你瞭解過AI嗎？Python開發必備AI知識點
尼爾遜教授對人工智慧下了這樣一個定義：“人工智慧是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。”而另一個美國麻省理工學院的溫斯頓教授認為：“人工智慧就是研究如何使計算機去做過去只有人才能做的智慧工作。”這些說法反映了人工智慧學科的基本思想和基本內容。即人工智慧是研究人類智慧活動的規律，構造具有一定智慧的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬體來模擬人類某些智慧行為的基本理論、方法和技術。
機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，自動規劃，智慧搜尋，定理證明，博弈，自動程式設計，智慧控制，機器人學，語言和影象理解，遺傳程式設計等。
人工智慧是一門邊緣學科，屬於自然科學和社會科學的交叉。
哲學和認知科學，數學，神經生理學，心理學，電腦科學，資訊理論，控制論，不定性論
自然語言處理，知識表現，智慧搜尋，推理，規劃，機器學習，知識獲取，組合排程問題，感知問題，模式識別，邏輯程式設計軟計算，不精確和不確定的管理，人工生命，神經網路，複雜系統，遺傳演算法
人工智慧就其本質而言，是對人的思維的資訊過程的模擬。
對於人的思維模擬可以從兩條道路進行，一是結構模擬，仿照人腦的結構機制，製造出“類人腦”的機器；二是功能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬。現代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的資訊過程的模擬。
弱人工智慧如今不斷地迅猛發展，尤其是2008年經濟危機後，美日歐希望藉機器人等實現再工業化，工業機器人以比以往任何時候更快的速度發展，更加帶動了弱人工智慧和相關領域產業的不斷突破，很多必須用人來做的工作如今已經能用機器人實現。
而強人工智慧則暫時處於瓶頸，還需要科學家們和人類的努力。
人工智慧是一門邊沿學科，屬於自然科學、社會科學、技術科學三向交叉學科。
哲學和認知科學，數學，神經生理學，心理學，電腦科學，資訊理論，控制論，不定性論，仿生學，社會結構學與科學發展觀。
語言的學習與處理，知識表現，智慧搜尋，推理，規劃，機器學習，知識獲取，組合排程問題，感知問題，模式識別，邏輯程式設計，軟計算，不精確和不確定的管理，人工生命，神經網路，複雜系統，遺傳演算法人類思維方式，最關鍵的難題還是機器的自主創造性思維能力的塑造與提升。
人工智慧還在研究中，但有學者認為讓計算機擁有智商是很危險的，它可能會反抗人類。這種隱患也在多部電影中發生過，其主要的關鍵是允不允許機器擁有自主意識的產生與延續，如果使機器擁有自主意識，則意味著機器具有與人同等或類似的創造性，自我保護意識，情感和自發行為。
人工智慧在計算機上實現時有2種不同的方式。一種是採用傳統的程式設計技術，使系統呈現智慧的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（ENGINEERING APPROACH），它已在一些領域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法（MODELING APPROACH），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。遺傳演算法（GENERIC ALGORITHM，簡稱GA）和人工神經網路（ARTIFICIAL NEURAL NETWORK，簡稱ANN）均屬後一型別。遺傳演算法模擬人類或生物的遺傳-進化機制，人工神經網路則是模擬人類或動物大腦中神經細胞的活動方式。為了得到相同智慧效果，兩種方式通常都可使用。採用前一種方法，需要人工詳細規定程式邏輯，如果遊戲簡單，還是方便的。如果遊戲複雜，角色數量和活動空間增加，相應的邏輯就會很複雜（按指數式增長），人工程式設計就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程式，重新編譯、除錯，最後為使用者提供一個新的版本或提供一個新補丁，非常麻煩。採用後一種方法時，程式設計者要為每一角色設計一個智慧系統（一個模組）來進行控制，這個智慧系統（模組）開始什麼也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環境，應付各種複雜情況。這種系統開始也常犯錯誤，但它能吸取教訓，下一次執行時就可能改正，至少不會永遠錯下去，用不到釋出新版本或打補丁。利用這種方法來實現人工智慧，要求程式設計者具有生物學的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛應用。由於這種方法程式設計時無須對角色的活動規律做詳細規定，應用於複雜問題，通常會比前一種方法更省力。