智能仿真(Intellligent Simulation)是指所有基于仿真的智能系统研究，主要包括人工智能的仿真研究、 智能通讯仿真、智能计算机的仿真研究、智能控制系统仿真、数据挖掘和知识发现、智能体、认知和模式识别等。

智能仿真是指所有基于仿真的智能系统研究，主要包括人工智能的仿真研究、智能通信仿真、智能计算机的仿真研究、智能控制系统仿真、数据挖掘和知识发现、智能体、认知和模式识别等。由此可见，智能仿真不仅内容相当丰富，而且明显地把仿真应用置于当前科技发展的高端。

智能信息技术， 主要是通信、计算机和自动控制三个领域的智能化。

1)智能通信技术

近年来， 智能通信技术的最重要的内容便是网络技术的智能化，它主要包括智能网, 智能化网络管理与控制， 以及网络智能信息搜索。

①智能网

智能网的目标是为快速， 灵活，经济地生成通信新业务提供标准体系结构。在通常的技术条件下， 通信， 业务是与通信网络，甚至通信设备厂商密切相关的。在网络规模日益膨胀，网络结构日益复杂，通信容量日益巨大的今天，这种方式不但不方便，不快捷，而且也会造成资源浪费。为此，国际电信联盟ITU-T(1992)提出了智能网体系结构的概念，目的是使通信业务独立于基础通信网络, 独立于通信设备的生产厂商。

所谓智能网首先在于它的体系结构是智能化的， 因为它可以提供开放的，分布的， 灵活的，经济的，独立于具体业务的智能业务生成平台。其次，智能网的智能性是通过业务控制点(SCP)体现出来的。智能网体系结构使得只要改良SCP就可以实现智能新业务，而与基础通信网络无关。SCP能够快速，准确，合理，优化地生成和实现各种智能业务，是网络中的智能节点。并且, 在SCP和智能终端中，已经并且会越来越多地应用话音合成，语音识别，机器翻译等智能技术。

②智能化网络管理与控制

现代网络具备高速化，开放化，综合化的特点。高速化是指网络传输速率越来越高，例如光纤传输网络的速率已经达到几十G比特每秒，高速化也就意味着大容量化。开放化是指不同传输介质，不同传输速率，不同体系结构的网络互联在一起，组成一体化的通信网。综合化是指在统一网络中，不同的业务，如语音，数据，图像，活动图像等综合在一起。这些特点决定了现代网络管理与控制的重要性和复杂性。如果不采用智能化的方法这一任务是很难完成的。

③网络智能信息搜索

随着Internet的高速发展，越来越多的人开始利用网络发布和查询信息。上网查询信息，在给人们带来便利的同时，也会有烦恼。如果没有掌握一种有效的网上信息查询方法，则常常会漫游半天空手而归。网络搜索引擎是网上信息查询的一个有力的工具，是网络信息检索的关键技术。搜索引擎对网络信息进行分类，索引和摘要。自动搜索引擎通过专门设计的网络程序自动发现网络上新出现的信息，并对其进行自动分类，自动索引和自动摘要。自动搜索引擎还能为信息检索者提供模糊检索,概念检索等功能，这些功能不是简单地匹配用户提供的检索关键词，而是能够按它们的意义进行搜索，从而提高查全率和查准率。由于自动搜索引擎的关键技术带有明显的智能特征，因此也被称为智能搜索引擎。

2)智能计算机

研制智能计算机的目的不是用计算机代替人的脑力劳动, 而是充分发挥人和计算机各自的特长，形成互补、协调的人机合作环境。在智能接口方面取得的进展却是显著的。文字识别，语音识别，图像识别，语音合成，自然语言理解，机器翻译等技术已经开始实用化，成为智能计算机领域中的标志性成果。

尽管各国学者为研制智能机进行长期不懈的努力，但究竟通过什么途径才能使计算机具有智能或者说表现出智能行为，还是一个未解决的问题。概括来说，已提出的主要途径有：

①把智能问题当成符号处理与知识处理问题是人工智能的主流。

②人工神经网络在模式识别和低层次感知模拟等方面有发展潜力，但也有一定局限性。它与传统的符号处理有某种互补关系。这两者的结合可以发挥各自的优势。

③层次化的智力社会模型。这就是明斯基教授主张的所谓“智力社会”模型，强调理解智能的层次和系统中各部分的联系，主要从人类社会的行为来看待思维与智能，其实现上较侧重分布式的人工智能和复杂的巨系统。

④布鲁克斯教授提出基于生物进化的智能系统。人类的智能是通过极其漫长的生物进化产生的，进化是智能的源泉，而生物进化的关键是在动态环境中的适应能力。如果把机器智能的提高也当成是一种进化过程，其进化速度将比形成人的智能快得多。

