强人工智能的研究则处于停滞不前的状态下。“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。”（JSEARLEINMINDSBRAINSANDPROGRAMS.THEBEHAVIORALANDBRAINSCIENCES,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。 逻辑推理是人工智能研究中较持久的领域之一。人工智能产品方案
专属人工智能取得重要突破。从可应用性看，人工智能大体可分为专属人工智能和通用人工智能。面向特定任务(比如下围棋)的专属人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专属智能领域。例如，阿尔法狗(AlphaGo)在围棋比赛中战胜人类头筹，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤病达到专业医生水平。人工智能超融合人机混合智能旨在将人的作用或认知模型引入到人工智能系统中。
人工智能已经统治世界多年了，使用人工智能解决不同领域重大问题的方式无疑值得一提。几十年前，这项技术还不够先进，无法满足商业需求和问题。但是随着人工智能的出现，情况变得更好了。人工智能在几乎所有领域的应用程度值得赞赏。随着这个领域带来了如此多的机会，在未来几年里看到人工智能在各个方面的发展也就不足为奇了。保健行业：几乎不可能想象没有人工智能的医疗行业。无论是以电子方式维护记录，机器人协助外科医生，还是大幅减少网络攻击，人工智能都使这一领域成为可能。这一领域是我们的福气，利用每一种可能的技术来提供较佳的结果一直是我们的优先事项。把老年人放在心上，人们可以期待低成本的传感设备，使用人工智能为家中的老年人提供“实质性的能力”。尽管要做到这一点，还需要集成其他平台，如机器人技术、机器学习等，但人工智能无疑是基础。
可解释的人工智能（XAI）许多人工智能/机器学习模型（特别是/神经网络/'神经网络）都是黑盒模型。在经过大量数据的训练之后，由于难以确定如何以及为何做出某些决定，这些模型通常是不负责任的。为了使它们更具责任感和透明度，需要使它们更具解释性。一个新兴的研究领域称为“可解释性”，它使用复杂的技术来帮助为诸如决策树之类的简单系统以及诸如神经网络之类的复杂系统带来透明度。解释有助于建立对系统的信任，也可以帮助研究人员了解为什么会犯错误以及如何快速纠正错误。在医疗、银行、金融服务和保险等敏感领域，不能盲目相信人工智能决策。例如，在批准银行借款时，需要理解为什么有人被拒绝，特别是当考虑到种族偏见潜入其他人工智能系统的例子时。随着人工智能变得越来越复杂，将这些黑盒模型变得更加清晰将变得越来越重要，可解释的人工智能（XAI）应该成为未来开发人工智能系统的组织关注的主要领域。人工智能由可以分析数据并从中学习的模型组成。
人工智能被认为是二十一世纪三大高质量技术（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普遍应用，并取得了丰硕的成果，人工智能已逐步成为一个的分支，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。人工智能技术的普遍应用已经在深深影响着我们生活工作的方方面面。人工智能超融合
人工智能的社会影响日益凸显。人工智能产品方案
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。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，而各自有单独的研究风格。JOHNHAUGELAND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比较大的成就。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结尾可以成功创造强人工智能的机器，同时这也是他们的目标。人工智能产品方案
