人工智能（ArtificialIntelligence），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。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
1.人工智能纯系无意识的机械的物理的过程，人类智能主要是生理和心理的过程。
2.人工智能没有社会性。
3.人工智能没有人类的意识所特有的能动的创造能力。
4.两者总是人脑的思维在前，电脑的功能在后。
1、自然语言生成：利用计算机数据生成文本。目前应用于客户服务、报告生成以及总结商业智能洞察力。代表*厂商包括：Attivio、CambridgeSemantics、DigitalReason、Lucidworks、NarrativeScience和SAS。
2、语音识别：将人类语音转录和转换成对计算机应用软件来说有用的格式。目前应用于交互式语音应答系统和移动应用领域。代表*厂商包括：NICE、NuanceCommunications、OpenText和VerintSystems。
3、虚拟代理：弗雷斯特公司声称，“虚拟代理可谓是媒体界目前竞相报道的对象。”从简单的聊天机器人，到可以与人类进行交际的高级系统，不一而足。目前应用于客户服务和支持以及充当智能家居管理器。代表*厂商包括：亚马逊、苹果、ArtificialSolutions、AssistAI、CreativeVirtual、谷歌、IBM、IPsoft、微软和Satisfi。
4、机器学习平台：不仅提供了设计和训练模型，并将模型部署到应用软件、流程及其他机器的计算能力，还提供了算法、应用编程接口（API）、开发工具包和训练工具包。目前应用于一系列广泛的企业应用领域，主要涉及预测或分类。代表*厂商包括：亚马逊、FractalAnalytics、谷歌、H2O.ai、微软、SAS和Skytree。
5、针对人工智能优化的硬件：这是专门设计的图形处理单元（GPU）和设备，其架构旨在高效地运行面向人工智能的计算任务。目前主要在深度学习应用领域发挥作用。代表*厂商包括：Alluviate、克雷、谷歌、IBM、英特尔和英伟达。
6、深度学习平台：一种特殊类型的机器学习，包括拥有多个抽象层的人工神经网络。目前主要应用于由很庞大的数据集支持的模式识别和分类应用领域。代表*厂商包括：DeepInstinct、ErsatzLabs、FluidAI、MathWorks、Peltarion、SaffronTechnology和SentientTechnologies。
7、生物特征识别技术：能够支持人类与机器之间更自然的交互，包括但不限于图像和触摸识别、语音和身体语言。目前主要应用于市场研究。代表*厂商包括：3VR、Affectiva、Agnitio、FaceFirst、Sensory、Synqera和Tahzoo。
8、机器人流程自动化：使用脚本及其他方法，实现人类操作自动化，从而支持高效的业务流程。目前应用于人类执行任务或流程成本太高或效率太低的地方。代表*厂商包括：AdvancedSystemsConcepts、AutomationAnywhere、BluePrism、UiPath和WorkFusion。
9、文本分析和NLP：自然语言处理（NLP）使用和支持文本分析，为此它借助统计方法和机器学习方法，为理解句子结构及意义、情感和意图提供方便。目前应用于欺诈检测和安全、一系列广泛的自动化助理以及挖掘非结构化数据等领域。代表*厂商包括：BasisTechnology、Coveo、ExpertSystem、Indico、Knime、Lexalytics、Linguamatics、Mindbreeze、Sinequa、Stratifyd和Synapsify。
10，决策管理：引擎将规则和逻辑嵌入到人工智能系统，并用于初始的设置/训练和日常的维护和调优。这是一项成熟的技术，应用于一系列广泛的企业应用领域，协助或执行自动决策。代表*厂商包括：AdvancedSystemsConcepts、Informatica、Maana、Pegasystems和UiPat。
人工智能是实现具有智能的机器，尤其是具有智能的计算机程序的科学和工程技术。人工智能与用计算机理解人的智力的目标有一些关系，但它并不一定要使用生物学上的方法。
人工智能的科学研究要研究人的智慧的内部结构，相当于研究心理学的原理，更玄是不是，一般人不大会去做的大部分的人工智能研究集中在后者——工程实现上，知识：人的智能活动本质上就是获得和运用知识知识是智能的基础为了实现人工智能使机器具有智能就必须使它具有知识，表达：要采用适当的手段表达人的知识然后才能存储到机器中去这就是用知识表达要解决的问题对知识进行表达就是把知识表示成便于计算机存储和利用的某种数据结构知识表达方法又称为知识表示技术，其表示形式称为知识表示模式。
