20世纪70年代以来，人工智能被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。 |
|
|
| 人工智能的萌芽期 | |
| 神经网络的蓬勃发展 | |
| 人工智能技术走向实用化 | |
| 机器学习是人工智能及模式识别领域的共同研究热点，其理论和方法已被广泛应用于解决工程应用和科学领域的复杂问题。它不仅是研究怎样使用计算机模拟或实现人类学习活动的科学，也是人工智能中最具智能特征，最前沿的研究领域之一。自20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。机器学习不仅在基于知识的系统中得到应用，而且在自然语言理解、非单调推理、机器视觉、模式识别等许多领域也得到了广泛应用。 |
 |
深度学习 |
| 迁移学习 | |
| 强化学习 | |
| 监督学习 | |
| 其他学习 |
| 计算机编程语言能够实现人与机器之间的交流和沟通，而计算机编程语言主要包括汇编语言、机器语言以及高级语言。为了克服低级语言的缺点，20世纪50年代由美国约翰·贝克斯（John Backus）创造出了第一个计算机高级语言——FORTRAN语言。它很接近人们习惯使用的自然语言和数学语言。编程语言里一个重要的里程碑——Pascal具有语法严谨、层次分明等特点，是第一个结构化编程语言，被称为“编程语言里一个重要的里程碑”。现代程序语言革命的起点——C语言。C语言的祖先是BCPL（Basic Combined Programming Language）语言，在1970年美国贝尔实验室的Ken Thompson在BCPL语言的基础上，设计出了B语言。接着在1972到1973年间，美国贝尔实验室的Dennis M.Ritchie在Ken Thompson的基础上设计出了C语言。面向对象时代：面向对象时代（90年代初－至今）——面向对象程序设计（Object－Oriented Programming，简称OOP）如今在整个程序设计中十分重要，其最突出的特点为封装性、继承性和多态性。 |
 |
C语言 |
| C++ | |
| Python | |
| Java | |
| 其它语言 |
| 人工智能需要大数据的支撑和输入，而大数据也需要人工智能的分析处理。人工智能需要大量数据作为输入，才能进行数据分析、预测和决策。大数据提供了海量的数据，如社交网络、传感器、文本、音频、图片和视频等，这些数据通过机器学习和深度学习算法，被转换成了能够被计算机识别和处理的格式。而这些数据将成为人工智能模型的主要训练数据，使人工智能模型不断地通过学习和调整来提高自身的准确率和效率。数据分析的目的是把隐藏在一大批看来杂乱无章的数据中的信息集中和提炼出来，从而找出所研究对象的内在规律。在实际应用中，数据分析可帮助人们做出判断，以便采取适当行动。数据分析是有组织有目的地收集数据、分析数据，使之成为信息的过程。这一过程是质量管理体系的支持过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。例如设计人员在开始一个新的设计以前，要通过广泛的设计调查，分析所得数据以判定设计方向，因此数据分析在工业设计中具有极其重要的地位。 |
 |
数据收集 |
| 数据整理 | |
| 数据挖掘 | |
| 数据可视化 | |
| 其它 |
| 人工智能应用的范围很广，包括：计算机科学，金融贸易，医药，诊断，重工业，运输，远程通讯，在线和电话服务，法律，科学发现，玩具和游戏，音乐等诸多方面。例如自然语言处理和计算机视觉，自然语言处理是人工智能中最重要的一个领域之一，广泛应用于语音识别、机器翻译、聊天机器人等。例如，语音识别技术可以帮助计算机识别语音并将其转化为文本，在智能家居、汽车、智能手机等领域中有着广泛的应用。计算机视觉也是人工智能中一个重要应用领域，通过使用摄像机和电脑代替人眼对目标进行识别、跟踪和测量。计算机视觉在图像识别、监控、无人驾驶等领域有广泛应用。 |
 |
自然语言处理 |
| 计算机视觉 | |
| 图像、语音识别 | |
| 自动驾驶 | |
| 其它 |