人工智能是研究使計算機模擬人的壹些思維過程和智能行為.人工智能的基礎是什麽？
人工智能學科研究的主要內容包括知識顯示、自動推理和檢索方法、機械學習和知識獲得、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等.
知識標識是人工智能的基本問題之壹，無論是推理還是搜索方法密切相關.常用的知識顯示方法有邏輯顯示法、生產式顯示法、語義網絡顯示法和框架顯示法等.
常識當然受到關註，提出了單調推理、定性推理等多種方法.
問題解決中的自動推理是知識的使用過程，有很多知識表現方法，相應地有很多推理方法.推理過程壹般分為推理和非推理.所謂語邏輯是演繹推理的基礎.結構化表明繼承性能推理是非演繹性的.由於知識處理的需要，近年來提出了連接機制推理、類比推理、以示例為基礎推理、反演推理、有限推理等多種非演澤推理方法.
檢索是人工智能的問題解決方法，檢索戰略決定了解決問題的推理步驟中使用知識的優先關系.分為無信息引導的盲目搜索和利用經驗知識引導的啟發性搜索.啟發知識通常由啟發函數表示，啟發知識越充分利用，解決問題的搜索空間越小.典型的啟發式搜索方法有A*、AO*算法等.近年來，搜索方法的研究開始關註擁有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下獲得新知識的過程，根據學習機制的不同，主要有總結學習、分析學習、連接機制學習和遺傳學習等.
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，知識量大，有多種表現方法時，知識的合理組織和管理很重要.推理機在解決問題時，規定使用知識的基本方法和戰略，在推理過程中為記錄結果和通信設置數據庫或采用黑板機制.如果知識庫中存儲的是某壹領域（如醫療診斷）的專業知識，那麽這樣的知識系統就叫專業系統.為了適應復雜問題的解決需求，單壹的專家系統向多主體的分布式人工智能系統發展，此時知識***享、主體之間的合作、矛盾的出現和處理是研究的重要問題.
需要數學基礎:高等數學、線性代數、概率論數理統計和隨機過程、分散數學、數值分析.
需要算法的積累:人工神經網絡、向量機、遺傳算法等算法當然有各個領域所需的算法.例如，機器人自己在位置環境中導航和地圖需要研究SLAM的算法需要時間的積累.
至少需要掌握編程語言，結果算法的實現需要編程的硬件深入，電氣類的基礎課程是必不可少的.