人工智能

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、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。 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。2017年12月，人工智能入选“2017年度中国媒体十大流行语”。

中文名：人工智能
外文名：ARTIFICIAL INTELLIGENCE
简称：AI
提出时间：1956年
提出地点：DARTMOUTH学会
相关课程：大咖分享提高人工智能开发效率经验
去学习浅析人工智能，探秘无人驾驶

人工智能发展到了什么水平？人工智能的终极状态是什么？自动驾驶和无人驾驶有区别吗？哪种叫法更为严谨？在自动驾驶汽车方面，中国在世界上水平如何？仿生机器人目前发展前景如何？未来什么领域不太可能被机器人替代？
2020-11-23中国管理科学研究院科技管理研究所

研究价值发展阶段科学介绍技术研究专业机构主要成果相关著作发展简史研究课题流行语

人工智能机器人
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。

关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND））等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。

人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“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。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

研究价值
例如繁重的科学和工程计算本来是要人脑来承担的，如今计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因此当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”，可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，另一方面又转向更有意义、更加困难的目标。

具有人工智能的机器人
通常，“机器学习”的数学基础是“统计学”、“信息论”和“控制论”。还包括其他非数学学科。这类“机器学习”对“经验”的依赖性很强。计算机需要不断从解决一类问题的经验中获取知识，学习策略，在遇到类似的问题时，运用经验知识解决问题并积累新的经验，就像普通人一样。我们可以将这样的学习方式称之为“连续型学习”。但人类除了会从经验中学习之外，还会创造，即“跳跃型学习”。这在某些情形下被称为“灵感”或“顿悟”。一直以来，计算机最难学会的就是“顿悟”。或者再严格一些来说，计算机在学习和“实践”方面难以学会“不依赖于量变的质变”，很难从一种“质”直接到另一种“质”，或者从一个“概念”直接到另一个“概念”。正因为如此，这里的“实践”并非同人类一样的实践。人类的实践过程同时包括经验和创造。

这是智能化研究者梦寐以求的东西。
2013年，帝金数据普数中心数据研究员S.C WANG开发了一种新的数据分析方法，该方法导出了研究函数性质的新方法。作者发现，新数据分析方法给计算机学会“创造”提供了一种方法。本质上，这种方法为人的“创造力”的模式化提供了一种相当有效的途径。这种途径是数学赋予的，是普通人无法拥有但计算机可以拥有的“能力”。从此，计算机不仅精于算，还会因精于算而精于创造。计算机学家们应该斩钉截铁地剥夺“精于创造”的计算机过于全面的操作能力，否则计算机真的有一天会“反捕”人类。

当回头审视新方法的推演过程和数学的时候，作者拓展了对思维和数学的认识。数学简洁，清晰，可靠性、模式化强。在数学的发展史上，处处闪耀着数学大师们创造力的光辉。这些创造力以各种数学定理或结论的方式呈现出来，而数学定理最大的特点就是：建立在一些基本的概念和公理上，以模式化的语言方式表达出来的包含丰富信息的逻辑结构。应该说，数学是最单纯、最直白地反映着（至少一类）创造力模式的学科。

发展阶段
记录片 人类对的好奇从未停止，人工智能成到达远方的加速引擎

1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。IBM公司“深蓝”电脑击败了人类的世界国际象棋冠军更是人工智能技术的一个完美表现。

从1956年正式提出人工智能学科算起，50多年来，取得长足的发展，成为一门广泛的交叉和前沿科学。总的说来，人工智能的目的就是让计算机这台机器能够像人一样思考。如果希望做出一台能够思考的机器，那就必须知道什么是思考，更进一步讲就是什么是智慧。什么样的机器才是智慧的呢？科学家已经作出了汽车，火车，飞机，收音机等等，它们模仿我们身体器官的功能，但是能不能模仿人类大脑的功能呢？到目前为止，我们也仅仅知道这个装在我们天灵盖里面的东西是由数十亿个神经细胞组成的器官，我们对这个东西知之甚少，模仿它或许是天下最困难的事情了。

当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月中，无数科学家为这个目标努力着。如今人工智能已经不再是几个科学家的专利了，全世界几乎所有大学的计算机系都有人在研究这门学科，学习计算机的大学生也必须学习这样一门课程，在大家不懈的努力下，如今计算机似乎已经变得十分聪明了。例如，1997年5月，IBM公司研制的深蓝（DEEP BLUE）计算机战胜了国际象棋大师卡斯帕洛夫（KASPAROV）。大家或许不会注意到，在一些地方计算机帮助人进行其它原来只属于人类的工作，计算机以它的高速和准确为人类发挥着它的作用。人工智能始终是计算机科学的前沿学科，计算机编程语言和其它计算机软件都因为有了人工智能的进展而得以存在。

2019年3月4日，十三届全国人大二次会议举行新闻发布会，大会发言人张业遂表示，已将与人工智能密切相关的立法项目列入立法规划。

科学介绍/实际应用
机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。

学科范畴
人工智能是一门边缘学科，属于自然科学和社会科学的交叉。
涉及学科
哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论
研究范畴
自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法
意识和人工智能
人工智能就其本质而言，是对人的思维的信息过程的模拟。

对于人的思维模拟可以从两条道路进行，一是结构模拟，仿照人脑的结构机制，制造出“类人脑”的机器；二是功能模拟，暂时撇开人脑的内部结构，而从其功能过程进行模拟。现代电子计算机的产生便是对人脑思维功能的模拟，是对人脑思维的信息过程的模拟。

弱人工智能如今不断地迅猛发展，尤其是2008年经济危机后，美日欧希望借机器人等实现再工业化，工业机器人以比以往任何时候更快的速度发展，更加带动了弱人工智能和相关领域产业的不断突破，很多必须用人来做的工作如今已经能用机器人实现。<而强人工智能则暂时处于瓶颈，还需要科学家们和人类的努力。

技术研究
用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。

研究方法
如今没有统一的原理或范式指导人工智能研究。许多问题上研究者都存在争论。其中几个长久以来仍没有结论的问题是：是否应从心理或神经方面模拟人工智能?或者像鸟类生物学对于航空工程一样，人类生物学对于人工智能研究是没有关系的？智能行为能否用简单的原则（如逻辑或优化）来描述？还是必须解决大量完全无关的问题？

智能是否可以使用高级符号表达，如词和想法？还是需要“子符号”的处理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提议人工智能应归类为SYNTHETIC INTELLIGENCE，[29]这个概念后来被某些非GOFAI研究者采纳。 大脑模拟

主条目：控制论和计算神经科学
20世纪40年代到50年代，许多研究者探索神经病学，信息理论及控制论之间的联系。其中还造出一些使用电子网络构造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 这些研究者还经常在普林斯顿大学和英国的RATIO CLUB举行技术协会会议。直到1960， 大部分人已经放弃这个方法，尽管在80年代再次提出这些原理。

符号处理
主条目：GOFAI
当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能是否能简化成符号处理。研究主要集中在卡内基梅隆大学， 斯坦福大学和麻省理工学院，而各自有独立的研究风格。JOHN HAUGELAND称这些方法为GOFAI(出色的老式人工智能)。 60年代，符号方法在小型证明程序上模拟高级思考有很大的成就。基于控制论或神经网络的方法则置于次要。60~70年代的研究者确信符号方法最终可以成功创造强人工智能的机器，同时这也是他们的目标。

