疑虑正常，进化必然伴随风险与质疑，但不能因此放弃推进。今天AI拥有比以往任何时期更好的发展环境——大数据、数据挖掘、神经网络、云计算，都成为其成长温床。

曾几何时，诸葛亮木马流牛让人神往又困惑。如果真有其事，也算一种初级人工智能。今天，我们需要思考和憧憬比木马流牛更高级、更奇妙的人工智能。在理清这些基本概念后，下一步自然要聊聊人工智能发展现状和现实问题。