人工智能(artificialintelligence,AI)认知科学分支。研究如何使计算机具有类似人类某些智能行为和功能的学科。计算机科学、数学、自动化技术、神经科学、心理学和电子学等多种学科交叉形成的新学科。诞生于20世纪50年代，其早期代表人物为纽厄尔、J.C.肖和H.A.西蒙。 早在20世纪40年代，计算机模仿人类行为的研究首先出现在数学定理证明的应用上，并同时产生感知机和产生式系统这两种基于不同思想的计算机模型。1956年第一个人工智能系统“逻辑理论家”是用计算机语言LISP和PRO)-LOG编制的，并由此确立基于物理符号系统的产生式系统在人工智能中的地位。其基本过程是将计算机系统与人的认知系统加以类比，由计算机模拟人的认知系统的信息加工方式，建立人工智能系统的信息流程图式，并通过按图式编制的程序实现智能行为。其研究范围包括：(1)问题解决和演绎推理，即解决带有智力游戏性质的各种问题，如弈棋、定理证明等；(2)学习和归纳过程，如模式识别、概念形成等；(3)知识表征，如记忆结构、语义网络等，(4)语言处理，如自然语言理解、机器翻译等；(5)专家系统；(6)智能机器人；(7)自然程序编制等。起初人们试图基于产生式规则期望建立通用的智能系统，结果都不成功。后来，研究者把重点转向建立基于特定领域知识上的专用机，并由此产生了知识工程和专家系统。专家系统研究在取得重大成果和具有实用价值的同时，也遇到了困难，许多知识无法用产生式规则直接表示，搜索和表征的矛盾也日益突出。此时，以感知机为代表的联结主义及分布式并行处理方法的研究取得了突破性的进展，并迅速形成了人工神经网络研究的高潮，特别在模式识别的研究中，出现了许多成功的人工神经网络系统。但是，网络结构缺乏灵活性，学习机制的有效性差，不同功能的网络之间无法协同工作等等问题，联结主义的发展同样遇到了严重的困难。到20世纪80年代末期，人们通过对人工智能40年研究发展过程的反思，开始注意到多种方法、多类系统及人的因素在人工智能系统中的作用，提出集成化系统的概念，同时也开始考虑人工系统对环境的适应能力及形象知识对于人工智能系统的作用。20世纪90年代初期，出现了自适应产生式系统、基于情景的认知、知识的直接表征等新观点和新方法的探讨和争论。 人工智能研究极大地推动了认知科学的发展。认知心理学在许多研究领域与人工智能有共同的目标，特别是在计算机模拟方面。许多心理学模型都与人工智能研究有密切关系。人工智能也推动了计算机科学的进步，导致神经计算机等新型计算机范式的出现。