认知模拟经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和尝试将其形式化，同时他们为人工智能的基本原理打下基础，如认知科学， 运筹学和经营科学。他们的研究团队使用心理学实验的结果开发模拟人类解决问题方法的程序。这方法一直在卡内基梅隆大学沿袭下来，并在80年代于SOAR发展到高峰。基于逻辑不像艾伦·纽厄尔和赫伯特·西蒙，JOHN MCCARTHY认为机器不需要模拟人类的思想，而应尝试找到抽象推理和解决问题的本质，不管人们是否使用同样的算法。他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题，包括知识表示， 智能规划和机器学习. 致力于逻辑方法的还有爱丁堡大学，而促成欧洲的其他地方开发编程语言PROLOG和逻辑编程科学.“反逻辑”斯坦福大学的研究者 (如马文·闵斯基和西摩尔·派普特)发现要解决计算机视觉和自然语言处理的困难问题，需要专门的方案-他们主张不存在简单和通用原理（如逻辑）能够达到所有的智能行为。ROGER SCHANK 描述他们的“反逻辑”方法为 "SCRUFFY" .常识知识库 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子，因为他们必须人工一次编写一个复杂的概念。基于知识大约在1970年出现大容量内存计算机，研究者分别以三个方法开始把知识构造成应用软件。这场“知识革命”促成专家系统的开发与计划，这是第一个成功的人工智能软件形式。“知识革命”同时让人们意识到许多简单的人工智能软件可能需要大量的知识。

子符号法
80年代符号人工智能停滞不前，很多人认为符号系统永远不可能模仿人类所有的认知过程，特别是感知，机器人，机器学习和模式识别。很多研究者开始关注子符号方法解决特定的人工智能问题。

自下而上， 接口AGENT，嵌入环境（机器人），行为主义，新式AI机器人领域相关的研究者，如RODNEY BROOKS，否定符号人工智能而专注于机器人移动和求生等基本的工程问题。他们的工作再次关注早期控制论研究者的观点，同时提出了在人工智能中使用控制理论。这与认知科学领域中的表征感知论点是一致的:更高的智能需要个体的表征(如移动，感知和形象)。计算智能80年代中DAVID RUMELHART 等再次提出神经网络和联结主义. 这和其他的子符号方法，如模糊控制和进化计算，都属于计算智能学科研究范畴。

统计学法
90年代，人工智能研究发展出复杂的数学工具来解决特定的分支问题。这些工具是真正的科学方法，即这些方法的结果是可测量的和可验证的，同时也是人工智能成功的原因。共用的数学语言也允许已有学科的合作（如数学，经济或运筹学）。STUART J. RUSSELL和PETER NORVIG指出这些进步不亚于“革命”和“NEATS的成功”。有人批评这些技术太专注于特定的问题，而没有考虑长远的强人工智能目标。

集成方法
智能AGENT范式智能AGENT是一个会感知环境并作出行动以达致目标的系统。最简单的智能AGENT是那些可以解决特定问题的程序。更复杂的AGENT包括人类和人类组织（如公司）。这些范式可以让研究者研究单独的问题和找出有用且可验证的方案，而不需考虑单一的方法。一个解决特定问题的AGENT可以使用任何可行的方法-一些AGENT用符号方法和逻辑方法，一些则是子符号神经网络或其他新的方法。范式同时也给研究者提供一个与其他领域沟通的共同语言--如决策论和经济学（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被广泛接受。AGENT体系结构和认知体系结构研究者设计出一些系统来处理多ANGENT系统中智能AGENT之间的相互作用。一个系统中包含符号和子符号部分的系统称为混合智能系统 ，而对这种系统的研究则是人工智能系统集成。分级控制系统则给反应级别的子符号AI 和最高级别的传统符号AI提供桥梁，同时放宽了规划和世界建模的时间。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一个早期的分级系统计划。

智能模拟
机器视、听、触、感觉及思维方式的模拟：指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，智能搜索，定理证明，逻辑推理，博弈，信息感应与辨证处理。

学科范畴
人工智能是一门边沿学科，属于自然科学、社会科学、技术科学三向交叉学科。
涉及学科
哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论，仿生学，社会结构学与科学发展观。

研究范畴
语言的学习与处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法人类思维方式，最关键的难题还是机器的自主创造性思维能力的塑造与提升。

安全问题
人工智能还在研究中，但有学者认为让计算机拥有智商是很危险的，它可能会反抗人类。这种隐患也在多部电影中发生过，其主要的关键是允不允许机器拥有自主意识的产生与延续，如果使机器拥有自主意识，则意味着机器具有与人同等或类似的创造性，自我保护意识，情感和自发行为。

实现方法
人工智能在计算机上实现时有2种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（ENGINEERING APPROACH），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（MODELING APPROACH），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。遗传算法（GENERIC ALGORITHM，简称GA）和人工神经网络（ARTIFICIAL NEURAL NETWORK，简称ANN）均属后一类型。遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。为了得到相同智能效果，两种方式通常都可使用。采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁，非常麻烦。采用后一种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。

专业机构
美国：
⒈ MASSACHUSETTS INSTITUTE OF TECHNOLOGY麻省理工学院
⒉ STANFORD UNIVERSITY斯坦福大学(CA)
⒊ CARNEGIE MELLON UNIVERSITY卡内基美隆大学(PA)
⒋ UNIVERSITY OF CALIFORNIA-BERKELEY加州大学伯克利分校
⒌ UNIVERSITY OF WASHINGTON华盛顿大学
⒍ UNIVERSITY OF TEXAS-AUSTIN德克萨斯大学奥斯汀分校
⒎ UNIVERSITY OF PENNSYLVANIA宾夕法尼亚大学
⒏ UNIVERSITY OF ILLINOIS-URBANA-CHAMPAIGN 伊利诺伊大学厄本那—香槟分校
⒐ UNIVERSITY OF MARYLAND-COLLEGE PARK马里兰大学帕克分校
⒑ CORNELL UNIVERSITY 康奈尔大学 (NY)
⒒ UNIVERSITY OF MASSACHUSETTS-AMHERST马萨诸塞大学AMHERST校区
⒓ GEORGIA INSTITUTE OF TECHNOLOGY佐治亚理工学院
UNIVERSITY OF MICHIGAN-ANN ARBOR 密西根大学-安娜堡分校
⒕ UNIVERSITY OF SOUTHERN CALIFORNIA南加州大学
⒖ COLUMBIA UNIVERSITY哥伦比亚大学(NY)
UNIVERSITY OF CALIFORNIA-LOS ANGELES加州大学洛杉矶分校
⒘ BROWN UNIVERSITY布朗大学(RI)
⒙ YALE UNIVERSITY耶鲁大学(CT)
⒚ UNIVERSITY OF CALIFORNIA-SAN DIEGO加利福尼亚大学圣地亚哥分校
⒛ UNIVERSITY OF WISCONSIN-MADISON威斯康星大学麦迪逊分校

