人工智能研究的主要內容包括知識顯示、自動推理和檢索方法、機械學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動編程等。
知識識別是人工智能的基本問題之壹，與推理和搜索方法密切相關。常用的知識展示方式有邏輯展示、產生式展示、語義網絡展示和框架展示。
常識當然是關註的，提出了單調推理、定性推理等多種方法。
解題中的自動推理就是運用知識的過程。知識表示方法有很多，相應地推理方法也有很多。推理過程壹般分為推理和非推理。所謂語言邏輯是演繹推理的基礎。結構化推理表明，繼承的表現推理是非演繹的。由於知識處理的需要，近年來提出了許多非演繹推理方法，如聯系機制推理、類比推理、基於實例的推理、反演推理和有限推理等。
檢索是人工智能的壹種解題方法，檢索策略決定了推理步驟中使用知識解決問題的優先順序。可分為無信息指導的盲目搜索和經驗知識指導的啟發式搜索。啟發式知識通常用啟發式函數表示，利用得越充分的啟發式知識，求解問題的搜索空間就越小。典型的啟發式搜索方法有A*和AO*算法等。近年來，搜索方法的研究開始關註百萬節點的大規模搜索問題。
機器學習是人工智能的另壹個重要課題。機器學習是指在壹定的知識表達意義上獲取新知識的過程。根據學習機制的不同，主要有總結學習、分析學習、聯動機制學習和遺傳學習。
知識處理系統主要由知識庫和推理機組成。知識庫存系統所需的知識量大，在知識有多種表達方式的情況下，合理地組織和管理知識是非常重要的。推理機在解決問題時，規定了使用知識的基本方法和策略，並在推理過程中建立數據庫或采用黑板機制記錄結果和交流。如果知識庫中存儲了某壹領域的專業知識(如醫療診斷)，那麽這樣的知識體系稱為專業系統。為了滿足解決復雜問題的需要，單壹的專家系統正在向多智能體分布式人工智能系統發展。這時，知識的共享、agents之間的合作、矛盾的產生和處理是需要研究的重要問題。
需要數學基礎:高等數學，線性代數，概率論，數理統計與隨機過程，分散數學，數值分析。
算法是需要積累的:人工神經網絡、向量機、遺傳算法等算法當然都有各個領域需要的算法。比如研究機器人在定位環境下導航和地圖的SLAM算法就需要時間。
至少妳需要掌握編程語言。因此，算法的實現需要深入的硬件編程，而電氣工程基礎課程是必不可少的。