人工智能还没有明确的定义。美国斯坦福大学人工智能研究中心的尼尔逊教授对人工智能的定义是：“人工智能是关于知识的学科，是一个怎样表示知识，怎样获得知识和使用知识的科学。”美国麻省理工学院的温斯顿教授认为：“人工智能是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即，人工智能是研究人类智能活动规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机模拟人类某些智能行为的基本理论、方法和技术。

从概念上说，人工智能可分为强人工智能和弱人工智能。强人工智能侧重于思维能力，机器不仅是一种工具，而且拥有知觉和自我意识，能真正的推理和解决问题。弱人工智能指机器具备表象性的智能特征，包括像人一样思考、像人一样感知环境以及像人一样行动。赛迪顾问认为，人工智能应具备“3C特性”：理解力、沟通力、协同力。即通过模拟人类思维模式实现对外界信息理解；通过语音、视觉等实现与外界沟通；通过行动控制实现人机协同工作。

人工智能涉及计算机科学、心理学、哲学和语言学等多个学科，可以说几乎涉及自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴。人工智能与思维科学的关系是实践和理论的关系，人工智能位于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，还要考虑形象思维、灵感思维才能促进人工智能的突破性的发展。

机器学习是人工智能的一个子集。机器学习是一个多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等。它研究计算机怎样模拟或实现人类的学习行为，获取新的知识或技能，重新组织已有的知识结构，不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。

机器学习算法中最关键的是深度学习。深度学习源于人工神经网络，包括多个隐含层的多层感知器就是一种深度学习结构。

据生物学结论，人脑神经细胞数量大约在10的11次方。这些神经细胞之间通过突触（轴突和树突）相连。通俗的讲，神经细胞把所有突触传进来的信号相加，如果信号的加和超过或低于某个阀值，其细胞状态就会变为兴奋或抑制。整个大脑的神经细胞状态各异，从而表现出不同的大脑行为。

深度学习最好的表现是深度神经网络（DNN）。深度神经网络只是一个超过两层或三层的神经网络。然而，深度神经网络并不是深度学习算法的唯一类型，但它是最流行的类型。另一个深度学习算法是深度信任网络（DBN），与传统的判别模型的神经网络相对，深度信念网络是一个概率生成模型，多个限制玻尔兹曼机(Restricted Botlzmann Machine，RBM)组成多隐含层神经网络，建立了一个观察数据和标签之间的联合分布。通过RBM逐层堆叠，DBN可从原始数据中逐层提取特征，从而获得一些高层次表达，其核心是用逐层贪婪学习算法优化深度神经网络的连接权重。

深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征。