中国：
1、中国科学院自动化研究所
2、清华大学
3、北京大学
4、南京理工大学
5、北京科技大学
6、中国科学技术大学
7、吉林大学
8、哈尔滨工业大学
9、北京邮电大学
10、北京理工大学
11、厦门大学人工智能研究所
12、西安交通大学智能车研究所
13、中南大学智能系统与智能软件研究所人br/> 14、西安电子科技大学智能所
15、华中科技大学图像与人工智能研究所
16、重庆邮电大学
17、武汉工程大学

主要成果
1996年2月10～17日， GARRY KASPAROV以4：2战胜“深蓝” （DEEP BLUE）。
1997年5月3～11日， GARRY KASPAROV以2.5：3.5输于改进后的“深蓝”。
2003年2月GARRY KASPAROV 3:3战平 “小深”（DEEP JUNIOR）。
2003年11月GARRY KASPAROV 2:2战平 “X3D德国人” (X3D-FRITZ）。

模式识别
采用 $模式识别引擎，分支有2D识别引擎 ，3D识别引擎，驻波识别引擎以及多维识别引擎
2D识别引擎已推出指纹识别，人像识别 ，文字识别，图像识别 ，车牌识别；驻波识别引擎已推出语音识别；3D识别引擎已推出指纹识别玉带林中挂（玩游智能版1.25）

自动工程
自动驾驶（OSO系统）
印钞工厂（￥流水线）
猎鹰系统（YOD绘图）

知识工程
以知识本身为处理对象，研究如何运用人工智能和软件技术，设计、构造和维护知识系统

专家系统
智能搜索引擎
计算机视觉和图像处理
机器翻译和自然语言理解
数据挖掘和知识发现

相关著作
《视读人工智能》：机器真的可以思考吗？人的思维只是一个复杂的计算机程序吗？本书着眼于人工智能这个有史以来最为棘手的科学问题之一，集中探讨了其背后的一些主要话题。人工智能不仅仅是一个虚构的概念。人类对智能机体结构半个世纪的研究表明：机器可以打败人类最伟大的棋手，类人机器人可以走路并且能和人类进行互动。尽管早就有宣言称智能机器指日可待，但此方面的进展却缓慢而艰难。意识和环境是困扰研究的两大难题。我们到底应该怎样去制造智能机器呢？它应该像大脑一样运转？它是否需要躯体？从图灵影响深远的奠基性研究到机器人和新人工智能的飞跃，本书图文并茂的将人工智能在过去半个世纪的发展清晰的呈现在读者面前。

《人工智能的未来》：诠释了智能的内涵，阐述了大脑工作的原理，并告诉我们如何才能制造出真正意义上的智能机器——这样的智能机器将不再仅仅是对人类大脑的简单模仿，它们的智能在许多方面会远远超过人脑。霍金斯认为，从人工智能到神经网络，早先复制人类智能的努力无一成功，究其原因，都是由于人们并未真正了解智能的内涵和人类大脑。所谓智能，就是人脑比较过去、预测未来的能力。大脑不是计算机，不会亦步亦趋、按部就班的根据输入产生输出。大脑是一个庞大的记忆系统，它储存着在某种程度上反映世界真实结构的经验，能够记忆事件的前后顺序及其相互关系，并依据记忆做出预测。形成智能、感觉、创造力以及知觉等基础的，就是大脑的记忆-预测系统……

《人工智能哲学》：人工智能哲学是伴随现代信息理论和计算机技术发展起来的一个哲学分支。本书收集了人工智能研究领域学者的十五篇代表性论文，这些论文为计算机科学的发展和人工智能哲学的建立作出了开创性的贡献。这些文章总结了人工智能发展的历程，该学科发展的趋势，以及人工智能中的重要课题。在这些划时代的著作中，包括有：现代计算机理论之父艾伦·图灵的“计算机与智能”；美国哲学家塞尔的“心灵，大脑与程序”；J·E·欣顿等人的“分布式表述”，以及本书编者、英国人工智能学者M·A·博登的“逃出中文屋”。

《人工智能：一种现代的方法》：本书以详尽和丰富的资料，从理性智能体的角度，全面阐述了人工智能领域的核心内容，并深入介绍了各个主要的研究方向，是一本难得的综合性教材。全书分为八大部分：第一部分"人工智能"，第二部分"问题求解"，第三部分"知识与推理"，第四部分"规划"，第五部分"不确定知识与推理"，第六部分"学习"，第七部分"通讯、感知与行动"，第八部分"结论"。本书既详细介绍了大量的基本概念、思想和算法，也描述了各研究方向最前沿的进展，同时收集整理了详实的历史文献与事件。因此本书适合于不同层次和领域的研究人员及学生，可以作为信息领域和相关领域的高等院校本科生和研究生的教材或教学辅导书目，也可以作为相关领域的科研与工程技术人员的参考书。

发展简史
人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”（ARTIFICIAL INTELLIGENCE）一词最初是在1956年DARTMOUTH学会上提出的，从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现至今，已经出现了许多AI程序，并且它们也影响到了其它 技术的发展。

计算机时代
1941年的一项发明使信息存储和处理的各个方面都发生了革命.这项同时在美国和德国出现的 发明就是电子计算机.第一台计算机要占用几间装空调的大房间，对程序员来说是场噩梦：仅仅为运行一 个程序就要设置成千的线路.1949年改进后的能存储程序的计算机使得输入程序变得简单些，而且计算机 理论的发展产生了计算机科学，并最终促使了人工智能的出现.计算机这个用电子方式处理数据的发明，为人工智能的可能实现提供了一种媒介。

虽然计算机为AI提供了必要的技术基础，但直到50年代早期人们才注意到人类智能与机器之间 的联系. NORBERT WIENER是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它 将收集到的房间温度与希望的温度比较，并做出反应将加热器开大或关小，从而控制环境温度.这项对反馈 回路的研究重要性在于：WIENER从理论上指出，所有的智能活动都是反馈机制的结果.而反馈机制是有可 能用机器模拟的.这项发现对早期AI的发展影响很大。

1955年末，NEWELL和SIMON做了一个名为"逻辑专家"(LOGIC THEORIST）的程序.这个程序被许多人 认为是第一个AI程序.它将每个问题都表示成一个树形模型，然后选择最可能得到正确结论的那一枝来求解 问题."逻辑专家"对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑.1956年，被认为是 人工智能之父的JOHN MCCARTHY组织了一次学会，将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论.他请他们到 VERMONT参加 " DARTMOUTH人工智能夏季研究会".从那时起，这个领域被命名为 "人工智能".虽然 DARTMOUTH学会不是非常成功，但它确实集中了AI的创立者们，并为以后的AI研究奠定了基础。

DARTMOUTH会议后的7年中，AI研究开始快速发展.虽然这个领域还没明确定义，会议中的一些思想 已被重新考虑和使用了. CARNEGIE MELLON大学和MIT开始组建AI研究中心。
研究面临新的挑战：下一步需 要建立能够更有效解决问题的系统，例如在"逻辑专家"中减少搜索；还有就是建立可以自我学习的系统。
1957年一个新程序，"通用解题机"(GPS）的第一个版本进行了测试.这个程序是由制作"逻辑专家" 的同一个组开发的.GPS扩展了WIENER的反馈原理，可以解决很多常识问题.两年以后，IBM成立了一个AI研 究组.HERBERT GELERNETER花3年时间制作了一个解几何定理的程序。

