人工智能（，缩写为），是指计算机系统执行通常与人类智慧相关任务的能力，例如学习、推理、解决问题、感知和决策。作为工程学、数学和计算机科学交叉的研究领域，人工智能旨在开发和研究相关方法与软件，使机器能够感知环境、运用机器学习和智能采取行动，并提高达成既定目标的可能性。

人工智能应用中较为知名的例子包括高级网络搜索引擎、聊天机器人、虚拟助手、自动驾驶汽车，以及在策略游戏（如国际象棋和围棋）中的对弈和分析。自2020年代以来，生成式人工智能已被广泛用于根据文本提示生成图像、音频和视频。

人工智能研究的传统目标包括学习、推理、知识表示、规划、自然语言处理和感知，以及对机器人学的支持。为实现这些目标，人工智能研究人员使用了包括状态空间搜索和数学优化、形式逻辑、人工神经网络，以及基于统计学、运筹学和经济学的方法在内的技术。人工智能还借鉴了心理学、语言学、哲学、神经科学和其他领域。一些公司，如OpenAI、Google DeepMind和Meta，旨在创造人工通用智能（AGI）——即能够在几乎所有认知任务上至少达到与人类同等水平的AI。

人工智能作为一门学科于1956年成立，

人工智能於一般教材中的定义领域是“智慧主体的研究与设计”人工智能可以定義為模仿人類與人類思維相關的認知功能的機器或計算機，如學習和解決問題。人工智能是計算機科學的一個分支，它感知其環境並採取行動，最大限度地提高其成功機會。此外，人工智能能夠從過去的經驗中學習，做出合理的決策，並快速回應。因此，人工智能研究人員的科學目標是通過構建具有象徵意義的推理或推理的計算機程式來理解智慧。在之外，人工智能的主要基础组成部分是：
*学习（包括机器学习、深度学习、强化学习等子领域）
*知识表示、推理与决策
*
*感知（例如计算机视觉）
*自然语言处理（NLP）
*生成能力：生成模型与生成式人工智能

人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及範圍極廣。

最近，由於人工智能減少了行政成本和時間，許多政府開始將人工智能用於各種公共服務。例如，移民流程的機器人自動化減少了處理時間並提高了效率。人工智能為地方政府服務帶來技術突破。人工智能代理協助城市規劃者基於目標導向的蒙特卡羅樹搜索進行場景規劃。目標推理人工智能代理提供最佳的土地利用解決方案，幫助人類制定民主的城市土地利用規劃。人工智能利用在線數據來監控和修改環境威脅政策。在2019 年水危機期間，潛在狄利克雷分配方法確定了Twitter (X) 中討論最多的主題，這是一種樸素的推文分類方法，對乾旱的影響和原因、政府響應和潛在解決方案等主題進行了分類。人工智能工具與司法部門的人類法官相輔相成，提供客觀、一致的風險評估]]

对机器或“形式”的推理研究起源于古代哲学家和数学家。逻辑学的研究直接催生了艾伦·图灵的计算理论，理论提出，一台通过操作简单符号“0”和“1”的机器，能够模拟任意复杂的数学推理过程。}} 此外，他们还开拓了未来成为人工智能领域一部分的多个研究分支，比如1943年沃伦·麦卡洛克与沃尔特·皮茨设计的“人工神经元”，以及图灵于1950年发表的具有深远影响的论文《》，其中提出了“图灵测试”，展示了“机器智能”的可行性。

人工智能研究领域正式成立于1956年在达特茅斯学院举行的“达特茅斯会议”。
与会者后来在20世纪60年代成为该领域的先驱者。他们及其学生研发出的程序被媒体誉为“令人惊叹”：计算机不仅能学会国际跳棋策略，还能解决代数文字难题、证明逻辑定理，甚至能进行英语对话。在20世纪50年代末至60年代初，许多英国和美国的大学纷纷建立了人工智能实验室。马文·明斯基（Marvin Minsky）对此表示赞同，他认为：“在一代人的时间内，‘人工智能’这一难题将会得到实质性的解决。”但事实证明他们低估了这个问题所涉及的复杂性。1974年，受到詹姆斯·莱特希尔爵士（Sir James Lighthill）的批评以及美国国会倾向于资助更为有成效项目的趋势，美国和英国政府都中断了探索性研究。明斯基和西摩·佩珀特（Seymour Papert）在其著作《感知器》（Perceptrons）中提出的观点，被误认为已经证明人工神经网络在解决现实世界问题上毫无用处，从而完全否定了这种方法。随后出现了 “人工智能寒冬”，即人工智能项目难以获得资助的时期。

