Inteligencja - zdolność uczenia się i rozumienia zjawisk poprzez doświadczenie, zdolność zdobywania wiedzy i wykorzystania jej w celu szybkiego i efektywnego reagowania na nowe sytuacje; zdolność rozumowania w celu efektywnego rozwiązywania problemów.
Pod-dziedziny sztucznej inteligencji:
rozwiązywanie problemów i strategie przeszukiwań;
teoria gier;

rozumowanie logiczne, automatyczne dowodzenie twierdzeń;

systemy ekspertowe;

robotyka (inteligentne połączenie pomiędzy percepcją a akcją);

procesy percepcji (wizja, słuch, dotyk, mowa);

uczenie się maszyn;

wyszukiwanie informacji (inteligentne bazy danych);

programowanie automatyczne;

analiza scen;

specjalistyczne stacje robocze;

systemy hybrydowe (połączenie tradycyjnych systemów ekspertowych, systemów uczących się, sztucznych sieci neuronowych oraz algorytmów ewolucyjnych

Mózg -wolny, rozumowanie skojarzeniowe, percepcyjny, zapominający, twórczy, uczący się, emocjonalny
Zbiory rozmyte: W praktyce większość przypadków podejmowania decyzji w procesie planowania lub zarządzania odbywa się w warunkach pewnej nieokreśloności. Nieokreśloność uwarunkowaną czynnikami przypadkowymi nazywamy nieokreślonością losową lub stochastyczną. W celu podejmowania decyzji w warunkach nieokreśloności stochastycznej wykorzystywana jest teoria prawdopodobieństwa.
Zastosowania logiki rozmytej: Wszędzie tam, gdzie trudno jest utworzyć matematyczny model ale daje się opisać sytuację w sposób jakościowy, za pomocą reguł rozmytych. Kontrolery rozmyte: ABS, aut. Wycieraczki. Inteligentne” lodówki, pralki, opiekacze do grzanek, aparaty fotograficzne. Tam gdzie nieprecyzyjny język daje się przełożyć na reguły rozmyte. Wiele zastosowań przemysłowych, głównie dotyczących kontroli procesów.
Prolog (od francuskiego Programmation en Logique) jest to jeden z najpopularniejszych języków programowania logicznego. Prolog jest językiem ogólnego zastosowania, szczególnie dobrze sprawdzającym się w programach związanych ze sztuczną inteligencją. Prolog w przeciwieństwie do większości popularnych języków jest językiem deklaratywnym.
LISP (ang. List Processing) – język programowania wysokiego poziomu przeznaczony do przetwarzaniu typu lista. Lisp został wymyślony przez Johna McCarthy'ego w 1958 podczas jego pobytu na MIT. Stosowany jest do analizy tekstów, obliczeń symbolicznych (nienumerycznych) i logicznych, sztucznej inteligencji. Podstawową strukturą danych w Lispie jest lista. Kod źródłowy programów w Lispie składa się z list.
Rozpoznawanie obrazów : W zadaniu rozpoznawania obrazów chodzi o rozpoznawanie przynależności rozmaitego typu obiektów (lub zjawisk) do pewnych klas. Rozpoznawanie to ma być prowadzone w sytuacji braku apriorycznej informacji na temat reguł przynależności obiektów do pewnych klas, a jedyna informacja możliwa do wykorzystania przez algorytm lub maszynę rozpoznającą jest zawarta w ciągu uczącym, złożonym z obiektów, dla których znana jest prawidłowa klasyfikacja. Rozpoznawanie obrazów obejmuje dwa komplementarne w stosunku do siebie zadania: grupowanie (klasteryzacja, analiza skupień) i klasyfikację.
Klasyfikacja metod rozpoznawania
Metody minimalno-odległościowe
2. Metody wzorców

3. Metody aproksymacyjne

4. Metody probabilistyczne

5. Metody funkcji potencjalnych

6. Sieci neuronowe

7. Metody syntaktycznego rozpoznawania obrazów

8 Metody ciągowe

9 Metody drzewkowe

10 Metody grafowe

Automat komórkowy jest matematycznym, równoległym modelem obliczeniowym i charakteryzuje się:

 zbiorem C komórek c_i, tworzących regularną sieć

w n - wymiarowej przestrzeni;

 zbiorem S stanów s_i pojedynczych komórek,

zawierającym k_i elementów;

 regułami F określających stan komórki w chwili t+1 w zależności od jej stanu
w chwili t oraz stanu komórek ją otaczających.

