人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、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。
学习人工智能知识不仅知识量比较大，难度也相对比较高，需要一定的知识基础。
需要准备的基础：
数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。
数学基础是学习人工智能技术的重要前提，人工智能领域的诸多研究方向都离不开数学知识，比如机器学习、计算机视觉、自然语言处理等等。数学知识的掌握情况对于人工智能知识的学习会起到非常重要的作用。
算法积累：人工神经网络，支持向量机，遗传算法等等算法；当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM；总之算法很多需要时间的积累。
例如机器学习涉及到数据收集、算法设计、算法实现、算法训练、算法验证和算法应用等多个环节，算法是机器学习的核心，所以学习机器学习的重点就是对于算法（设计）的认知能力，而算法设计的基础就是各种数学知识的应用。
掌握至少一门编程语言，毕竟算法的实现还是要编程的；如果深入到硬件的话，一些电类基础课必不可少。
如果暂时没有精通的编程语言，可以学习一下Python。Python具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块(尤其是C/C++)很轻松地联结在一起。
人工智能平台基础，这些平台可以为用户提供从数据预处理、模型构建、模型训练、模型评估到模型服务的全流程模型开发支持，可以很容易的搭建自己的人工智能应用。有一定的英语基数，毕竟很多的文章，书籍，学习视频是英文的。而且很多算法库，数据资源等也是用英文描述的，所以需要基本的英语能力阅读这些内容。
人工智能的分类：
计算机视觉（人脸识别、指纹识别、以图搜图、图像语义理解、目标识别等）自然语言处理（问答系统、机器翻译等）知识工程（知识图谱在个性化推荐、问答系统、语义搜索等场景的应用）语音识别（AI音箱）移动机器人（SLAM、路径规划）工业机器人（motion planning、3D视觉）......
人工智能的产业链划分：
基础层：包括了算力、数据以及传感系统，包括了人工智能三要素中的两部分，是整个人工智能技术实现的基础技术构架层：包括了算法理论、感知技术以及认知技术，感知技术是使机器通过传感器和算法感知世界；认知技术是让机器能够认知人类语言、知识开放平台层：包含基础开源框架和技术开放平台，科技龙头企构建基础开源框架，部署机器学习、深度学习底层平台