20世纪80年代初期，人工智能研究因专家系统的商业成功而再次活跃，一种人工智能程序，旨在模拟人类专家的知识和分析技巧。到了1985年，AI市场估值超过10亿美元。与此同时，日本的第五代计算机项目推动英美两国恢复学术研究的资助。但从1987年Lisp机器市场的衰退开始，人工智能再次发展挫折，第二个较长的低迷期开始了。

在此之前，人工智能的主要资金用于高级符号项目，用以表征如计划、目标、信念等概念性对象。20世纪80年代，一些研究人员开始怀疑，这种方法能否模仿人类认知的所有过程，特别是感知、机器人、学习和模式识别，并开始研究“次符号”方法。罗德尼·布鲁克斯（Rodney Brooks）普遍不认同“表征”这一概念，并将研究重心转向了设计能够移动和自持生存的机器工程。朱迪亚·珀尔、卢特菲·泽德等学者发展了多种方法，这些方法基于合理推断处理不完备或不确定的信息，而非依赖于严格的逻辑。1990年，杨立昆（Yann Le Cun）展示了卷积神经网络能够识别手写数字，这项突破性的研究为神经网络在多个实际应用领域的应用奠定了基础。

20世纪末至21世纪初期，人工智能利用形式化的数学方法，结合针对特定问题制定的策略，逐步在学术界重建了声誉。这种“聚焦”与“规范化”的研究方法让研究者能产出可验证的成果，并促进了与统计学、经济学及数学等其他学科的交叉合作。至2000年，人工智能领域研究的解决方案获得了广泛的应用，尽管在1990年代，这些方案往往不被直接标识为“人工智能”。当前，部分人工智能领域的学者提出观点，关注研究重点可能未全面覆盖创造具备多功能性和全面智能的机器这一初始目标。2002至2010年间，通用人工智能（AGI）领域内成立了多个获得充分资金支持的研究机构。

2012年以来，深度学习开始主导行业标准，并迅速成为该领域内广泛采用的方法。在多种场合，替代性方法被淘汰，深度学习得到优先采用。深度学习的突破性成果，既得力于硬件的显著进步（如计算速度更快的电脑、图形处理单元以及云计算技术），也依赖于广泛的数据可用性（包括精心策划的数据集，譬如ImageNet）。深度学习的成果引发了公众对于人工智能的浓厚兴趣并促使资金投入的大幅度增加。2015年至2019年期间，机器学习领域的出版物数目上升了50%。

2016年，在机器学习会议上，与技术滥用成为突出话题；相关论文发表数量急剧增加，研究经费随之提供，众多研究人员转而聚焦这些议题。对齐问题逐渐成为学术探讨的重要议题。

2010年代末至2020年代初，AGI公司推出引发广泛关注的程序。2015年，由Google DeepMind研发的“阿尔法狗”战胜了世界围棋冠军。该程序仅被输入了游戏规则并自主形成了策略。GPT-3是OpenAI在2020年推出的一款强大的语言模型，它能生成高质量、类人的文本。这些及其他程序引发了剧烈的AI热潮，主要企业投入数十亿美元于AI研究。AI Impacts预测，到2022年，仅在美国，人工智能领域的年投资就将达到约500亿美元，大约20%的美国新晋计算机科学博士生将专注于AI领域。在2022年，美国预计将有大约80万的人工智能相关职位空缺。

進入2023年，OpenAI推出了GPT-4，其多模態能力和推理性能顯著提升，能處理文本和圖像輸入，並在複雜問題解決方面展現出更強大的能力。隔年(2024年)，OpenAI進一步發布GPT-4o，這款模型能夠處理文本、圖像等多種數據類型，並以更自然的對話能力獲得廣泛應用。

截至2024年，AI技術的應用範圍進一步擴大。例如，Anthropic的Claude模型因其安全性和可解釋性受到關注，被廣泛用於企業應用。與此同時，xAI於2023年推出Grok，旨在加速人類科學發現，特別是在太空探索和物理學領域。根據市場研究，至2024年，全球AI市場規模已達到約1640億美元，並預計以年複合增長率（CAGR）36.6%持續增長。

