我们正处在一个日新月异、飞速变革的时代，层出不穷的新技术每天都在冲击和改变我们的生活。人工智能无疑是其中最受关注、也是影响最深远的技术领域。它演变出许多从前根本无法想象的新技术、新应用。开元体育
AlphaGo Zero 一台没有任何先验知识的人工智能机器，可以在几天内通过自我博弈成长为世界第一的围棋大师 ，超越人类几千年积累的经验；风格迁移应用能够自动将用户的照片转变为著名的绘画艺术风格；机器可以在零点几秒内完成翻译，把一种语言译成另一种语言。
人工智能（Artificial Intelligence），英文缩写为 AI，它是计算机科学技术的一个分支，指通过机器和专用计算机模拟人类智力活动的过程。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，它涉足的主要领域包括机器人、语言识别、图像识别、自然语言处理等。人工智能可以对人的意识、思维的过程进行模拟。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。
从广义上来说，机器学习是一种功能、方法，它能够赋予机器进行学习的能力，从而使其完成一些直接通过编程无法实现的功能。但从实践的意义上来说， 机器学习是一种利用数据，训练出模型，然后再使用该模型预测的一种方法。
机器学习是人工智能的主要表现形式，机器学习可分为监督学习、无监督学习、半监督学习（强化学习），下面主要介绍前两者。
用已知某种标记或某些特性的样本作为训练集，以建立一个数学模型，再用已建立的模型来预测未知样本，此种方法称为有监督学习。这也是是最常见的机器学习方法简单来说，就像有标准答案的练习题，然后再去考试，相比没有答案的练习题然后去考试准确率更高。
“有监督学习”的例子有很多，比如图片识别。用户对许多包含信息的照片进行有监督学习，训练出一个最优模型，然后利用此模型可以对另外的新照片进行识别。垃圾邮件分类和此相似，也是应用了“有监督学习”。
训练样本的标记信息未知， 目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础，此类学习任务中研究最多、应用最广的是聚类 (clustering)，聚类目的在于把相似的东西聚在一起，主要通过计算样本间和群体间距离得到。这种根据类别未知（没有被标记）的训练样本解决模式识别中的各种问题，称之为无监督学习。
无监督学习的典型的应用是资讯网站的新闻的分类。利用网络爬虫爬取新闻后对新闻进行分类，然后将同样内容或者关键字的新闻聚集在一起，最后就实现了对新闻信息的分类汇总。