当越来越多的程序涌现时，MCCARTHY正忙于一个AI史上的突破.1958年MCCARTHY宣布了他的新成 果：LISP语言. LISP到今天还在用."LISP"的意思是"表处理"(LIST PROCESSING），它很快就为大多数AI开发者采纳。
1963年MIT从美国政府得到一笔220万美元的资助，用于研究机器辅助识别.这笔资助来自国防部 高级研究计划署（ARPA），已保证美国在技术进步上领先于苏联.这个计划吸引了来自全世界的计算机科学家，加快了AI研究的发展步伐。

竞赛
LOEBNER（人工智能类）
以人类的智慧创造出堪与人类大脑相平行的机器脑（人工智能），对人类来说是一个极具诱惑的领域，人类为了实现这一梦想也已经奋斗了很多个年头了。而从一个语言研究者的角度来看，要让机器与人之间自由交流那是相当困难的，甚至可以说可能会是一个永无答案的问题。人类的语言，人类的智能是如此的复杂，以至于我们的研究还并未触及其导向本质的外延部分的边沿。

大量程序
以后几年出现了大量程序.其中一个叫"SHRDLU"."SHRDLU"是"微型世界"项目的一部分，包括 在微型世界（例如只有有限数量的几何形体）中的研究与编程.在MIT由MARVIN MINSKY领导的研究人员发现，面对小规模的对象，计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的"STUDENT"可以解决代数 问题，"SIR"可以理解简单的英语句子。这些程序的结果对处理语言理解和逻辑有所帮助。
70年代另一个进展是专家系统.专家系统可以预测在一定条件下某种解的概率。由于当时计算机已 有巨大容量，专家系统有可能从数据中得出规律。专家系统的市场应用很广。十年间，专家系统被用于股市预 测，帮助医生诊断疾病，以及指示矿工确定矿藏位置等。这一切都因为专家系统存储规律和信息的能力而成为可能。 70年代许多新方法被用于AI开发，如MINSKY的构造理论。另外DAVID MARR提出了机器视觉方 面的新理论，例如，如何通过一副图像的阴影，形状，颜色，边界和纹理等基本信息辨别图像.通过分析这些信 息，可以推断出图像可能是什么。同时期另一项成果是PROLOGE语言，于1972年提出，80年代期间，AI前进更为迅速，并更多地进入商业领域。1986年，美国AI相关软硬件销售高达4.25亿 美元。专家系统因其效用尤受需求。象数字电气公司这样的公司用XCON专家系统为VAX大型机编程。杜邦，通用 汽车公司和波音公司也大量依赖专家系统。为满足计算机专家的需要，一些生产专家系统辅助制作软件的公 司，如TEKNOWLEDGE和INTELLICORP成立了。为了查找和改正现有专家系统中的错误，又有另外一些专家系统被设计出来。

日常生活
人们开始感受到计算机和人工智能技术的影响.计算机技术不再只属于实验室中的一小群研究人员。 个人电脑和众多技术杂志使计算机技术展现在人们面前。有了像美国人工智能协会这样的基金会。因为AI开发 的需要，还出现了一阵研究人员进入私人公司的热潮。150多所像DEC（它雇了700多员工从事AI研究）这样的公司共花了10亿美元在内部的AI开发组上。
其它AI领域也在80年代进入市场。其中一项就是机器视觉，MINSKY和MARR的成果如今用到了生产线上的相机和计算机中，进行质量控制.尽管还很简陋，这些系统已能够通过黑白区别分辨出物件形状的不同。到1985年美国有一百多个公司生产机器视觉系统，销售额共达8千万美元。
但80年代对AI工业来说也不全是好年景.86-87年对AI系统的需求下降，业界损失了近5亿美元.象 TEKNOWLEDGE和INTELLICORP两家共损失超过6百万美元，大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费.另一个令人失望的是国防部高级研究计划署支持的所谓"智能卡车".这个项目目的是研制一种能完成许多战地任务的机器人。由于项目缺陷和成功无望，PENTAGON停止了项目的经费。
尽管经历了这些受挫的事件，AI仍在慢慢恢复发展.新的技术在日本被开发出来，如在美国首创的模糊逻辑，它可以从不确定的条件作出决策；还有神经网络，被视为实现人工智能的可能途径.总之，80年代AI被引入了市场，并显示出实用价值.可以确信，它将是通向21世纪之匙. 人工智能技术接受检验 在"沙漠风暴"行动中军方的智能设备经受了战争的检验.人工智能技术被用于导弹系统和预警显示以 及其它先进武器.AI技术也进入了家庭.智能电脑的增加吸引了公众兴趣；一些面向苹果机和IBM兼容机的应用 软件例如语音和文字识别已可买到；使用模糊逻辑，AI技术简化了摄像设备.对人工智能相关技术更大的需求促 使新的进步不断出现.人工智能已经并且将继续不可避免地改变我们的生活。

人工智能机器人
强弱对比

人工智能的一个比较流行的定义，也是该领域较早的定义，是由约翰·麦卡锡（JOHN MCCARTHY）在1956年的达特矛斯会议（DARTMOUTH CONFERENCE）上提出的：人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。但是这个定义似乎忽略了强人工智能的可能性（见下）。
另一个定义指人工智能是人造机器所表现出来的智能性。总体来讲，对人工智能的定义大多可划分为四类，即机器“像人一样思考”、“像人一样行动”、“理性地思考”和“理性地行动”。这里“行动”应广义地理解为采取行动，或制定行动的决策，而不是肢体动作。

强人工智能(BOTTOM-UP AI)
强人工智能观点认为有可能制造出真正能推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。
强人工智能可以有两类：
类人的人工智能，即机器的思考和推理就像人的思维一样。
非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。

弱人工智能(TOP-DOWN AI)
弱人工智能观点认为不可能制造出能真正地推理（REASONING）和解决问题（PROBLEM_SOLVING）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。
主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则处于停滞不前的状态下。

对强人工智能的哲学争论
“强人工智能”一词最初是约翰·罗杰斯·希尔勒针对计算机和其它信息处理机器创造的，其定义为： “强人工智能观点认为计算机不仅是用来研究人的思维的一种工具；相反，只要运行适当的程序，计算机本身就是有思维的。”（J SEARLE IN MINDS BRAINS AND PROGRAMS. THE BEHAVIORAL AND BRAIN SCIENCES,VOL. 3,1980）这是指使计算机从事智能的活动。在这里智能的涵义是多义的、不确定的，像下面所提到的就是其中的例子。利用计算机解决问题时，必须知道明确的程序。可是，人即使在不清楚程序时，根据发现（HEU- RISTIC）法而设法巧妙的解决了问题的情况是不少的。如识别书写的文字、图形、声音等，所谓认识模型就是一例。再有，能力因学习而得到的提高和归纳推理、依据类推而进行的推理等，也是其例。此外，解决的程序虽然是清楚的，但是实行起来需要很长时间，对于这样的问题，人能在很短的时间内找出相当好的解决方法，如竞技的比赛等就是其例。还有，计算机在没有给予充分的合乎逻辑的正确信息时，就不能理解它的意义，而人在仅是被给予不充分、不正确的信息的情况下，根据适当的补充信息，也能抓住它的意义。自然语言就是例子。用计算机处理自然语言，称为自然语言处理。