2025年，中小型AI模型開始崛起，這些模型以更低的計算需求提供高效性能，受到廣泛關注。深度求索於2024年12月24日推出了DeepSeek-V3，這是一款通用大型語言模型（LLM），並於2025年1月發布DeepSeek-R1，專注於複雜邏輯任務的推理模型，兩者均提供開源權重和訓練方法。DeepSeek R1擁有6710億(610B)個參數，被認為在推理能力上與OpenAI的o1模型相當，並因其高效的訓練方法引发了全球AI競爭的熱潮。2025年3月6日，阿里巴巴集团發布了QwQ-32B，一款320億(32B)參數的開源推理模型，據稱其性能可媲美DeepSeek R1，並在數學、編碼和一般問題解決等基準測試中超越OpenAI的o1-mini，且計算需求顯著降低。QwQ-32B的發布使阿里巴巴香港上市股票在2025年3月6日上漲超過8%，反映市場對中小型高效模型的看好。

研究課題
目前人工智慧的研究方向已經被分成幾個子領域，研究人員希望一個人工智慧系統應該具有某些特定能力，以下將這些能力列出並說明。]]
情感和社交技能對於一個智能agent是很重要的。首先，-{zh-hans:通过; zh-hant:透過;}-了解他們的動機和情感狀態，代理人能夠預測別人的行動（這涉及要素博弈論、決策理論以及能夠塑造人的情感和情緒感知能力檢測）。此外，為了良好的人機互動，智慧代理人也需要表現出情緒來。至少它必須出現禮貌地和人類打交道。至少，它本身應該有正常的情緒。

創造力
一個人工智慧的子領域，代表了理論（從哲學和心理學的角度）和實際（通過特定的實現產生的系統的輸出是可以考慮的創意，或系統識別和評估創造力）所定義的創造力。相關領域的研究包括了人工直覺和人工想像。

研究方法
目前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？

控制论与大脑模拟
20世纪40年代到50年代，许多研究者探索神经学、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，如的烏龜（turtle）和約翰霍普金斯野獸。

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。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。

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）。1990年代智能agent范式被广泛接受。。

實際應用
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、無人載具等。

應用領域

智能控制
機器人學
自動化技術
語言和圖像理解
遺傳編程
法學資訊系統
下棋
醫學領域

倫理
倫理管理
史蒂芬·霍金、比爾蓋茲、埃隆·马斯克、Jaan Tallinn以及Nick Bostrom等人都對於人工智慧技術的未來公開表示憂心，人工智慧若在許多方面超越人類智慧水平的智能、不斷更新、自我提升，進而取得控制管理權，人類是否有足夠的能力及時停止人工智慧領域的「軍備競賽」，能否保有最高掌控權，現有事實是：機器常失控導致人員傷亡，這樣的情況是否會更加擴大規模出現，歷史顯然無法給出可靠的樂觀答案。特斯拉電動車馬斯克（Elon Musk）在麻省理工學院（MIT）航空航天部門百年紀念研討會上稱人工智能是「召喚惡魔」行為，英國發明家Clive Sinclair認為一旦開始製造抵抗人類和超越人類的智能機器，人類可能很難生存，蓋茲同意馬斯克和其它人所言，且不知道為何有些人不擔憂這個問題。

Google DeepMind的人工智慧（AI）系統在2016年「AlphaGo」對戰南韓棋王李世乭獲勝，開發商表示在內部設立倫理委員會，針對人工智慧的應用制定政策，防範人工智慧淪為犯罪開發者。

科技進步，人工智慧科技產生「自主武器」軍備競賽已悄悄展開，英國、以色列與挪威，都已部署自主飛彈與無人操控的無人機，具「射後不理」（fire-and-forget）能力的飛彈，多枚飛彈還可互相溝通，分享找到攻擊目標。這些武器還未被大量投入，但很快就會出現在戰場上，且並非使用人類所設計的程序，而是完全利用機器自行決策。霍金等人在英國獨立報發表文章警告未來人工智慧可能會比人類金融市場、科學家、人類領袖更能操縱人心、甚至研發出人們無法理解的武器。專家恐發展到無法控制的局面，援引聯合國禁止研發某些特定武器的「特定常規武器公約」加以限制。新南威尔士大学人工智慧的教授認為這是一種欺騙，因為機器無區別戰敵和平民的技術。

