因为计算机能够模拟各种材料结合的效果，比人为的尝试要快得多。日本正在利用人工智能(AI)技术快速研制新材料。例如大阪大学教授佐伯昭纪就用1200种光伏电池为数据库，让AI自主学习高分子材料结构和光电感应能力的关系。结果AI从中发现光伏电池的发电效率与高分子材料特点之间的关系，从而快速筛选出价格低廉的新型光电材料。他表示，高分子材料的结构存在无数种组合，用传统方法合成并确认100种高分子材料需要花费5-6年，而利用AI技术，只要1分钟就能筛选出有潜力的材料。
人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或着人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind）（包含无意识的思维）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人 造系统的智能也普遍被认为是人工智能相关的研究课题。
人工智能目前在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及范围极广。人工智能学科研究的紧要内容包含：知识表示、自动推理和搜索方式、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
1）知识表示是人工智能的基本问题之一，推理和搜索都与表示方式密切相关。常用的知识表示方式有：逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。
2）常识，自然为人们所关注，已提出多种方式，如非单调推理、定性推理就是从区别角度来表达常识和处理常识的。
3）问题求解中的自动推理是知识的使用历程，由于有多种知识表示方式，相应地有多种推理方式。推理历程一般可分为演绎推理和非演绎推理。谓词逻辑是演绎推理的基础。结构化表示下的继承性能推理是非演绎性的。由于知识处理的需要，近几年来提出了多种非演泽的推理方式，如连接机制推理、类比推理、基于示例的推理、反绎推理和受限推理等。
4）搜索是人工智能的一种问题求解方式，搜索策略决定着问题求解的一个推理步骤中知识被使用的优先关系。可分为无信息导引的盲目搜索和利用经验知识导引的启发式搜索。启发式知识常由启发式函数来表示，启发式知识利用得越充分，求解问题的搜索空间就越小。典型的启发式搜索方式有A*、AO*算法等。近几年搜索方式研究开始注意那些具备百万节点的超大规模的搜索问题。
5）机器学习是人工智能的另一重要课题。机器学习是指在一定的知识表示意义下获取新知识的历程，按照学习机制的区别，紧要有归纳学习、解析学习、连接机制学习和遗传学习等。
6）知识处理系统紧要由知识库和推理机组成。知识库存储系统所需要的知识，当知识量较大而又有多种表示方式时，知识的合理组织与经营管理是重要的。推理机在问题求解时，规范使用知识的基本方式和策略，推理历程中为记录结果或通信需设数据库或采用黑板机制。如果在知识库中存储的是某一领域(如医疗诊断)的专家知识，则这样的知识系统称为专家系统。为适应复杂问题的求解需要，单一的专家系统向多主体的分布式人工智能系统进展，这时知识共享、主体间的协作、矛盾的出现和处理将是研究的关键问题。