Ze względu na specyficzne cechy i niepodważalne zalety obszar zastosowań sieci neuronowych jest rozległy i obejmuje mi.:

- Rozpoznawanie wzorców (znaków, liter, kształtów, sygnałów mowy, sygnałów sonarowych)
- Klasyfikowanie obiektów
- Prognozowanie i ocena ryzyka ekonomicznego
- Prognozowanie zmian cen rynkowych (giełdy, waluty)
- Ocena zdolności kredytowej podmiotów
- Prognozowanie zapotrzebowania na energię elektryczną
- Diagnostyka medyczna
- Dobór pracowników
- Prognozowanie sprzedaży
- Aproksymowanie wartości funkcji

Test Turinga to sposób określania zdolności maszyny do posługiwania się językiem naturalnym i pośrednio mającym dowodzić opanowania przez nią umiejętności myślenia w sposób podobny do ludzkiego. Test wygląda następująco: sędzia - człowiek - prowadzi rozmowę w języku naturalnym z pozostałymi stronami. Jeśli sędzia nie jest w stanie wiarygodnie określić, czy któraś ze stron jest maszyną czy człowiekiem, wtedy mówi się, że maszyna przeszła test. Zakłada się, że zarówno człowiek jak i maszyna próbują przejść test zachowując się w sposób możliwie zbliżony do ludzkiego.

Przeszukiwanie w przód – gdy większość lub wszystkie dane są zawarte w sformułowaniu problemu. Gdy trudno jest sformułować hipotezę docelową. Gdy występuje duża liczba potencjalnych celów.

Przeszukiwanie w tył – Gdy cel lub hipoteza jest dana w sformułowaniu. Gdy liczba reguł możliwych do zastosowania rośnie szybko. Gdy stan początkowy musi zostać rozpoznany.

Inteligencja - zdolność uczenia się i rozumienia zjawisk poprzez doświadczenie, zdolność zdobywania wiedzy i wykorzystania jej w celu szybkiego i efektywnego reagowania na nowe sytuacje; zdolność rozumowania w celu efektywnego rozwiązywania problemów.
Pod-dziedziny sztucznej inteligencji:
rozwiązywanie problemów i strategie przeszukiwań;
teoria gier;

rozumowanie logiczne, automatyczne dowodzenie twierdzeń;

systemy ekspertowe;

robotyka (inteligentne połączenie pomiędzy percepcją a akcją);

procesy percepcji (wizja, słuch, dotyk, mowa);

uczenie się maszyn;

wyszukiwanie informacji (inteligentne bazy danych);

programowanie automatyczne;

analiza scen;

specjalistyczne stacje robocze;

systemy hybrydowe (połączenie tradycyjnych systemów ekspertowych, systemów uczących się, sztucznych sieci neuronowych oraz algorytmów ewolucyjnych