經濟衝擊
CNN財經網數字媒體未來學家、美国在线等紛紛預測一些即將被機器人取代的職業，日本野村综合研究所也與英國牛津大学的研究學者共同調查指出，10至20年後，日本有49%的職業（235種職業）可能會被機械和人工智慧取代而消失，直接影響約達2500萬人，例如：超市店員、一般事務員、計程車司機、收費站運營商和收銀員、市場營銷人員、客服人員、製造業工人、金融中間人和分析師、新聞記者、電話公司職員、麻醉師、士兵和保安、律師、醫生、軟體開發者和操盤手、股票交易員等等高薪酬的腦力職業將最先受到衝擊。

2017年6月份马云在美國底特律舉行「鏈結世界」（Gateway 17）產業大會，會上提出人工智慧可能導致第三次世界大戰，因為前兩次產業革命都導致兩次大戰，戰爭原因並非這些創新發明本身，而是發明對社會上許多人的生活方式衝擊處理不當，新科技在社會上產生新工作也取代舊工作，產生了新的輸家和贏家，若是輸家的人數太多將造成一股社會不穩的能量而這股能量被有心人利用可能導致各種事件。他認為各國應該強制訂定規定AI機器只能用於人類不能做的工作，避免短時間大量人類被取代的失業大潮，但馬雲沒有提出這種世界性規定將如何實現並確保遵守的細節方案。

數據科學家被哈佛商業評論称为《二十一世纪最Sexy的職业》，人工智能需求量大，鼓励了不少大学诸如伯克利大学专门成立数据科学系。硅谷和纽约为主的《》公司於2012年成立，焦点是数据科学，大数据，和人工智能企业培训，提供国际大数据培训服务。

AI對人類的威脅
此議題目前分成兩個學派：

悲觀學派
此學派的代表是天文物理學家史蒂芬·霍金，以及特斯拉執行長伊隆·馬斯克。霍金認為AI對人類將來有很大的威脅，主要有以下理由：

AI會遵循科技發展的加速度理論。

AI可能會有自我改造創新的能力。

AI進步的速度遠遠超過人類。

人類會有被滅絕的危機。

樂觀學派
主要是Google、Facebook等AI的主要技術發展者，他們對AI持樂觀看法的理由：

人類只要關掉電源就能除掉AI機器人。

任何的科技都會有瓶頸，摩爾定律到目前也遇到相當的瓶頸，AI科技也不會無限成長，依然存在許多難以克服的瓶頸。

依目前的研究方向，電腦無法突變、甦醒、產生自我意志，AI也不可能具有創意與智慧、同情心與審美等這方面的能力。

AI與管理
AI逐漸普及後，將會在企業管理中扮演很重要的角色，而人類的管理者應如何適度的調整自己的工作職能，有以下幾點建議：

放棄行政工作；

退守分析預測的領域而強化自己的綜合判斷力；

把AI當作同事，形成協同合作的團隊；

多琢磨在創造力以及各種流程架構設計師角色；

強化自己人際網路、溝通協調、談判上的能力；

培養自身領導能力，能有效地帶領一個士氣高、團結及凝結力高的工作夥伴。

滥用
2019年6月，基于神经网络技术DeepNude软件面世，该软件可以将人物照片的衣着褪去，显示出裸体。随后，经该软件处理后的色情图片在网络上泛滥并引发争议，此后该软件在批评声中被下架。据美国网络安全公司Sensity统计，DeepNude已经产生了68万以上女性的假裸照，其中70%的原照片来自社交网络中的真实女性，而经DeepFake技术处理的视频在以每6个月翻一番的数量增长。，Sensity检测到的相关视频数量超过8.5万个。而恶用该技术则可能涉嫌违反《著作权法》等法律，日本警方便多次处理过使用人工智能技术去除色情影片中的马赛克、替换色情影片中女优容貌等相关案件。