1.计算机科学
2.金融
银行用人工智能系统组织运作，金融投资和管理财产。2001年8月在模拟金融贸易竞赛中机器人战胜了人。金融机构已长久用人工神经网络系统去发觉变化或规范外的要求，银行使用协助顾客服务系统；帮助核对帐目，发行信用卡和恢复密码等。
3.医院和医药
医学临床可用人工智能系统组织病床计划；并提供医学信息。
人工神经网络用来做临床诊断决策支持系统。用人工智能在医学方面还有下列潜在可能：
计算机帮助解析医学图像。这样系统帮助扫描数据图像，从计算X光断层图发现疾病，典型应用是发现肿块。
心脏声音分析。
4.重工业
在工业中已普遍应用机器人。它们常做对人是危险的工作。全世界日本是利用和生产机器人的先进国；1999年世界范围使用1，700，000台机器人。
5.顾客服务
人工智能是自动上线的好助手，可减少操作，使用的主要是自然语言加工系统。呼叫中心的回答机器也用类似技术，如语言识别软件可使计算机的顾客较好操作。
6.运输
汽车的变速箱已使用模糊逻辑控制器。
7.运程通讯
许多运程通讯公司正研究管理劳动力的机器；如BT组研究可管20000工程师的机器。
8.玩具和游戏
1990年企图用基本人工智能大量为教育和消遣生产民用产品。现在，大众在生活的许多方面都在应用人工智能技术。
人工智能市场在零售、交通运输和自动化、制造业及农业等各行业垂直领域具有巨大的潜力。而驱动市场的主要因素，是人工智能技术在各种终端用户垂直领域的应用数量不断增加，尤其是改善对终端消费者服务。
当然人工智能市场要起来也受到IT基础设施完善、智能手机及智能穿戴式设备的普及。其中，以自然语言处理（NLP）应用市场占AI市场很大部分。随着自然语言处理的技术不断精进而驱动消费者服务的成长，还有：汽车信息通讯娱乐系统、AI机器人及支持AI的智能手机等领域。
由于医疗保健行业大量使用大数据及人工智能，进而精准改善疾病诊断、医疗人员与患者之间人力的不平衡、降低医疗成本、促进跨行业合作关系。此外AI还广泛应用于临床试验、大型医疗计划、医疗咨询与宣传推广和销售开发。人工智能导入医疗保健行业从2016年到2022年维持很高成长，预计从2016年的6.671亿美元达到2022年的79.888亿美元年均复合增长率为52.68％。
过去从PC到手机时代以来，用户接口都是透过屏幕或键盘来互动。随着智能喇叭（SmartSpeaker）、虚拟/增强现实（VR/AR）与自动驾驶车系统陆续进入人类生活环境，加速在不需要屏幕的情况下，人们也能够很轻松自在与运算系统沟通。这表示着人工智能透过自然语言处理与机器学习让技术变得更为直观，也变得较易操控，未来将可以取代屏幕在用户接口与用户体验的地位。人工智能除了在企业后端扮演重要角色外，在技术接口也可承担更复杂角色。例如：使用视觉图形的自动驾驶车，透过人工神经网络以实现实时翻译，也就是说，人工智能让接口变得更为简单且更有智能，也因此设定了未来互动的高标准模式。
AI芯片的核心是半导体及算法。AI硬件主要是要求更快指令周期与低功耗，包括GPU、DSP、ASIC、FPGA和神经元芯片，且须与深度学习算法相结合，而成功相结合的关键在于先进的封装技术。总体来说GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬件选择就看产品供货商的需求考虑而定。例如，苹果的FaceID脸部辨识就是3D深度感测芯片加上神经引擎运算功能，整合高达8个组件进行分析，分别是红外线镜头、泛光感应组件、距离传感器、环境光传感器、前端相机、点阵投影器、喇叭与麦克风。苹果强调用户的生物识别数据，包含：指纹或脸部辨识都以加密形式储存在iPhone内部，所以不易被窃取。
AI“大脑”变聪明是分阶段进行，从机器学习进化到深度学习，再进化至自主学习。目前，仍处于机器学习及深度学习的阶段，若要达到自主学习需要解决四大关键问题。首先，是为自主机器打造一个AI平台；还要提供一个能够让自主机器进行自主学习的虚拟环境，必须符合物理法则，碰撞，压力，效果都要与现实世界一样；然后再将AI的“大脑”放到自主机器的框架中；最后建立虚拟世界入口（VR）。目前，NVIDIA推出自主机器处理器Xavier，就在为自主机器的商用和普及做准备工作。
未来，还会推出许多专门的领域所需的超强性能的处理器，但是CPU是通用于各种设备，什么场景都可以适用。所以，最完美的架构是把CPU和GPU（或其他处理器）结合起来。例如，NVIDIA推出CUDA计算架构，将专用功能ASIC与通用编程模型相结合，使开发人员实现多种算法。
未来的AI需要AR，未来的AR也需要AI，可以将AR比喻成AI的眼睛。为了机器人学习而创造的在虚拟世界，本身就是虚拟现实。还有，如果要让人进入到虚拟环境去对机器人进行训练，还需要更多其它的技术。