3)智能控制系统

智能控制技术主要用来解决那些用传统的方法难以解决的复杂系统的控制问题，如智能机器人系统，计算机集成制造系统(CIMS)，复杂的工业过程控制系统，航空航天控制系统，社会经济管理系统，交通运输系统，通信网络系统，环保与能源系统等。这些复杂系统具有严重的不确定性、高度的非线性，控制任务要求复杂。除了CIMS以外，机器人也是智能控制系统的典型实例。20世纪70年代，机器人技术发展成为一个专门的学科。各种卓有成效的工业机器人实用范例，成了机器人应用领域的进一步扩大， 出现了各种结构的机器人样机。随着大规模集成电路的不断进步，以及微型计算机的普遍应用，特别是人工智能理论与技术的发展，机器人的控制智能化水平得到了大幅度的提高。一般将机器人的发展分为3 个阶段：①机器人只有手， 以固定程序工作，不具有外界信息的反馈能力；②机器人具有对外界信息的反馈能力，即有了感觉，如力觉、触觉、视觉等；③智能机器人已经具有了自主性，有自行学习，推理，决策，规划等能力。近年来，这方面的研究已经取得了显著的进展，特别是在视觉方面的某些能力，已经接近了人眼的水平。智能机器人已经在工业，空间，海洋，军事，医疗等众多领域得到了实际应用，并已经取得了巨大的效益。

当前, 数据采掘和知识发现(Datamining and Knowledge discovery，DMKD)是人工智能领域中的研究热点。DMKD是以数据仓库为基础，通过综合运用统计学，模糊数学，神经网络，机器学习和专家系统等方法，从大量的数据中提炼出抽象的知识，揭示出蕴含在数据背后的客观世界的内在联系和本质规律，实现知识的自动获取。这一研究, 将经典的人工智能方法和计算智能的方法进行了结合。其中，数据挖掘(Datamining, DM)在知识发现过程中是非常重要的环节，它要从大量的、不完全的、有噪声的、模糊的、随机的数据中提取潜在的、不为人知的有用信息、模式和趋势。不过，DM技术还很不成熟，现有方法诸如决策树法、神经网络法、覆盖正例排斥反例法、粗糙集法、概念树法、遗传算法、公式发现、统计分析法、模糊集法、可视化数据分析技术等, 其应用还存在较大的局限性。

Agent译做智能体、主体、代理等, 并不一致。对于Agent的定义，许多学者提出各自的见解，尚未形成共识。一般认为，Agent是完成某种任务的、能在一定环境中自主发挥作用的、具有一定生命周期的计算实体。由于它可以描述信念、承诺、义务、意图等精神状态，弥补了面向对象建模的不足，从而成为仿真建模的理想工具。实际上，它可以是智能软件、智能设备、智能机器人或智能计算机系统等实体，通过传感器感知环境，通过效应器作用于环境。它能运用自己所拥有知识进行问题求解；它还能与其它Agent进行信息交流并协同工作，其基本特性是自主性、反应性、适应性和社会性。由于Agent的多样性，故没有统一的结构模型。智能体有反应型、慎思型、混合型和社会型四个基本类型。随着虚拟现实技术的不断发展，为了将Agent的真实特性在虚拟环境中表现出来，有必要把各种复杂的行为嵌入到虚拟环境中。行为建模及其研究在虚拟环境研究中的比例呈上升趋势。

认知(Cognition)是自然智能的基础，人工智能中的模式识别理论便是研究机器认知的理论。模式识别(Pattern recognition)是人类的一项基本智能。模式这一术语是对被认知事物的概括。模式还可分成抽象的和具体的两种形式:具体模式， 如文字、符号、声音、图片、照片、图像、人物、地震波、心电图、脑电图、生物传感器等；抽象模式是指意识、思想、议论、机器的运行状态，国民经济状况等等。抽象模式属于概念识别研究的范畴，是人工智能的另一研究分支。

计算机模式识别在20世纪60年代初迅速发展并成为一门新学科。它是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。模式识别又常称作模式分类。模式识别研究主要集中在两方面， 一是研究生物体(包括人)是如何感知对象的，属于认识科学的范畴，二是在给定的任务下，如何用计算机实现模式识别的理论和方法。前者是生理学家、心理学家、生物学家和神经生理学家的研究内容，后者通过数学家、信息学专家和计算机科学工作者近几十年来的努力，经取得了系统的研究成果；不过， 对于识别二维模式的能力，存在各种理论解释:模板说认为，所知的每一个模式，在长时记忆中都有一个相应的模板或微缩副本，模式识别就是与视觉刺激最合适的模板进行匹配；特征说认为，视觉刺激由各种特征组成，模式识别是比较呈现刺激的特征和储存在长时记忆中的模式特征，它解释了模式识别中的一些自下而上过程，但不强调基于环境的信息和期待的自上而下加工；基于结构描述的理论可能比模板说或特征说更为合适。