人工智能是数字化的趋势和表现吗？
因为人工智能比预想的要难，所以它的进步远远落后于计算机科学本身。但是，人类在实现自动化之后，需要实现智能化。因此，科学家们一直在对人工智能进行坚持不懈的研究。IBM在美国的“深蓝”计算机击败了棋王卡斯帕罗夫，日本大阪的机器人世界杯引起了公众对人工智能的关注。
人工智能经历了一个艰难曲折的过程。
早期的人工智能被用来解决难题，玩游戏，下棋等等，取得了很多成果，让人对它抱有不切实际的乐观。但是一旦用于解决实际问题，其弱点就暴露出来了，最著名的例子就是机器翻译的失败。于是人工智能在60年代走向低谷，直到70年代专家系统的成功，人工智能才重获生机。总结人工智能发展过程中正反两方面的经验，人们知道知识在智能中的重要作用。早期机器翻译的失败在于没有充分利用相关知识。由于语法和用词的模糊性，翻译出来的东西难免会前后矛盾，充满笑料。以简单句“光阴似箭”为例，有三种不同的翻译。第一个翻译是“光阴似箭”，即“光阴似箭”；第二种可以翻译成“苍蝇如箭”；第三种可以翻译为“光阴似箭”单从语法和意义的角度，这三种翻译都可以，但如果结合知识判断，只有第一种翻译是正确的。
鉴于知识在智能中的重要作用，1977年，“知识工程”从人工智能中分离出来，成为人工智能的基础技术。知识工程要研究和解决的是如何让计算机有效地利用知识。
因为知识工程是以知识作为信息处理的对象，所以需要区分知识和数据的区别。首先，数据是信息的显性表征，而知识是信息的隐性表征。比如“中国人口13亿”就是一个基于数据的信息，因为“13亿”的信息是明确的，可以直接使用。虽然“感冒了不要淋雨”也是日常生活中的常识，而且“淋”这个词也有明确的含义，但是“不要淋雨”的具体含义并不清楚，这是知识型的信息。如果你想让电脑明白它的意思，你必须告诉电脑，所谓的“不要洗澡”就是不要出门，出门也不要带雨具。
因为很多知识是用自然语言表达的，所以用计算机作为工具来处理知识还是有很多困难的。但目前知识已经应用到人工智能的各个领域，尤其是专家系统和机器翻译。鉴于知识对智力的重要性，“深蓝”还配备了一个庞大的数据库(知识库)，收集了100年来世界最高水平棋手的棋谱，还收集了很多棋子，即前五步棋的棋谱。目前，这个数据库已经收集了超过6543.8+0亿本棋谱。对“深蓝”击败棋王起到了很大的作用。
认知科学是人工智能取得突破的关键，数字技术的应用是人工智能的重要途径。人工智能进展缓慢的根本原因是人们还没有完全理解大脑是如何工作的，人们是如何认识事物的，人类的智能是怎么回事。只有理解了这些问题，我们才能在人工智能方面取得突破，让计算机和机器人变得更聪明，为我们做更多的事情。于是，一门集信息科学、哲学、心理学于一体的边缘学科——认知科学应运而生。认知科学主要研究人类认知的原理，智力的本质，以及人脑如何处理信息。根据对心脑关系的不同理解，认知科学目前分为两大流派，即象征主义和联结主义象征主义。认为认知(智力)的基本要素是符号，认知过程是符号表征的操作。人类的语言、文字和思维都可以用符号来描述，思维过程只是这些符号的储存、转换、输入和输出。总之，他是心脑二元论者，认为心脑是可以分离的。因为人类的思维被认为是用符号来描述的，只要把这种描述表达出来，能处理符号的机器能操作，就不难实现认知。所以它认为实现认知的关键是如何把知识表达成计算机可以识别的符号。这是人工智能诞生以来一直采用的基本方法。多年的实践经验表明，它在一定程度上是成功的。这次的“深蓝”原理也是基于这个理论。它战胜棋王也说明象征主义还是能解决实际问题的。
相反，联结主义认为符号是不存在的，认知的基本要素是实体本身。认知过程是大量神经相互连接，并由这种连接引起的神经元产生不同兴奋状态的过程。它认为心脏和大脑是不可分的，因为没有神经元的连接，就没有办法处理信息。联结主义是在神经计算机出现后才出现的，是对传统象征主义的挑战。需要指出的是，这两个学派虽然存在很大的差异，但都承认人脑是智力的物质基础，而思维是信息处理的某种形式。象征主义在解决一些简单问题上是成功的，但有很大的局限性。因为很多人的思维过程很难用符号来表达。有些涉及模糊性的东西，比如人的外貌、心情，是无法用符号来描述的。即使是“什么鸟会飞”这样简单的事情，也很难做到滴水不漏的描述。如果你回答“除了鸵鸟和企鹅，所有的鸟都会飞……”然后会问:“死鸟会飞吗？”即使排除死鸟，仍然存在“翅膀受伤的鸟能飞吗？”就机器人参与足球比赛而言，很难用符号来描述来球的情况。
