人工智能（AI）是壹門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智能的目的就是讓計算機這臺機器能夠象人壹樣思考。
在1955的時候，香農與人壹起開發了The Logic TheoriST程序，它是壹種采用樹形結構的程序，在程序運行時，它在樹中搜索，尋找與可能答案最接近的樹的分枝進行探索，以得到正確的答案。這個程序在人工智能的歷史上可以說是有重要地位的，它在學術上和社會上帶來的巨大的影響，以至於我們所采用的思想方法有許多還是來自於這個50年代的程序。
1956年，作為人工智能領域另壹位著名科學家的麥卡希召集了壹次會議來討論人工智能未來的發展方向。從那時起，人工智能的名字才正式確立，這次會議在人工智能歷史上不是巨大的成功，但是這次會議給人工智能奠基人相互交流的機會，並為未來人工智能的發展起了鋪墊的作用。在此以後，人工智能的重點開始變為建立實用的能夠自行解決問題的系統，並要求系統有自學習能力。在1957年，香農和另壹些人又開發了壹個程序稱為General Problem Solver(GPS)，它對Wiener的反饋理論有壹個擴展，並能夠解決壹些比較普遍的問題。別的科學家在努力開發系統時，右圖這位科學家作出了壹項重大的貢獻，他創建了表處理語言LISP，直到許多人工智能程序還在使用這種語言，它幾乎成了人工智能的代名詞，到了今天，LISP仍然在發展。
在1963年，麻省理工學院受到了美國政府和國防部的支持進行人工智能的研究，美國政府不是為了別的，而是為了在冷戰中保持與蘇聯的均衡，雖然這個目的是帶點火藥味的，但是它的結果卻使人工智能得到了巨大的發展。其後發展出的許多程序十分引人註目，麻省理工大學開發出了SHRDLU。在這個大發展的60年代，STUDENT系統可以解決代數問題，而SIR系統則開始理解簡單的英文句子了，SIR的出現導致了新學科的出現：自然語言處理。在70年代出現的專家系統成了壹個巨大的進步，他頭壹次讓人知道計算機可以代替人類專家進行壹些工作了，由於計算機硬件性能的提高，人工智能得以進行壹系列重要的活動，它作為生活的重要方面開始改變人類生活了。在理論方面，70年代也是大發展的壹個時期，計算機開始有了簡單的思維和視覺，而不能不提的是在70年代，另壹個人工智能語言Prolog語言誕生了，它和LISP壹起幾乎成了人工智能工作者不可缺少的工具。不要以為人工智能離我們很遠，它已經在進入我們的生活，模糊控制，決策支持等等方面都有人工智能的影子。讓計算機這個機器代替人類進行簡單的智力活動，把人類解放用於其它更有益的工作，這是人工智能的目的。 問題求解。
人工智能的第壹大成就是下棋程序，在下棋程度中應用的某些技術，如向前看幾步，把困難的問題分解成壹些較容易的子問題，發展成為搜索和問題歸納這樣的人工智能基本技術。今天的計算機程序已能夠達到下各種方盤棋和國際象棋的錦標賽水平。但是，尚未解決包括人類棋手具有的但尚不能明確表達的能力。如國際象棋大師們洞察棋局的能力。另壹個問題是涉及問題的原概念，在人工智能中叫問題表示的選擇，人們常能找到某種思考問題的方法，從而使求解變易而解決該問題。到目前為止，人工智能程序已能知道如何考慮它們要解決的問題，即搜索解答空間，尋找較優解答。 邏輯推理與定理證明。
邏輯推理是人工智能研究中最持久的領域之壹，其中特別重要的是要找到壹些方法，只把註意力集中在壹個大型的數據庫中的有關事實上，留意可信的證明，並在出現新信息時適時修正這些證明。對數學中臆測的題。定理尋找壹個證明或反證，不僅需要有根據假設進行演繹的能力，而且許多非形式的工作，包括醫療診斷和信息檢索都可以和定理證明問題壹樣加以形式化，因此，在人工智能方法的研究中定理證明是壹個極其重要的論題。 自然語言處理。
自然語言的處理是人工智能技術應用於實際領域的典型範例，經過多年艱苦努力，這壹領域已獲得了大量令人註目的成果。該領域的主要課題是：計算機系統如何以主題和對話情境為基礎，註重大量的常識——世界知識和期望作用，生成和理解自然語言。這是壹個極其復雜的編碼和解碼問題。 智能信息檢索技術。
受"()*+ (*) 技術迅猛發展的影響，信息獲取和精化技術已成為當代計算機科學與技術研究中迫切需要研究的課題，將人工智能技術應用於這壹領域的研究是人工智能走向廣泛實際應用的契機與突破口。 專家系統。
專家系統是目前人工智能中最活躍、最有成效的壹個研究領域，它是壹種具有特定領域內大量知識與經驗的程序系統。在“專家系統”或“知識工程”的研究中已出現了成功和有效應用人工智能技術的趨勢。人類專家由於具有豐富的知識，所以才能達到優異的解決問題的能力。那麽計算機程序如果能體現和應用這些知識，也應該能解決人類專家所解決的問題，而且能幫助人類專家發現推理過程中出現的差錯，這壹點已被證實。如在礦物勘測、化學分析、規劃和醫學診斷方面，專家系統已經達到了人類專家的水平。成功的例子如：PROSPECTOR系統發現了壹個鉬礦沈積，價值超過1億美元。DENDRL系統的性能已超過壹般專家的水平，可供數百人在化學結構分析方面的使用。MY CIN系統可以對血液傳染病的診斷治療方案提供咨詢意見。經正式鑒定結果，對患有細菌血液病、腦膜炎方面的診斷和提供治療方案已超過了這方面的專家。 機器翻譯
機器翻譯也是目前人工智能中最活躍的壹個研究領域，它是建立在語言學、數學和計算機科學這三門學科的基礎之上的。語言學家提供適合於計算機進行加工的詞典和語法規則，數學家把語言學家提供的材料形式化和代碼化，計算機科學家給機器翻譯提供軟件手段和硬件設備，並進行程序設計。缺少上述任何壹方面,機器翻譯就不能實現,機器翻譯效果的好壞，也完全取決於這三個方面的***同努力。就已有的成就來看，機譯的質量離終極目標仍相差甚遠。中國數學家、語言學家周海中教授曾在論文《機器翻譯五十年》中指出：要提高機譯的質量，首先要解決的是語言本身問題而不是程序設計問題；單靠若幹程序來做機譯系統，肯定是無法提高機譯質量的。同時，他還指出：在人類尚未明了人腦是如何進行語言的模糊識別和邏輯判斷的情況下，機譯要想達到“信、達、雅”的程度是不可能的。