土豆94275
人工智能（Artifical Intelligence）關於知識的學科-一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：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”這些說法反映了人工智能學科的基本思想和基本內容。即人工智能是研究人類智能活動的規律，構造具有一定智能的人工系統，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件來模擬人類某些智能行為的基本理論、方法和技術。人工智能是當前科學技術發展中的一門前沿學科，是在計算機科學、控制論、信息論、神經心理學、哲學、語言學等多種學科研究的基礎上發展起來的，以模擬人類智能、智能行為及其規律為研究內容的一門綜合性邊緣學科。由於人工智能自出現以來取得的巨大成就及其潛在的廣闊應用前景，它又同空間技術、原子能技術並稱為20世紀的三大科學技術成就。
人工智能的科學研究要研究人的智慧的內部結構，相當於研究心理學的原理，一般人不大會去做的大部分的人工智能研究集中在後者--工程實現上。
知識：人的智能活動本質上就是獲得和運用知識知識是智能的基礎為了實現人工智能使機器具有智能就必須使它具有知識。
表達：要採用適當的手段表達人的知識然後才能存儲到機器中去這就是用知識表達要解決的問題對知識進行表達就是把知識表示成便於計算機存儲和利用的某種數據結構知識表達方法又稱為知識表示技術，其表示形式稱為知識表示模式。
現在的人工智能的學習方法都是有模型、策略和算法構成，即統計學習三要素。
1. 模型
統計學習首要考慮的問題是學習什麼樣的模型。在監督學習過程中，模型就是所要學習的條件概率分佈或決策函數。模型的假設空間（hypothesis space）包含所有可能的條件概率分佈或決策函數。例如，假設決策函數是輸入變量的線性函數，那麼模型的假設空間就是所有這些線性函數構成的函數集合。假設空間中的模型一般有無窮多個。
2. 策略
有了模型的假設空間，統計學習接著需要考慮的是按照什麼樣的準則學習或選擇最優的模型。統計學習的目標在於從假設空間中選取最優模型。
3.算法
算法是指學習模型的具體計算方法。統計學習基於訓練數據集，根據學習策略，從假設空間中選擇最優模型，最後需要考慮用什麼樣的計算方法求解最優模型。這時，統計學習問題歸結為最優化問題，統計學習的算法成為求解最優化問題的算法。如果最優化問題有顯式的解析解，這個最優化問題就比較簡單。但通常解析解不存在，這就需要用數值計算的方法求解。如何保證找到全局最優解，並使求解的過程非常高效，就成為一個重要問題。統計學習可以利用已有的最優化算法，有時也需要開發獨自的最優化算法。
目前人工智能的弊端在於物理計算機的算力，滿足不了當下的計算需求。（身體跟不上大腦的反應，硬計算機硬件發展，跟不上算法的需求）