联结主义没有难以形容的困难，因为它不使用符号。它在视觉处理、识别和理解以及语音识别方面显示出优势。但要实现柔性连接，对计算机软硬件的要求更高。在可预见的未来，这两个流派将同时并存，取长补短，各有所用。
人工智能专家系统的成功应用。人工智能的应用大致可以分为三类:专家系统、模式识别(包括图像识别、语音识别、机器翻译等。)和动作规划(如电脑象棋、机器人足球赛等。).其中，专家系统最容易实现，取得的成功也最大。专家系统是一种计算机软件，它使计算能够像专家一样解决某一类问题，所以俗称机器专家。它是人工智能应用最广泛的分支。
1979年美国三里岛核电站事故，1986年苏联切尔诺贝利核电站灾难性事故，都是因为没有及时做出正确的判断。
随着科学技术的发展，人们需要在复杂多变的情况下及时做出正确的判断，否则会造成严重的后果，如大型电站、化工厂的生产过程控制和国民经济的宏观决策。如果人们对这些事情的判断是完全的，有时候难免会出现错误。因为人的反应速度远不及计算机，也因为主观性、片面性、健忘性等。，“聪明人有时也会点头。”因此，有了专家系统来帮助人们共同做出判断和决策，可以取长补短。
另外，人类专家的数量总是有限的，有经验的专家也很少，无法满足所有患者的要求。如果专家系统能像名医一样诊断、开药方，就能有效解决名医(专家)不足的矛盾。况且每个专家都有自己的专长和不足。如果将许多专家的独特技能传授给专家系统，我们可以集思广益，向他人学习。而且，人总会老，总会死。如果及时将高峰期的专家经验传授给专家系统，就可以对专家经验进行系统的整理和总结，使之不至于失传。
总之，人类迫切需要像专家系统这样的助手，而且这种需求是多方面、多层次的。20世纪70年代，在知识工程的支持下，出现了第一批专家系统。早期专家系统的出色表现使其得到了社会的认可。最著名的例子之一是美国华盛顿大型钼矿床的确定。自第一次世界大战以来，人们试图确定其主要矿床的位置，但由于地质结构复杂，半个世纪以来一直没有解决。最后，通过找矿专家系统很容易找到主矿床。建立专家系统的目的是收集和整理专家的知识，并以计算机可以使用的形式存储在知识库中。在解题时，计算机从知识库中取出相关知识，经过推理，可以像专家一样得出结论。因此，在专家系统中，知识库和推理机制是最重要的，它们是专家系统的核心。
智能是推动人工智能发展的动力，人类需求自动化后的智能。比如在工业生产中大量使用机器人实现自动化后，希望机器人具有高度的智能，能够在更复杂的环境中，在千变万化的情况下有意识地工作，从而在第一产业和第三产业中使用机器人，完全取代人类的工作。让机器人参加世界杯，就是为了实现这个目标。正是人类实现智能化的伟大目标，它将成为人工智能不断发展的动力，成为改变我们生活的智能技术。随着科学技术的飞速发展，各种高科技涌入我们的世界，正在改变我们的生活、工作和我们的认识。各种具有一定智慧的智能技术正悄悄向我们靠近，并将成为21世纪的技术焦点。
此外，美国最近合成了一种塑料智能伪装技术，可以存储和释放热量。美国波士顿郊区陆军研发中心的一些科技专家多年来一直在研究“自适应颜色技术”，其中一项是智能仿生伪装技术，对人和装备进行伪装。这种智能仿生迷彩采用光敏器件和可以改变光输出的材料作为织物的基本纤维，结合一个背景色(环境色)光传感器和一个微型计算机。依靠计算机的对比处理功能，控制织物纤维的光输出，使光谱的成分接近背景色，达到了伪装的目的。
目前，荷兰正在一条10 km长的高速公路上试验智能照明。这种灯的发光强度由电脑控制，适应当时的气候条件和交通流量。据该实验的研究人员Gabel Fowler称，这是世界上首次使用智能灯。在进行实验的高速公路沿线设立了一些小型气象站，可以随时测量天气情况，并将测量信息发送到中央计算机。由压电材料制成的传感器铺设在高速公路的地面上，将路面的交通流量和道路信息传输到中央计算机。根据这些信息，中央计算机向智能灯发送指令，使其发出不同等级的光。