人工智能的核心是機器學習。“機器學習”涉及統計學、系統辨識、逼近理論、 神經網絡、優(yōu)化理論、計算機科學、腦科學等諸多領域。機器學習研究的是計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。

人工智能的核心技術

人工智能可以將機器學習分成3種：

1、監(jiān)督學習：

監(jiān)督學習是利用已標記的有限訓練數據集，通過某種學習策略/方法建立一 個模型，實現對新數據/實例的標記（分類）/映射，最典型的監(jiān)督學習算法包括回歸和分類。

2、無監(jiān)督學習：

無監(jiān)督學習是利用無標記的有限數據描述隱藏在未標記數據中的結構/規(guī)律，無監(jiān)督學習不需要訓練樣本和人工標注數據，便于壓縮數據存儲、減少計算量、提升算法速度，還可以避免正、負樣本偏移引起的分類錯誤問題。

3、強化學習：

強化學習是智能系統從環(huán)境到行為映射的學習，以使強化信號函數值最大。由于外部環(huán)境提供的信息很少，強化學習系統必須靠自身的經歷進行學習。