对于自然辩证法
本文对人工智能于人类智能进行了综合性的分析和研究，从科学和哲学的角度分别给以定义。论述了人工智能出现的必然性以及一些认识上的误区，说明了人工智能的出现对于社会发展的重要推动作用。对当前争论的关于人工智能于人类智能的关系问题提出了个人的观点。
摘要：人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
关键词：人工智能、人类智能、意思
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。但是这种会自我思考的高级人工智能还需要科学理论和工程上的突破。
1. 人工智能出现的意义以及对社会的影响
20世纪末，以人工智能为主导的信息技术日益显示出强大的生命力。过去的10年，无论是理论方面还是应用方面都取得了长足的进步。具体说来，科学技术发展的图景呈现出科学“转向”技术的趋势。结果是将人类带入信息社会。信息社会使人们的生存方式发生了巨大变革。纵观人类文明史，可以说没有任何技术象信息技术那样对人类社会产生如此巨大的影响。人工智能的出现大大缩短了很多科研项目的研究周期，需要数十年的研究可以在智能电脑的指导下很快得到结果。许多未解的数学定理很快就得到奇妙的证明。各种物理、化学、生物及历史、社会和自然现象很快会得到新的解释。治疗遗传病、癌症和艾滋病的药物顷刻问世。各种软件可按人的要求快速生产等等无一不是人工智能快速发展的结果。
同时，人工智能的发展也给人类带来了难以预见的威胁。首先是强大的智能工具威胁。人们可以利用它方便地设计制造更可怕的武器。有了它几乎谁都可以成为“超人”。其次是人类价值体系毁灭的威胁。人类在人工智能面前毫无秘密可言，因为一切进步和成绩都是电脑的功劳，人类能够做的不过是电脑终端暂时不能做的工作，即人类成了电脑的延伸，不再有成就感。人类曾经制造的东西可以大大超过人的肢体和五官的功能，人类当然以控制它们。问题是人造电脑的智能超过了人的大脑!究竟是谁控制谁?比人更加聪明的电脑决不会在;掌权;之前暴露自己控制人类的野心，它会一步步地逼人就范或让人甘心就范。 在生物的发展和进化中，只有人类成为了世界的主宰，其原因是人的智力优势而不在于体能。为什么人类不让位于比他们智力更强的电脑呢?有人一定害怕那种时代的到来，但也会有人欢喜那个时代。
人类有电脑关照，可以尽情享受大自然、艺术、体育和其他感官享乐，不再有阶级差别和由此带来的一切社会弊端。当然，前提是电脑要对人类友好，就象现在人类保护动物一样。那么人工智能的发展究竟要走向何方就变成了一个需要迫切关注的问题。在讨论人工智能与人类智能之前，我们必须要清楚实现人工智能所必须满足的条件。首先，人工智能必须是一个元系统或者说它的内部不得存在任何信息界面。子系统之间的界面问题是实现人工智能的最大障碍。任何人造系统必然存在一个界面，在这个界面上人和人工物的交互方式是兼容的。如果我们制造或模拟一个具有自我意识的“人工智能”系统，就应该在它的自我意识和自我人工物之间存在一个界面。其次，人工智能的行为指向遵守统计性规则而不是机械规则。我们对世界的理解来自对我们经验规律性的发现和学习。规律或因果律有两种，一是可精确重复的或可以预期的，二是统计的。人工智能的实现而不仅仅在于系统的复杂性，关键是如何解决统计性与机械性的界面问题。
2. 人工智能的科学定义
人工智能在科学层面上被定义为：研究怎样制造计算机，并(或)为其编程，使其能做心灵所能做的那些事情。这些事情中有一些被公认为是需要智能的：开药方或作医嘱，提供法律咨询，证明逻辑或数学定理。另外一些事情则不同，它们与教育背景无关，是所有正常的成年人都能做到的，有时甚至动物也能做到，其特点是不受意思支配，如看到阳光下的物体和影子，找到穿过复杂地形的小路，把木桩塞进洞里，用母语讲话，以及运用自己的常识等等。 在科学界，特别是IT界认为人工智能其实是一个逐渐演变的过程。电子数据处理的初期，人们就试图通过某些方法来实现自动决策支持，当时机器学习成为人们关心的焦点。随后，随着人工智能技术的形成和发展，人们的注意力转向知识工程，直接给计算机输入已被代码化的规则，而计算机是通过使用这些规则来解决某些问题。
随着智能化技术的发展，模糊集理论(Fuzzy Sets,FS)、人工神经元网络(Artificial Neural Network, ANN)、遗传算法(Geic Algorithm, GA)和粗糙集理论(Rough Sets, RS)等智能化方法被成功的运用于系统建模与控制。智能化方法的最大特点是可以利用人的经验，模拟人的思维方式去解决问题。从方法论的角度来看，方法之间的交叉是新方法产生的一种重要途径。传统方法与智能化方法、各种智能化方法的交叉是解决复杂问题的重要途径。下面对几种典型方法作以简单介绍。
专家系统(expert system)是发展最早，也是比较成熟的一种人工智能技术。一般地说，专家系统是一个具有大量专门知识与经验的程序系统，它根据某个领域的专家提供的知识和经验进行推理和判断，模拟专家的决策过程，以解决那些需要专家决策的复杂问题。专家系统的应用领域不同，采用的知识表示方式也可以有所不同，常用的知识表示方法有谓词逻辑、语义网络、产生式规则、框架和黑板等。
人工神经网络(artificial neural work，缩写为ANN)是模拟人类神经系统传输、处理信息过程的一种人工智能技术。自1943年Mcculloch和Pitts第1次提出模拟神经元以来，它迅速发展成为与专家系统并列的人工智能技术的另一个重要分支。与专家系统相比，人工神经网络最大的特点是采用神经元及它们之间的有向权重连接来隐含处理问题的知识，并具有以下特点：学习能力，在确定了ANN的基本结构后，运用学习算法对训练样本进行训练，可以实现知识的自我组织;自我学习能力，在学习完成之后，还具有一定的泛化能力;容错能力比较强，即使输入信号带有一定的干扰噪声，仍能给出正确的输出结果;神经元之间的计算具有相对独立性，便于并行处理，因此ANN的执行速度比较快。