确实，这个术语已经成为一个流行词，现在被广泛使用到一个混乱的地步——但是，如果你看一下 Stuart Russell 和 Peter Norvig 提供的定义，他们会这样写：

我们将 AI 定义为对从环境中接收感知并执行操作的代理的研究。每个这样的代理都实现了一个将感知序列映射到动作的功能，我们涵盖了表示这些功能的不同方式，例如反应代理、实时规划器和决策理论系统。我们将学习的作用解释为将设计者的范围扩展到未知环境，并展示该角色如何限制代理设计，有利于明确的知识表示和推理。

人工智能：一种现代方法 - Stuart Russell 和 Peter Norvig

所以你引用的例子，“汽车/飞机的自动驾驶仪”，实际上是一种（著名的）人工智能形式，因为它必须使用一种知识表示形式来处理未知的环境和情况。最终，这些系统还收集数据，以便更新知识表示以处理他们发现的新输入。他们一直使用汽车的自动驾驶仪来做到这一点

因此，直接针对您的问题，对于被视为“拥有人工智能”的事物，它需要能够处理未知的环境/情况以实现其目标/目标，并以提供新学习的方式呈现知识/信息很容易添加。有许多不同类型的明确定义的知识表示方法，从流行的神经网络到概率模型，如贝叶斯网络（信念网络） ——但从根本上说，系统的动作必须源自您为其选择的任何知识表示。被视为AI。

除了已经说过的关于人工智能的内容之外，我还有以下几点要补充。“AI”的历史可以追溯到最初的感知机。Marvin Minsky 在 1969 年猛烈抨击感知器无法解决 XOR 问题和任何不可线性分离的问题，因此“人工智能”一度成为一个肮脏的词，直到 1980 年代才重新获得兴趣。在那段时间里，神经网络得到了复兴，用于训练它们的反向传播得到了发展，随着计算机技术继续呈指数级增长，“人工智能”也随之而来，这成为可能。

今天，有很多我们认为理所当然的东西在 10 或 15 年前会被认为是“人工智能”，例如语音识别。早在 70 年代后期，我就开始使用“AI”语音识别，那时你必须训练语音模型才能理解单个人类说话者。例如，今天，语音识别是您的谷歌应用程序的事后想法，不需要先验培训。然而，至少在普通观众中，这项技术不再被视为“人工智能”。

那么，什么是“最低要求”？那要看你问谁了。以及什么时间。看来该术语仅适用于“处于最前沿”的技术。一旦它发展起来并变得司空见惯，它就不再被称为人工智能。即使是目前在数据科学中占主导地位但被称为“机器学习”的神经网络也是如此。

还可以查看Quora上的热烈讨论。

这是Kaiesh出色答案核心的“人类语言”（非技术性）概要。

从最基本的意义上说，任何决策算法都可以看作是人工智能的一种形式。

人工智能历史维基给出了一个很好的概述。该领域的根源通常归因于符号人工智能，但可以说可以追溯到巴贝奇。“分析引擎”形式的第一个功能性游戏 AI 可能是Nimatron（1940 年）。最近，各种形式的机器学习，包括神经网络和遗传算法，都取得了令人兴奋的成果。贝叶斯网络是概率 AI 的另一种形式。

效用是我们评估算法智能程度的手段，它与机制是分开的。

AI 可以是弱的，也可以是强的。强意味着比竞争的理性代理（通常是人类）在任务上的表现更好。（“人是万物的尺度。” Protagoras） 与人工智能相关的“强”一词传统上被认为是指通用人工智能[另见图灵测试]，但目前的算法智能只是“勉强强”。

智力是一个频谱，因此：

人工智能的最低要求是算法基于数据做出决策，而不管决策的质量如何。

还有人工智能效应，即一旦被充分理解后，倾向于不将其视为人工智能。例如，神经网络还没有被完全理解，所以人们仍然倾向于称它们为 AI。一旦我们确切地了解了有关神经网络及其内部工作的所有细节，我们可能会开始将它们视为计算。这是一个古老的哲学话题，至少可以追溯到著名的 Jacques de Vaucanson 的排便鸭和自动织机。