在大多數學科中存在著幾個不同的研究領域，每個領域都有其特有的感興趣的研究課題、研究技術和術語。在人工智能中，這樣的領域包括自然語言處理、自動定理證明、自動程序設計、智能檢索智能調度、機器學習、機器人學、專家系統、智能控制、模式識別、視覺系統、神經網絡、agent、計算智能、問題求解、人工生命、人工智能方法和程序設計語言等。在過去50多年中，已經建立了一些具有人工智能的計算機系統，例如，能夠求解微分方程的，下棋的，設計分析集成電路的，合成人類自然語言的，檢索情報的，診斷疾病以及控制太空飛行器、地面移動機器人和水下機器人的具有不同程度人工智能的計算機系統。

值得指出的是，正如不同的人工智能子領域不是完全獨立的一樣，這里簡介的各種智能特性也不是互不相關的。把它們分開來介紹只是為了便于指出現有的人工智能程序能夠做些什么和還不能做什么。大多數人工智能研究課題都涉及許多智能領域。

1. 問題求解與博弈

人工智能的第一個大成就是發展了能夠求解難題的下棋(如國際象棋)程序(已在本章1.2.3節有詳細介紹)。在下棋程序中應用的某些技術，如向前看幾步，并把困難的問題分成一些比較容易的子問題，發展成為搜索和問題消解(歸約)這樣的人工智能基本技術。

通用人工智能是人工智能領域的一項重大挑戰，其目標是讓機器能夠像人一樣完成各種各樣的任務。具體到游戲領域通用對弈游戲(general game playing，GGP)致力于開發一種能夠以人類水準玩任意已知或未知游戲的人工智能系統。IBM的超級計算機“深藍”戰勝國際象棋冠軍卡斯帕羅夫標志著人工智能到達了一個新的高度。然而，“深藍”的智能至少在兩個方面還存在局限性：其一是只能玩國際象棋這一種游戲不具有通用性；其二是依賴于大量的人類游戲經驗，不具有完全自主學習的能力。GGP研究的目標就是突破這些局限，它設置的環境要求機器必須在沒有人類游戲經驗的指導下玩各種各樣的游戲。因此，GGP研究的進展反映了機器游戲智能在通用性和自主學習方面的發展，GGP比賽則成為一種評價機器游戲智能的標準。

今天的計算機程序能夠下錦標賽水平的各種方盤棋、十五子棋、中國象棋和國際象棋，并取得前面提到的計算機棋手戰勝國際和國家象棋冠軍的成果。另一種問題求解程序把各種數學公式符號匯編在一起，其性能達到很高的水平，并正在為許多科學家和工程師所應用。有些程序甚至還能夠用經驗來改善其性能。

如前所述，這個問題中未解決的問題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。另一個未解決的問題涉及問題的原概念，在人工智能中叫做問題表示的選擇。人們常常能夠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，人工智能程序已經知道如何考慮它們要解決的問題，即搜索解答空間，尋找較優的解答。

2. 邏輯推理與定理證明

早期的邏輯演繹研究工作與問題和難題的求解相當密切。已經開發出的程序能夠借助于對事實數據庫的操作來“證明”斷定；其中每個事實由分立的數據結構表示，就像數理邏輯中由分立公式表示一樣。與人工智能的其他技術的不同之處是，這些方法能夠完整和一致地加以表示。也就是說，只要本原事實是正確的，那么程序就能夠證明這些從事實得出的定理，而且也僅僅是證明這些定理。

邏輯推理是人工智能研究中最持久的子領域之一。特別重要的是要找到一些方法，只把注意力集中在一個大型數據庫中的有關事實上，留意可信的證明，并在出現新信息時適時修正這些證明。

對數學中臆測的定理尋找一個證明或反證，確實稱得上是一項智能任務。為此不僅需要有根據假設進行演繹的能力，而且需要某些直覺技巧。但是至少在當前，人工智能在數學推理中的表現顯得并不盡如人意。這種推理對人工系統具有很大的挑戰性，因為它不僅僅涉及處理數字，還需要一套認知能力，包括學習基本公理以及以正確的順序進行推理、計劃和做事的能力。

3. 計算智能

計算智能(computational intelligence)涉及神經計算、模糊計算、進化計算、粒群計算、自然計算、免疫計算和人工生命等研究領域。

進化計算(evolutionary computation)是指一類以達爾文進化論為依據來設計、控制和優化人工系統的技術和方法的總稱，它包括遺傳算法(genetic algorithm)、進化策略(evolutionary strategy)和進化規劃(evolutionary programming)。自然選擇的原則是適者生存，即物競天擇，優勝劣汰。

自然進化的這些特征早在20世紀60年代就引起了美國的霍蘭(Holland)的極大興趣。受達爾文進化論思想的影響，他逐漸認識到在機器學習中，為獲得一個好的學習算法，僅靠單個策略的建立和改進是不夠的，還要依賴于一個包含許多候選策略的群體的繁殖。他還認識到，生物的自然遺傳現象與人工自適應系統行為的相似性，因此他提出在研究和設計人工自主系統時可以模仿生物自然遺傳的基本方法。70年代初，霍蘭提出了“模式理論”，并于1975年出版了《自然系統與人工系統的自適應》專著，系統地闡述了遺傳算法的基本原理，奠定了遺傳算法研究的理論基礎。

遺傳算法、進化規劃、進化策略具有共同的理論基礎，即生物進化論，因此，把這三種方法統稱為進化計算，而把相應的算法稱為進化算法。

人工生命是1987年提出的，旨在用計算機和精密機械等人工媒介生成或構造岀能夠表現自然生命系統行為特征的仿真系統或模型系統。自然生命系統行為具有自組織、自復制、自修復等特征以及形成這些特征的混沌動力學、進化和環境適應。

人工生命的理論和方法有別于傳統人工智能和神經網絡的理論和方法。人工生命把生命現象所體現的自適應機理通過計算機進行仿真，對相關非線性對象進行更真實的動態描述和動態特征研究人工生命學科的研究內容包括生命現象的仿生系統、人工建模與仿真、進化動力學、人工生命的計算理論、進化與學習綜合系統以及人工生命的應用等。

4. 分布式人工智能與Agent

分布式人工智能(Distributed AI，DAI)是分布式計算與人工智能結合的結果。DAI系統以魯棒性作為控制系統質量的標準，并具有互操作性，即不同的異構系統在快速變化的環境中具有交換信息和協同工作的能力。

分布式人工智能的研究目標是要創建一種能夠描述自然系統和社會系統的精確概念模型。DAI中的智能并非獨立存在的概念，只能在團體協作中實現，因而其主要研究問題是各agent間的合作與對話，包括分布式問題求解和多agent系統(Multi-Agent System，MAS)兩領域MAS更能體現人類的社會智能，具有更大的靈活性和適應性，更適合開放和動態的世界環境，因而倍受重視，已成為人工智能乃至計算機科學和控制科學與工程的研究熱點。MAS解決實際問題的方式可以理解為一種基于agent的協作問題，而分布式約束則可以描述領域對象的性質、相互關系、任務要求、目標，因此可以作為一種有效的方法表示這種agent間的協作關系。