关于强人工智能的争论不同于更广义的一元论和二元论（DUALISM）的争论。其争论要点是：如果一台机器的唯一工作原理就是对编码数据进行转换，那么这台机器是不是有思维的？希尔勒认为这是不可能的。他举了个中文房间的例子来说明，如果机器仅仅是对数据进行转换，而数据本身是对某些事情的一种编码表现，那么在不理解这一编码和这实际事情之间的对应关系的前提下，机器不可能对其处理的数据有任何理解。基于这一论点，希尔勒认为即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。

也有哲学家持不同的观点。DANIEL C. DENNETT 在其著作 CONSCIOUSNESS EXPLAINED 里认为，人也不过是一台有灵魂的机器而已，为什么我们认为人可以有智能而普通机器就不能呢？他认为像上述的数据转换机器是有可能有思维和意识的。 有的哲学家认为如果弱人工智能是可实现的，那么强人工智能也是可实现的。比如SIMON BLACKBURN在其哲学入门教材 THINK 里说道，一个人的看起来是“智能”的行动并不能真正说明这个人就真的是智能的。我永远不可能知道另一个人是否真的像我一样是智能的，还是说她/他仅仅是看起来是智能的。基于这个论点，既然弱人工智能认为可以令机器看起来像是智能的，那就不能完全否定这机器是真的有智能的。BLACKBURN 认为这是一个主观认定的问题。

需要要指出的是，弱人工智能并非和强人工智能完全对立，也就是说，即使强人工智能是可能的，弱人工智能仍然是有意义的。至少，今日的计算机能做的事，像算术运算等，在百多年前是被认为很需要智能的。

政策措施
2019年6月17日，国家新一代人工智能治理专业委员会发布《新一代人工智能治理原则——发展负责任的人工智能》，提出了人工智能治理的框架和行动指南。这是中国促进新一代人工智能健康发展，加强人工智能法律、伦理、社会问题研究，积极推动人工智能全球治理的一项重要成果。

研究课题
人工智能的研究方向已经被分成几个子领域，研究人员希望一个人工智能系统应该具有某些特定能力，以下将这些能力列出并说明。

解决问题
早期的人工智能研究人员直接模仿人类进行逐步的推理，就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。到了1980和1990年代，利用概率和经济学上的概念，人工智能研究还发展了非常成功的方法处理不确定或不完整的资讯。
对于困难的问题，有可能需要大量的运算资源，也就是发生了“可能组合爆增”：当问题超过一定的规模时，电脑会需要天文数量级的存储器或是运算时间。寻找更有效的算法是优先的人工智能研究项目。

人类解决问题的模式通常是用最快捷，直观的判断，而不是有意识的，一步一步的推导，早期人工智能研究通常使用逐步推导的方式。人工智能研究已经于这种“次表征性的”解决问题方法取得进展：实体化AGENT研究强调感知运动的重要性。神经网络研究试图以模拟人类和动物的大脑结构重现这种技能。

知识表示法
AN ONTOLOGY REPRESENTS KNOWLEDGE AS A SET OF CONCEPTS WITHIN A DOMAIN AND THE RELATIONSHIPS BETWEEN THOSE CONCEPTS
主条目：知识表示和常识知识库

规划
智能AGENT必须能够制定目标和实现这些目标。他们需要一种方法来建立一个可预测的世界模型(将整个世界状态用数学模型表现出来，并能预测它们的行为将如何改变这个世界)，这样就可以选择功效最大的行为。 在传统的规划问题中，智能AGENT被假定它是世界中唯一具有影响力的，所以它要做出什么行为是已经确定的。 但是，如果事实并非如此，它必须定期检查世界模型的状态是否和自己的预测相符合。如果不符合，它必须改变它的计划。因此智能代理必须具有在不确定结果的状态下推理的能力。 在多AGENT中，多个AGENT规划以合作和竞争的方式去完成一定的目标，使用演化算法和群体智慧可以达成一个整体的突现行为目标。

学习
主条目：机器学习
机械学习的主要目的是为了从使用者和输入数据等处获得知识，从而可以帮助解决更多问题，减少错误，提高解决问题的效率。对于人工智能来说，机械学习从一开始就很重要。1956年，在最初的达特茅斯夏季会议上，雷蒙德索洛莫诺夫写了一篇关于不监视的概率性机械学习：一个归纳推理的机械。

自然语言处理
主条目：自然语言处理

运动和控制
主条目：机器人学

知觉
主条目：机器感知、计算机视觉和语音识别

机器感知 是指能够使用传感器所输入的资料(如照相机，麦克风，声纳以及其他的特殊传感器)然后推断世界的状态。计算机视觉能够分析影像输入。另外还有语音识别 、人脸辨识和物体辨识。

社交
主条目：情感计算
KISMET，一个具有表情等社交能力的机器人
情感和社交技能对于一个智能AGENT是很重要的。 首先，通过了解他们的动机和情感状态，代理人能够预测别人的行动(这涉及要素 博弈论、决策理论以及能够塑造人的情感和情绪感知能力检测)。此外，为了良好的人机互动，智慧代理人也需要表现出情绪来。至少它必须出现礼貌地和人类打交道。至少，它本身应该有正常的情绪。

创造力
主条目：计算机创造力
一个人工智能的子领域，代表了理论(从哲学和心理学的角度)和实际(通过特定的实现产生的系统的输出是可以考虑的创意，或系统识别和评估创造力)所定义的创造力。 相关领域研究的包括了人工直觉和人工想像。

多元智能
大多数研究人员希望他们的研究最终将被纳入一个具有多元智能(称为强人工智能)，结合以上所有的技能并且超越大部分人类的能力。 有些人认为要达成以上目标，可能需要拟人化的特性，如人工意识或人工大脑。 上述许多问题被认为是人工智能完整性：为了解决其中一个问题，你必须解决全部的问题。即使一个简单和特定的任务，如机器翻译，要求机器按照作者的论点(推理)，知道什么是被人谈论(知识)，忠实地再现作者的意图(情感计算)。因此，机器翻译被认为是具有人工智能完整性：它可能需要强人工智能，就像是人类一样。

人工智能影响
（1）人工智能对自然科学的影响。在需要使用数学计算机工具解决问题的学科，AI带来的帮助不言而喻。更重要的是，AI反过来有助于人类最终认识自身智能的形成。
（2）人工智能对经济的影响。专家系统更深入各行各业，带来巨大的宏观效益。AI也促进了计算机工业网络工业的发展。但同时，也带来了劳务就业问题。由于AI在科技和工程中的应用，能够代替人类进行各种技术工作和脑力劳动，会造成社会结构的剧烈变化。
（3）人工智能对社会的影响。AI也为人类文化生活提供了新的模式。现有的游戏将逐步发展为更高智能的交互式文化娱乐手段，今天，游戏中的人工智能应用已经深入到各大游戏制造商的开发中。

