人工智能的定義可以分為兩部分，即“人工”和“智能”?！叭斯ぁ北容^好理解,爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步,等等。但總的來說,"人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。對構成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”。

學人工智能剛開始要先考察一個人工智能學校好不好，一定要看有沒有項目實戰(zhàn)，一個好的學校，肯定在學習過程中有項目實戰(zhàn)部分，而且項目實戰(zhàn)內容的質量和項目數(shù)量都是不錯的。

階段一是Python語言(用時5周，包括基礎語法、面向對象、好的課程、經典課程);階段二是Linux初級(用時1周，包括Linux系統(tǒng)基本指令、常用服務安裝);

階段三是Web開發(fā)之Diango(5周 2周前端 3周diango);階段四是Web開發(fā)之Flask(用時2周);階段五是Web框架之Tornado(用時1周);階段六是docker容器及服務發(fā)現(xiàn)(用時2周);階段七是爬蟲(用時2周);階段八是數(shù)據(jù)挖掘和人工智能(用時3周)。

從學科的角度來看，人工智能是一個典型的交叉學科，涉及到哲學、數(shù)學、計算機、控制學、神經學、經濟學和語言學等學科，所以人工智能不僅知識量大，而且難度高。

關于人工智能的定義存在兩個大的方向，一個是“像人一樣思考和像人一樣行動”，另一個是“合理的思考和合理的行動”，目前在研究領域更傾向于第二個方向，也就是追求智能體的合理性。當然，這僅僅是當前的研究出發(fā)點，未來也許會有新的方向性要求（或者叫做人性）。

人工智能的基礎理論科學包括計算機科學、邏輯學、生物學、心理學及哲學等眾多學科，人工智能技術核心具體包括：人們認識世界, 91%是通過視覺來實現(xiàn)。同樣, 計算機視覺的目標就是讓計算機能夠像人一樣通過視覺來認識和了解世界, 它主要是通過算法對圖像進行識別分析, 目前計算機視覺廣泛的應用是人臉識別和圖像識別。相關技術具體包括圖像分類、目標跟蹤、語義分割。

機器學習的基本思想是通過計算機對數(shù)據(jù)的學習來提升自身性能的算法。機器學習中需要解決的重要的4類問題是預測、聚類、分類和降維。機器學習按照學習方法分類可分為:監(jiān)督學習、無監(jiān)督學習、半監(jiān)督學習和強化學習。