Mózg -wolny, rozumowanie skojarzeniowe, percepcyjny, zapominający, twórczy, uczący się, emocjonalny
Zbiory rozmyte: W praktyce większość przypadków podejmowania decyzji w procesie planowania lub zarządzania odbywa się w warunkach pewnej nieokreśloności. Nieokreśloność uwarunkowaną czynnikami przypadkowymi nazywamy nieokreślonością losową lub stochastyczną. W celu podejmowania decyzji w warunkach nieokreśloności stochastycznej wykorzystywana jest teoria prawdopodobieństwa.
Zastosowania logiki rozmytej: Wszędzie tam, gdzie trudno jest utworzyć matematyczny model ale daje się opisać sytuację w sposób jakościowy, za pomocą reguł rozmytych. Kontrolery rozmyte: ABS, aut. Wycieraczki. Inteligentne” lodówki, pralki, opiekacze do grzanek, aparaty fotograficzne. Tam gdzie nieprecyzyjny język daje się przełożyć na reguły rozmyte. Wiele zastosowań przemysłowych, głównie dotyczących kontroli procesów.
Prolog (od francuskiego Programmation en Logique) jest to jeden z najpopularniejszych języków programowania logicznego. Prolog jest językiem ogólnego zastosowania, szczególnie dobrze sprawdzającym się w programach związanych ze sztuczną inteligencją. Prolog w przeciwieństwie do większości popularnych języków jest językiem deklaratywnym.
LISP (ang. List Processing) – język programowania wysokiego poziomu przeznaczony do przetwarzaniu typu lista. Lisp został wymyślony przez Johna McCarthy'ego w 1958 podczas jego pobytu na MIT. Stosowany jest do analizy tekstów, obliczeń symbolicznych (nienumerycznych) i logicznych, sztucznej inteligencji. Podstawową strukturą danych w Lispie jest lista. Kod źródłowy programów w Lispie składa się z list.
Rozpoznawanie obrazów : W zadaniu rozpoznawania obrazów chodzi o rozpoznawanie przynależności rozmaitego typu obiektów (lub zjawisk) do pewnych klas. Rozpoznawanie to ma być prowadzone w sytuacji braku apriorycznej informacji na temat reguł przynależności obiektów do pewnych klas, a jedyna informacja możliwa do wykorzystania przez algorytm lub maszynę rozpoznającą jest zawarta w ciągu uczącym, złożonym z obiektów, dla których znana jest prawidłowa klasyfikacja. Rozpoznawanie obrazów obejmuje dwa komplementarne w stosunku do siebie zadania: grupowanie (klasteryzacja, analiza skupień) i klasyfikację.
Klasyfikacja metod rozpoznawania
Metody minimalno-odległościowe
2. Metody wzorców

3. Metody aproksymacyjne

4. Metody probabilistyczne

5. Metody funkcji potencjalnych

6. Sieci neuronowe

7. Metody syntaktycznego rozpoznawania obrazów

8 Metody ciągowe

9 Metody drzewkowe

10 Metody grafowe

Automat komórkowy jest matematycznym, równoległym modelem obliczeniowym i charakteryzuje się:

 zbiorem C komórek c_i, tworzących regularną sieć

w n - wymiarowej przestrzeni;

 zbiorem S stanów s_i pojedynczych komórek,

zawierającym k_i elementów;

 regułami F określających stan komórki w chwili t+1 w zależności od jej stanu
w chwili t oraz stanu komórek ją otaczających.

Ze względu na specyficzne cechy i niepodważalne zalety obszar zastosowań sieci neuronowych jest rozległy i obejmuje mi.:

- Rozpoznawanie wzorców (znaków, liter, kształtów, sygnałów mowy, sygnałów sonarowych)
- Klasyfikowanie obiektów
- Prognozowanie i ocena ryzyka ekonomicznego
- Prognozowanie zmian cen rynkowych (giełdy, waluty)
- Ocena zdolności kredytowej podmiotów
- Prognozowanie zapotrzebowania na energię elektryczną
- Diagnostyka medyczna
- Dobór pracowników
- Prognozowanie sprzedaży
- Aproksymowanie wartości funkcji

Test Turinga to sposób określania zdolności maszyny do posługiwania się językiem naturalnym i pośrednio mającym dowodzić opanowania przez nią umiejętności myślenia w sposób podobny do ludzkiego. Test wygląda następująco: sędzia - człowiek - prowadzi rozmowę w języku naturalnym z pozostałymi stronami. Jeśli sędzia nie jest w stanie wiarygodnie określić, czy któraś ze stron jest maszyną czy człowiekiem, wtedy mówi się, że maszyna przeszła test. Zakłada się, że zarówno człowiek jak i maszyna próbują przejść test zachowując się w sposób możliwie zbliżony do ludzkiego.

Przeszukiwanie w przód – gdy większość lub wszystkie dane są zawarte w sformułowaniu problemu. Gdy trudno jest sformułować hipotezę docelową. Gdy występuje duża liczba potencjalnych celów.

Przeszukiwanie w tył – Gdy cel lub hipoteza jest dana w sformułowaniu. Gdy liczba reguł możliwych do zastosowania rośnie szybko. Gdy stan początkowy musi zostać rozpoznany.