　　伴随着人工智能和智能机器人的发展，不得不讨论是人工智能本身就是超前研究，需要用未来的眼光开展现代的科研，因此很可能触及伦理底线。作为科学研究可能涉及到的敏感问题，需要针对可能产生的冲突及早预防，而不是等到问题矛盾到了不可解决的时候才去想办法化解。

应用领域
机器翻译，智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂，自动程序设计，航天应用，庞大的信息处理，储存与管理，执行化合生命体无法执行的或复杂或规模庞大的任务等等。
值得一提的是，机器翻译是人工智能的重要分支和最先应用领域。不过就已有的机译成就来看，机译系统的译文质量离终极目标仍相差甚远；而机译质量是机译系统成败的关键。中国数学家、语言学家周海中教授曾在论文《机器翻译五十年》中指出：要提高机译的质量，首先要解决的是语言本身问题而不是程序设计问题；单靠若干程序来做机译系统，肯定是无法提高机译质量的；另外在人类尚未明了大脑是如何进行语言的模糊识别和逻辑判断的情况下，机译要想达到“信、达、雅”的程度是不可能的。
智能家居之后，人工智能成为家电业的新风口，而长虹正成为将这一浪潮掀起的首个家电巨头。长虹发布两款CHiQ智能电视新品，主打手机遥控器、带走看、随时看、分类看功能。


什么是产业融合？产业融合(Industry Convergence)是指不同产业或同一产业不同行业相互渗透、相互交叉，最终融合为一体，逐步形成新产业的动态发展过程。
产业融合可分为产业渗透、产业交叉和产业重组三类。产业融合已经不仅仅是作为一种发展趋势来进行讨论，当前，产业融合已是产业发展的现实选择。产业融合(外文名:Industry convergence，拼音:chan ye rong he)

一、概念介绍如下：从不同角度分析产业融合问题，会有不同的理解，其概念主要归结为4类：
1、从信息通信产业角度看，产业融合是在技术融合、数字融合基础上所产生的产业边界模糊化，最初指计算机、通信和广播电视业的“三网融合”。
2、从原因与过程看，产业融合是逐步从技术的融合到产品和业务的融合，再到市场的融合，最后达到产业融合的实现的过程。
3、从产品服务和产业组织结构看，伴随着产品功能的改变，提供该产品的机构或公司组织之间边界的开始模糊。
4、从产业创新和产业发展看，指不同产业或同一产业在不同行业的技术与制度创新的基础上相互渗透、相互交叉，最终融合为一体的，逐步形成新型产业形态的动态发展过程。

二、类型分析如下：从产业角度，产业融合可分为产业渗透、产业交叉和产业重组三类。
1、产业渗透是指发生于高科技产业和传统产业在边界处的产业融合。
2、产业交叉是指通过产业间功能的互补和延伸实现产业融合，往往发生于高科技产业链自然延伸的部分。
3、产业重组主要发生于具有紧密联系的产业之间，这些产业往往是某一大类产业内部的子产业。

三、具体效应如下：理论分析表明，产业融合是在经济全球化、高新技术迅速发展的大背景下，产业提高生产率和竞争力的一种发展模式和产业组织形式。它所产生的效应是多方面的，主要有：
（1）.有助于促进传统产业创新，进而推进产业结构优化与产业发展。由于产业融合容易发生在高技术产业与其他产业之间，产业融合过程中产生的新技术、新产品、新服务在客观上提高了消费者的需求层次，取代了某些传统的技术、产品或服务，造成这些产业市场需求逐渐萎缩，在整个产业结构中的地位和作用不断下降；同时产业融合催生出的新技术融合更多的传统产业部门，改变着传统产业的生产与服务方式，促使其产品与服务结构的升级。促使市场结构在企业竞争合作关系的变动中不断趋于合理化。当前的市场结构理论认为，如果有限的市场容量和各企业追求规模经济的动向结合在一起，就会造成生产的集中和企业数目的减少。而在产业融合以后，市场结构会发生更复杂的变化。产业融合能够通过建立与实现产业、企业组织之间新的联系而改变竞争范围，促进更大范围的竞争。产业融合使市场从垄断竞争向完全竞争转变，经济效率大幅度提高。
（2）.有助于产业竞争力的提高。产业融合与产业竞争力的发展过程具有内在的动态一致性。技术融合提供了产业融合的可能性，企业把融合过程融入到了各个运作层面，从而把产业融合的可能性转化为现实。不同产业内企业间的横向一体化加速了产业融合进程，提高了企业竞争力、产业竞争力。同时，产业融合对企业一体化战略也提出了新的挑战。产业融合中企业竞争合作关系发生变革，融合产业内的企业数量不断增加，企业间的竞争加剧，企业创新与灵活性被提升到新的战略高度。在这场技术革命与产业变革中，创新能力弱、灵活性差的企业会以更快的速度被淘汰出局。
（3）.有助于推动区域经济一体化。产业融合能够提高区域之间的贸易效应和竞争效应，加速区域之间资源的流动与重组。产业融合将打破传统企业之间和行业之间的界限，特别是地区之间的界限，利用信息技术平台实现业务重组，产生贸易效应和竞争效应。产业融合将促进企业网络的发展，提高区域之间的联系水平。产业融合带来企业网络组织的发展将成为区域联系的主体，有助于打破区域之间的壁垒，增强区域之间的联系。产业融合扩大了区域中心的扩散效应，有助于改善区域的空间二元结构。

