人工智能在計算機上實現(xiàn)的方式主要有兩種主流方法：

1. 工程學方法（ENGINEERING APPROACH）：

這種方法側重于通過編程和算法設計來實現(xiàn)特定的智能行為，而不需要嚴格模仿生物系統(tǒng)的工作原理。例如，使用傳統(tǒng)的程序設計技術來開發(fā)能夠識別圖像、理解語言、解決問題或作出決策的軟件系統(tǒng)。

工程學方法的應用實例包括規(guī)則引擎、專家系統(tǒng)、模糊邏輯控制、機器學習中的監(jiān)督學習與非監(jiān)督學習算法等。例如，在文字識別中，可以設計一套復雜的算法來識別并轉換手寫或印刷體為電子文本；在電腦下棋中，利用搜索算法和評估函數(shù)構建出能夠戰(zhàn)勝人類棋手的國際象棋或圍棋程序。

2. 模擬法（MODELING APPROACH）：

模擬法試圖借鑒生物智能系統(tǒng)的結構和功能機制，創(chuàng)建更為仿生的人工智能系統(tǒng)。這類方法更注重對自然智能的內在機制進行建模和仿真。

具體實現(xiàn)手段如神經網絡、遺傳算法、進化計算、深度學習等。其中，人工神經網絡模擬人腦神經元之間的連接方式及信息處理機制；遺傳算法則模擬自然界中生物的遺傳與進化過程來優(yōu)化問題解決方案；深度學習則通過多層神經網絡架構模擬大腦視覺皮層等區(qū)域的復雜信息處理流程。

綜上所述，無論是通過編寫規(guī)則明確的傳統(tǒng)程序還是模擬生物智能系統(tǒng)的模型，都是當前實現(xiàn)人工智能的重要途徑。隨著研究和技術的發(fā)展，這兩種方法常常相互融合，共同推動人工智能的進步。