监管
人工智能监管是指公共部门为促进和规范人工智能而制定的政策和法律；因此它与更广泛的算法监管相关。人工智能的监管与政策格局是全球各司法管辖区的一个新兴问题。根据斯坦福大学的人工智能指数，在127个被调查国家中，每年通过的人工智能相关法律数量从2016年的1项跃升至2022年仅一年就达到37项。在2016年至2020年间，超过30个国家通过了专门的人工智能战略。大多数欧盟成员国以及加拿大、中国、印度、日本、毛里求斯、俄罗斯联邦、沙特阿拉伯、阿联酋、美国和越南都已发布了国家人工智能战略。其他国家（包括孟加拉国、马来西亚和突尼斯）正在制定自己的人工智能战略。全球人工智能伙伴关系于2020年6月启动，指出人工智能的发展必须符合人权和民主价值观，以确保公众对该技术的信心和信任。亨利·基辛格、埃里克·施密特和于2021年11月发表联合声明，呼吁成立一个政府委员会来监管人工智能。 2023年，OpenAI领导人发布了关于超级智能治理的建议，他们认为超级智能可能在不到10年内出现。 2023年，联合国还成立了一个咨询机构，为人工智能治理提供建议；该机构由科技公司高管、政府官员和学者组成。 2024年8月1日，欧盟《人工智能法案》生效，建立了首个覆盖整个欧盟的全面人工智能监管框架。 2024年，欧洲委员会制定了首个具有法律约束力的国际人工智能条约，称为“”。该条约已由欧盟、美国、英国和其他签署国通过。

在2022年益普索的一项调查中，各国对人工智能的态度差异很大；78%的中国公民同意“使用人工智能的产品和服务利大于弊”，而美国人中这一比例仅为35%。 2023年路透社/益普索的一项民意调查发现，61%的美国人同意人工智能对人类构成风险，22%的人不同意。在2023年福克斯新闻的一项民意调查中，35%的美国人认为联邦政府监管人工智能“非常重要”，另有41%的人认为“有些重要”，而13%的人回答“不太重要”，8%的人回答“完全不重要”。

2023年11月，首届全球在英国布莱切利园举行，讨论人工智能的近期和远期风险，以及强制性和自愿性监管框架的可能性。包括美国、中国和欧盟在内的28个国家在峰会开始时发表了一项宣言，呼吁国际合作以应对人工智能带来的挑战和风险。 2024年5月，在AI首尔峰会上，16家全球人工智能科技公司同意在人工智能发展方面做出安全承诺。

2026年3月，联合国召开了独立国际人工智能科学小组的首次会议，该小组是一个由40名专家组成的机构，根据《全球数字契约》设立，旨在就人工智能的社会影响编制年度循证报告。

學科範疇
人工智能是一門邊緣學科，屬於自然科學和社會科學的交叉。

涉及学科

认知科学
数学及统计学
物理学
逻辑学
控制论及決定論
社会学
犯罪學及智慧犯罪学

研究範疇

自然語言處理
知識表現
智能搜索
推理
規劃
機器學習
增強式學習
知識獲取
感知問題
模式識別
邏輯程序設計
軟計算
不精確和不確定的管理
人工生命
人工神經網路
複雜系統
遺傳算法
資料挖掘
模糊控制

哲學
強人工智能和弱人工智能
人工智能的一個比較流行的定義，也是該領域較早的定義，是由當時麻省理工學院的约翰·麦卡锡于1956年的達特矛斯會議上提出的：人工智能就是要讓機器的行為看起來就像是人所表現出的智能行為一樣。但是這個定義似乎忽略了強人工智能的可能性（見下）。另一個定義指人工智能是人造機器所表現出來的智能。總體來講，目前對人工智能的定義大多可劃分為四類，即機器「像人一樣思考」、「像人一樣行動」、「理性地思考」和「理性地行動」。這裡「行動」應廣義地理解為採取行動，或制定行動的決策，而不是肢體動作。

強人工智能
強人工智能觀點認為「有可能」製造出「真正」能推理和解決問題的智能機器，並且，這樣的機器將被認為是具有知覺、有自我意識的。強人工智能可以有兩類：

人類的人工智能，即機器的思考和推理就像人的思維一樣。
非人類的人工智能，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。

弱人工智能
弱人工智能觀點認為「不可能」製造出能「真正」地推理和解決問題的智能機器，這些機器只不過「看起來」像是智能的，但是並不真正擁有智能，也不會有自主意識。

弱人工智能是對比強人工智能才出現的，因為人工智能的研究一度處於停滯不前的狀態下，直到類神經網路有了強大的運算能力加以模擬後，才開始改變並大幅超前。但人工智能研究者不一定同意弱人工智能，也不一定在乎或者了解強人工智能和弱人工智能的內容與差別，對定義爭論不休。