四、动因分析如下：产业间的关联性和对效益最大化的追求是产业融合发展的内在动力。从当今世界产业融合的实践看．推动产业融合的因素是多方面的。
1．技术创新是产业融合的内在驱动力。技术创新开发出了替代性或关联性的技术、工艺和产品，然后通过渗透扩散融合到其他产业之中，从而改变了原有产业的产品或服务的技术路线，因而改变了原有产业的生产成本函数，从而为产业融合提供了动力；同时。技术创新改变了市场的需求特征，给原有产业的产品带来了新的市场需求。从而为产业融合提供了市场空间。重大技术创新在不同产业之间的扩散导致了技术融合，技术融合使不同产业形成了共同的技术基础，并使不同产业的边界趋于模糊，最终促使产业融合现象的产生。比如，20世纪70年代开始的信息技术革命改变了人们获得文字、图像、声音三种基本信息的时间、空间及其成本。随着信息技术在各产业的融合以及企业局域网和宽域网的发展，各产业在顾客管理、生产管理、财务管理、仓储管理、运输管理等方面大力普及在线信息处理系统，使顾客可以在即时即地获得自己所需要的信息、产品、服务，致使产业间的界限趋于模糊。产业融合在20世纪90年代以来成为全球产业发展的浪潮，其主要原因就是在于各个领域发生的技术创新，以及将各种创新技术进行整合的催化剂和粘合剂——通讯与信息技术的日益成熟和完善。作为新兴主导产业的信息产业，近几年来以每年30% 的速度发展，信息技术革命引发的技术融合已渗透到各产业，导致了产业的大融合。技术创新和技术融合则是当今产业融合发展的催化剂，在技术创新和技术融合基础上产生的产业融合是“对传统产业体系的根本性改变，是新产业革命的历史性标志”，成为产业发展及经济增长的新动力。
2．竞争合作的压力和对范围经济的追求是产业融合的企业动力。 企业在不断变化的竞争环境中不断谋求发展扩张，不断进行技术创新，不断探索如何更好地满足消费者需求以实现利润最大化和保持长期的竞争优势。当技术发展到能够提供多样化的满足需求的手段后，企业为了在竞争中谋求长期的竞争优势便在竞争中产生合作，在合作中产生某些创新来实现某种程度的融合。利润最大化，成本最低化是企业的不懈追求的目标。产业融合化发展，可以突破产业间的条块分割，加强产业间的竞争合作关系，减少产业间的进入壁垒，降低交易成本，提高企业生产率和竞争力，最终形成持续的竞争优势。企业间日益密切的竞争合作关系和企业对利润及持续竞争优势的不懈追求是产业融合浪潮兴起的重要原因。范围经济(economies of scope)是指扩大企业所提供的产品或服务的种类会引起经济效益增加的现象，其反应了产品或服务种类的数量同经济效益之间的关系。其最根本的内容是以较低的成本提供更多的产品或服务种类为基础的，范围经济意味着对多种产品进行共同生产相对于单独生产所表现出来的经济，一般是指由于生产多种产品而对有关要素共同使用所生产的成本节约。假定分别生产两种产品A、B的成本为c(A)与c(B)，而当两种产品联合生产时，其总成本为c(A、B)，则联合生产带来的范围经济可表示为：C(A、B) 3．跨国公司的发展成为产业融合的巨大推动力。 一般说来，只有超巨型的国际直接投资，才能实现并支持跨国生产经营的实力与能力。因此，每一个跨国公司的产生和发展，实际上就是国际金融资本的融合、产业融合的发展史。跨国公司根据经济整体利益最大化的原则参与国际市场竞争，在国际一体化经营中使产业划分转化为产业融合，正在将传统认为的“国家生产”产品变为“公司生产”产品。可以说，跨国公司是推动产业融合发展的主要动力。
4．放松管制为产业融合提供了外部条件。 不同产业之间存在着进入壁垒，这使不同产业之间存在着各自的边界，美国学者施蒂格勒认为，进入壁垒是新企业比旧企业多承担的成本，各国政府的经济性管制是形成不同产业进入壁垒的主要原因。管制的放松导致其他相关产业的业务加入到本产业的竞争中，从而逐渐走向产业融合。为了让企业在国内和国际市场中更有竞争力，产品占有更多的市场份额，一些发达国家放松管制和改革规制，取消和部分取消对被规制产业的各种价格、进人、投资、服务等方面的限制，为产业融合创造了比较宽松的政策和制度环境。
值得说明的是，技术进步加上放松管制并不一定就导致融合。产业的技术进步大多发生在本产业内部，而不是发生在产业边界，产生了被学术界称为“死尸融合”的现象。“死尸融合”迫使实业界对企业传统经营观念进行了创新，提出了企业重组(BT)、业务流程重组(BPR)、虚拟企业等管理模式，并在20世纪90年代中期为促进产业融合开始直接进行管理创新的实践。通过将管理创新、技术进步、放松管制结合起来，使产业融合变为现实。正是美国政府放松了对电信业的经济性管制，使得电信业、有线电视业之间的产业边界模糊，导致了产业融合现象的出现。演进方式世纪之交的国际经济正发生着深刻变化，产业之间的渗透融合日益清晰地向人们展现出了未来21世纪的发展趋势。在不同的产业领域内，产业融合以不同的方式演进，最终将促成整个产业结构的高度化、合理化，并构架出融合型的产业新体系。产业创新研究的权威弗里曼(1997)认为产业创新过程包括技术和技能创新、产品和流程创新、管理和市场创新等阶段。
根据弗里曼对产业创新阶段的研究，陆国庆(2001)认为产业的融合和创新经过了技术融合、产品与业务融合、市场融合的阶段，最后完成产业融合的整个过程。并且这几个阶段前后相互衔接，也可能是同步相互促进的。

五、产业融合的主要方式有三种：
1.是高新技术的渗透融合。 即高新技术及其相关产业向其它产业渗透、融合，并形成新的产业。如生物芯片、纳米电子、三网融合(即计算机、通讯和媒体的融合)；信息技术产业以及农业高新技术化、生物和信息技术对传统工业的改造(比如机械仿生、光机电一体化、机械电子)、电子商务、网络型金融机构等。又如发生在20世纪90年代后信息和生物技术对传统工业的渗透融合，产生了诸如机械电子、航空电子、生物电子等类型的新型产业。还如电子网络技术向传统商业、运输业渗透而产生的电子商务与物流业等新型产业；高新技术向汽车制造业的渗透将产生光机电一体化的新产业等等。高新技术向传统产业不断渗透，成为提升和引领高新技术产业发展的关键性因素，高新技术及产业发展有利于提升传统产业的发展水平，加速了传统产业的高技术化。主要体现在：促进传统产业的高附加值化，促进传统产业推出新品种和新的产业，促进传统产业装备现代化。据分析，近年来1T产业对美国经济的贡献率超过35% ，1999年IT使全美国制造业劳动生产力增长了6．4% 。目前，信息技术正在以前所未有的广度和深度渗透到制造业的各个环节中，使制造业的产品和生产过程，以至管理方式发生了深刻的、甚至是革命性的变化。
2.是产业间的延伸融合。 即通过产业间的互补和延伸，实现产业间的融合， 往往发生在高科技产业的产业链自然延伸的部分。这类融合通过赋予原有产业新的附加功能和更强的竞争力，形成融合型的产业新体系。这种融合更多地表现为服务业向第一产业和第二产业的延伸和渗透，如第三产业中相关的服务业正加速向第二产业的生产前期研究、生产中期设计和生产后期的信息反馈过程展开全方位的渗透，金融、法律、管理、培训、研发、设计、客户服务、技术创新、贮存、运输、批发、广告等服务在第二产业中的比重和作用日趋加大，相互之间融合成不分彼此的新型产业体系。如现代农业生产服务体系、工业中服务比例上升、工业旅游、农业旅游等。
3.是产业内部的重组融合。 重组融合主要发生在具有紧密联系的产业或同一产业内部不同行业之间，是指原本各自独立的产品或服务在同一标准元件束或集合下通过重组完全结为一体的整合过程。通过重组型融合而产生的产品或服务往往是不同于原有产品或服务的新型产品或服务。例如，第一产业内部的种植业、养殖业、畜牧业等子产业之间，可以生物技术融合为基础，通过生物链重新整合，形成生态农业等新型产业形态。在信息技术高度发展的今天，重组融合更多地表现为以信息技术为纽带的、产业链的上下游产业的重组融合，融合后生产的新产品表现出数字化、智能化和网络化的发展趋势，如模糊智能洗衣机、绿色家电的出现就是重组融合的重要成果。

