人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”更容易理解，争议也较少。有时候我们要考虑人类可以制造什么，或者人类的智能是否高到可以创造人工智能等等。但总的来说，“人工系统”是通常意义上的人工系统。关于什么是“聪明”，存在很多疑问。这涉及到意识（consciousness）、自我（self）、思维（mind）（包括unconscious_mind）等其他问题。人们所理解的唯一智能是人本身的智能，这是一个普遍接受的观点。但我们对自身智能的了解非常有限，对构成人类智能的必要要素的了解也很有限，因此很难定义什么是“人工”制造的“智能”。因此，对人工智能的研究往往涉及对人类智能的理解。对智能本身的研究。其他关于动物或其他人工系统的智能也普遍被认为是与人工智能相关的研究课题。人工智能目前在计算机领域受到越来越多的关注。并在机器人、经济和政治决策、控制系统、仿真系统中得到应用——机器视觉：指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统等人工智能（ArtificialIntelligence）是研究解释和模拟人类智能、智能行为及其规律的一门学科。它的主要任务是建立智能信息处理理论，进而设计出能够表现出某些类似于人类智能的行为的计算系统。人工智能是计算机科学的一个重要分支，是一个广阔的计算机应用新领域。与原子能技术、空间技术并称为20世纪三大尖端技术。人工智能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、自动编程等。知识表示是基础之一人工智能、推理和搜索的问题与表示方法密切相关。常用的知识表示方法有：逻辑表示、产生式表示、语义网络表示和框架表示等。常识自然受到人们的关注，提出了很多方法，如非单调推理和定性推理，表达共同从不同的角度感知和处理常识。问题求解中的自动推理是知识由于知识表示方法的不同，相应的推理方法也不同。推理过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的。由于知识处理的需要，近年来提出了多种非演绎推理方法，如连接机制推理、类比推理、基于实例的推理、溯因推理和约束推理等。搜索是人工智能的一种解决问题的方法，搜索策略决定了在解决问题的推理步骤中所使用的知识的优先级关系。可分为无信息指导的盲目搜索和经验知识指导的启发式搜索。启发式知识通常由启发式函数表示。使用的启发式知识越多，解决问题的搜索空间就越小。典型的启发式搜索方法包括A*、AO*算法等。近年来，搜索方法的研究开始关注那些超大规模的百万节点搜索问题。机器学习是人工智能的另一个重要课题。机器学习是指在一定意义的知识表示下获取新知识的过程。根据学习机制的不同，主要有归纳学习、分析学习、联系机制学习和遗传学习。知识处理系统主要由知识库和推理机组成。知识库存储系统所需要的知识，当知识量很大且有多种表示方式时，知识的合理组织和管理就显得尤为重要。推理机在解决问题时，规定了使用知识的基本方法和策略。在推理过程中，需要建立数据库或使用黑板机制记录结果或进行交流。如果将某一领域（如医学诊断）的专家知识存储在知识库中，这样的知识系统就称为专家系统。为了满足解决复杂问题的需要，单一的专家系统正在向多智能体分布式人工智能系统发展。此时，知识共享、主体间协作、冲突的产生和处理将成为研究的重点。数学基础要求：高等数学、线性代数、概率论、数理统计与随机过程、离散数学、数值分析。需要算法的积累：人工神经网络、支持向量机、遗传算法等算法；当然也有各个领域需要的算法，比如让机器人自己在位置环境中导航和构建地图，就需要研究SLAM；总之，很多算法都是需要时间积累的。你需要掌握至少一种编程语言。毕竟算法的实现还是需要编程的；如果深入硬件，一些基本的电气课程是必不可少的。