就當下的人工智能研究領域來看，研究者已大量造出「看起來」像是智能的機器，取得相當豐碩的理論上和實質上的成果，如2009年康乃爾大學教授Hod Lipson 和其博士研究生Michael Schmidt 研發出的 Eureqa電腦程式，只要給予一些資料，這電腦程式自己只用幾十個小時計算就推論出牛頓花費多年研究才發現的牛頓力學公式，等於只用幾十個小時就自己重新發現牛頓力學公式，這電腦程式也能用來研究很多其他領域的科學問題上。這些所謂的弱人工智慧在神經網路發展下已經有巨大進步，但對於要如何整合成強人工智慧，現在還沒有明確定論。

對強人工智能的哲學爭論
「強人工智能」一詞最初是约翰·瑟尔針對電腦和其它資訊處理機器創造的，其定義為：

{{Quote|text=強人工智能觀點認為計算機不僅是用來研究人的思維的一種工具；相反，只要-{zh-hans:运行; zh-hant:運行; zh-tw:執行}-適當的程序，計算機本身就是有思維的。|author=J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980}}

關於強人工智能的爭論，不同於更廣義的一元論和二元論的爭論。其爭論要點是：如果一台機器的唯一工作原理就是轉換編碼數據，那麼這台機器是不是有思維的？希爾勒認為這是不可能的。他舉了個中文房間的例子來說明，如果機器僅僅是轉換數據，而數據本身是對某些事情的一種編碼表現，那麼在不理解這一編碼和這實際事情之間的對應關係的前提下，機器不可能對其處理的數據有任何理解。基於這一論點，希爾勒認為即使有機器通-{}-過了圖靈測試，也不一定說明機器就真的像人一樣有自我思維和自由意識。

也有哲學家持不同的觀點。丹尼爾·丹尼特在其著作《》（Consciousness Explained）裡認為，人也不過是一台有靈魂的機器而已，為什麼我們認為：「人可以有智能，而普通機器就不能」呢？他認為像上述的數據轉換機器是有可能有思維和意識的。

有的哲學家認為如果弱人工智能是可實現的，那麼強人工智能也是可實現的。比如（Simon Blackburn）在其哲學入門教材Think裡說道，一個人的看起來是「智能」的行動並不能真正說明這個人就真的是智能的。我永遠不可能知道另一個人是否真的像我一樣是智能的，還是說她／他僅僅是「看起來」是智能的。基於這個論點，既然弱人工智能認為可以令機器「看起來」像是智能的，那就不能完全否定這機器是真的有智能的。布莱克本認為這是一個主觀認定的問題。

需要指出的是，弱人工智能並非和強人工智能完全對立，也就是說，即使強人工智能是可能的，弱人工智能仍然是有意義的。至少，今日的計算機能做的事，像算術運算等，在一百多年前是被認為很需要智能的。並且，即使強人工智能被證明為可能的，也不代表強人工智能必定能被研製出來。

參看

量子计算
人工生命
机器学习
人工智能哲學
認知神經科學
强人工智能
超智能
圖靈測試
合成智能
電腦圍棋
電腦象棋
電腦將棋
恐怖谷理論
電腦科學
認知科學
意識
語義學
技术奇异点
集体智慧
控制論
心理學
生物化学计算机（例：人脑）
國際人工智能聯合會議
网络本体语言（OWL）
遊戲樹
自動駕駛汽車
電子世界爭霸戰
联结主义
人工智能法案
人工智能热潮

*人工智能效应

参考文献
引用
来源
; 中文書

李開復、王詠剛；《人工智慧來了》
李開復；《AI·未来》

; 教材
*
*
*
*
*
*
*
*
*
*
*

; 人工智能历史
*
*
*

; 其他
*

[http://dblp.uni-trier.de/rec/bibtex/conf/iwann/Aleksander95 BibTex] [https://web.archive.org/web/19970302014628/http://www.ee.ic.ac.uk/research/neural/publications/iwann.html Internet Archive]
.

*
*
*
*
*
*
*
*
*
*
*
*
*

*
*
*
*
*

*
*
*
*

*
*
*
*
*
*
*
*
*

.
, Presidential Address to the Association for the Advancement of Artificial Intelligence.