六、效应分析如下:产业发展遵循经济发展的一般规律，即追求利润最大化，成本最低化。产业融合是在经济全球化、高新技术迅速发展的大背景下产业提高生产率和竞争力的一种发展模式和产业组织形式。
1．创新性优化效应：产业融合促进了传统产业创新，进而推进产业结构优化与产业发展。由于产业融合容易发生在高技术产业与其他产业之间，产业融合过程中产生的新技术、新产品、新服务在客观上提高了消费者的需求层次，取代了某些传统技术、产品或服务，造成这些产业市场需求逐渐萎缩，在整个产业结构中的地位和作用不断下降；同时产业融合催生出的新技术融合更多的传统产业部门，改变着传统产业的生产与服务方式，促使其产品与服务结构的升级。产品与服务的不断更新换代转而又带动需求结构升级，从而拉动产业结构升级。由于产业融合使得产业之间的边界模糊化，两个或多个产业之间形成了共同的技术和市场基础，使得某些产业容易改变结构的布局，敏捷地从一个产业过渡到另一产业，实现产业创新和发展。由于电子信息、生物工程、新能源、新材料等高科技产业与其它产业之间的广泛关联以及这些产业具有较高的产业成长性，产业融合造成的边界模糊和消失可以使其他产业转换到高新技术产业中，并经过产业融合和产业创新的连锁反应，使得一国的产业结构得以转换和升级。信息产业与传统产业的融合化发展使一些传统产业部门由资本与劳动密集向信息、知识和技术密集型产业转变。信息技术、网络技术、数字技术等相继融人传统产业部门，深刻地改变了传统产业的产业属性。传统农业部门与工业技术、信息技术的融合极大地提高了自身的生产力水平。促进了农业工业化与农业信息化发展，同时也为网络经济的发展奠定了坚实的基础。信息技术革命进人产业化阶段的最大标志是，信息产业及其与传统产业间的融合成为国民经济中的主导产业群。信息技术革命成果的产业化是信息技术转化为社会生产力的结果，是产业融合的基础条件，也是产业结构升级的主要动力之一。随着实体经济向虚拟经济的过渡，信息业与服务业也开始融合并形成一系列新兴的信息服务行业。服务业内部信息含量较高的部门得到较快发展，在服务业中的比重越来越大，进而推动整个服务业向信息化、网络化方向发展。
2．竞争性结构效应： 产业融合促使市场结构在企业竞争合作关系的变动中不断趋于合理化。现行的市场结构理论认为，有限的市场容量和各企业追求规模经济的动向结合在一起，就会造成生产的集中和企业数目的减少。而在产业融合以后，市场结构会发生更复杂的变化。产业融合能够通过建立与实现产业、企业组织之间新的联系而改变竞争范围，促进更大范围的竞争。在产业融合过程中，来自其他产业的企业也会加入进来，竞争会进一步激化。在产业融合之前，属于同一产业的企业群在产业内部、企业之间处于竞争关系，从产业的严密定义看，超出产业之外就不能称为竞争关系。但是在产业融合过程中，原先有固定化业务边界与市场边界的产业部门相互交叉与渗透，使产业之间由原先非竞争关系转变为竞争关系。而且在此过程中还有大量来自其他产业的新参与者，使竞争程度进一步加剧。竞争激化的过程中，必然有企业倒闭和企业吸收合并等悲剧发生。在产业融合中，由于网络外部性等原因，也可能会出现某种形式的垄断。但与传统垄断相比，也已发生了变化。其中，一个较明显的例子，就是信息基础设施的融合。尽管TCP/IP协议与电话网中声音通信的线路交换技术截然不同，但Intemet和电话通信的基础设施却同样使用物理电线和电缆。而且，随着声音和电视信号被数字化，同一网络设施可同时处理Intemet、电话和电视数据。从这个角度讲，随着电信基础设施的融合，竞争趋于激烈，语音、视频和Intemet服务的价格可能会更低。但另一方面，产业融合也为企业提供了扩大规模，扩展事业范围，大大促进了新产品、新服务的开发等。产业融合新参与者进入和开辟新市场，增强了竞争性和新市场结构的塑造，有利于资源的合理配置、就业增加和人力资本发展等。在产业融合中发生的一系列企业合并、并购等活动塑造了新的市场结构，新市场活动反映了价值链的一个实质性变化，从简单的信息传输变成为内容的生产和包装，或提供在线服务和交易。自由化和竞争使得信息服务的传输和发送已成为日常用品，并且将其转化为低边际成本、高容量的商业活动，从而改变了当前的市场结构。传统市场结构理论认为，有限的市场容量和各企业追求规模经济的动向结合在一起，就会造成生产的集中和企业数目的减少。而在产业融合以后，市场结构会发生更深刻的变化。各产业间市场边界的消失以及政府管制的放松会导致市场结构产生两种互逆效应：一方面，某一产业与其它产业的融合使该产业内企业数量迅速增加，并不断有新进入者参与到竞争中来，从而大大降低融合产业的市场集中度；另一方面，消费者需求的个性化与综合化趋势促使企业生产由大规模、标准化逐步向小批量、多品种过渡，规模经济在企业战略中的地位被范围经济所取代，在技术融合与业务融合的基础上，推动企业间的横向购并或混合购并，导致竞争性企业数量减少，从而提高产业的市场集中度。总之，产业融合使市场从垄断竞争向完全竞争转变。经济效率大幅度提高。这种情况在信息产品行业和产品差异性小的市场表现得最为明显。事实上，只有在产业融合后，允许跨越时空的连续交易的信息技术到来之后，某种类型的市场才接近经济学家对效率的界定。地域更广、时间更受限制的市场更少受到垄断的困扰。市场的高效率是建立在信息的效率之上的。
3．组织性结构效应： 产业融合不仅导致了企业组织之间产权结构的重大调整，而且还引发了企业组织内部结构的创新。产业融合对市场行为的影响集中体现在企业的组织调整策略层面上。企业购并开始从纵向购并向横向购并或混合购并演变，技术融合的加快是企业从简单购并向复杂购并转变的主要动因之一。在交易成本的共同作用下，企业组织结构开始由纵向一体化逐渐向横向一体化、混合一体化、虚拟一体化发展。从西方经济学角度来讲，企业进行纵向一体化是组织通过权衡，认为公司内部交易成本大于外部市场交易成本的结果。而横向一体化注重与外部组织的合作与共存，与外界的交易是非纯粹的市场交易。但在产业融合的情况下，要求企业有以最短的时间进入一个相关或非相关的业务市场，进行横跨行业专业经营的能力。企业为了达到快速响应，往往通过企业间的横向联合，去把握稍纵即逝的市场时机。而且技术融合使得企业不同的业务可以在同一运作平台上开展，它们相互之间可以相互互补，通过协作发挥出更大的效应。所以此时的横向一体化是企业自身资源和外部资源充分利用以便快速响应市场需求的经营模式。在这种模式下，企业通过抓住最核心的东西，进行更大范围的业务整合，从而有利于企业整体利益的实现和竞争优势的形成。产业融合下，横向一体化成为企业外部组织结构重组的主要形式。