Artificial Intelligence，AI）亦称智械、机器智能，指由人制造出来的机器所反映出来的智能。通常，AI是指通过普通计算机程序来呈现人类智能的技术。人工智能的核心问题包括建构能够跟人类似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等。

  该学派认为，人类认知和思维的基本单元是符号，而认知过程就是在符号表示上的一种运算。人是一个物理符号系统，计算机也是一个物理符号系统。因此，能够用计算机来模拟人的智能行为，即用计算机的符号操作来模拟人的认知过程。可以把符号主义的思想简单地归结为“认知即计算”。

  该学派认为，心理现象能够最终靠简单单元所构成的相互联结的网络结构来描述，而联结与节点形式能够准确的通过真实的情况而变化，在描述语言处理过程时，节点可以是一个语言的基本单位（例如，词），而联结则是与之相关的因素（例如，语义相似性）。每个节点都与许多其他节点相联结，节点相互之间同时协同进行信息处理的工作，并相互密切联结构成一个复杂的网络体系。

  该学派认为，智能是通过感知外界环境做出相应的行为的。智能行为是通过与环境进行交互，从而对感知结果做出相应反应。行为主义根据“感知—动作”型控制管理系统模拟人对行为的控制与实现，认为相同智能水平上的行为表现就是智能，而并不是特别需要知识、表示与推理，所以对于认知活动，行为主义认为是对外界环境“感知—动作”的反应模式。

  是从信息处理的角度对人类的神经网络的模拟，建立简单的模型，用不同的联结方式组成不同的网络，是人工智能非常热门的一个研究热点。神经网络是一种运算模型，由大量的节点（或称神经元）相互联结构成。

  （Intelligence System）是指能产生人类智能行为的计算机系统。智能系统集成最重要的包含人工智能、计算智能方法等智能技术在各个层次的系统中的应用，在具有复杂多层次体系结构的智能系统中有可能实现协同作用效应。

  是能像某一领域专家那样向用户更好的提供解决实际问题的办法的计算机应用系统。专家系统属于人工智能的一个分支，利用人们“半逻辑”的方式去实现模仿人类专家处理问题，大幅度的提升了人类在许多领域的工作效率。

  专家系统由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取六个部分构成。

  不需要确定性变成就可以赋予机器某项技能的研究领域。早期机器学习也被称为“浅层学习”，进入大数据时代后，机器学习通过海量的数据来进行更有效的训练从而获得更精确到分类或预测，被称为“深度学习”。

  （Reinforcement Learning，RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（Agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。在连接主义学习中，把学习算法分为三种类型，即非监督学习（Unsupervised Learning）、监督学习（Supervised Learning）和强化学习。

  （Natural Language Processing，NLP）是将人类交流沟通所用的语言经过特殊的处理转化为机器能够理解的机器语言，也是一种研究语言能力的模型和算法框架，还是语言学和计算机科学的交叉学科。作为人工智能的一个重要分支，其在数据处理领域也占有逐渐重要的地位，如今自然语言处理被慢慢的变多地熟知并应用。自然语言处理分为两个流程：自然语言理解（Natural Language Understanding，NLU）和自然语言生成（Natural Language Generation，NLG）。

  是使用计算机及相关设备对生物视觉的一种模拟，主要是研究怎么样使机器“看”，通常是用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理。

  是指利用计算机对图像做处理、分析和理解，以识别各种不同模式的目标和对象的技术。生活中常见的图像识别有人脸识别和商品识别。

  也称为目标提取，是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，其准确性和实时性是总系统的一项重要能力，尤其是在复杂场景中，需要对多个目标进行实时处理时，目标自动提取和识别就显得很重要。现在，目标检测应用在人脸检测、车辆检测、行人计数、无人驾驶等领域。

  信息来源：胡云冰、何桂兰、陈潇潇等（2021），《人工智能导论》，电子工业出版社