人工智能（英文：Artificial Intelligence，简称AI），又称智能、机器智能，是指人类制造的机器所表现出来的智能。 通用人工智能是指通过普通计算机程序将人类智能呈现出来的技术。 该术语还强调研究是否以及如何实现这种智能系统。 一般教科书中对人工智能的定义是“智能体的研究与设计”。 智能代理是指能够观察周围环境并采取行动以实现目标的系统。 约翰·麦卡锡在 1955 年将其定义为“制造智能机器的科学与工程”。 Andreas Kaplan 和 Michael Haenlein 将人工智能定义为“一种能够正确解释外部数据、从这些数据中学习并利用这些知识实现特定目标和任务能力的系统”。 人工智能的研究具有很强的技术性和专业性，各个分支领域的研究深度不同，因此涉及面广。
人工智能的核心问题包括构建推理、知识、计划、学习、沟通、感知、移动物体、使用工具和操纵具有类人甚至更高能力的机器的能力。 目前有大量应用人工智能的工具，包括搜索和物理优化、逻辑推导等。 基于仿生学、认知心理学、概率论和经济学的算法也在逐步探索中。 思维始于大脑，思维控制行为，而行为需要意志来实现，而思维是所有数据集合的排列，相当于一个数据库，所以人工智能最终会演变成机器取代人类。
“大数据”是一种体量非常大、数据类别非常多的数据集，但是这样的数据集很难用传统的数据库工具来捕获、管理和处理其内容。 “大数据”首先是指大数据量（volumes），指的是小数据集，一般在10TB左右，但在实际应用中，很多企业用户将多个数据集放在一起，已经出现了PB的量-级数据； 其次，数据类别（variety）大，数据来源多样，数据类型和格式逐渐丰富。 它突破了以前有限的结构化数据类别，涵盖了半结构化和非结构化数据。 数据。 那么数据处理速度（Velocity）就快，只有在数据量非常大的时候才能实现数据的实时处理。 最后一个特征是指高数据准确性。 随着社交数据、企业内容、交易和应用数据等新数据源的兴起，传统数据源的局限性被打破，企业需要更有效的信息力量来保证其真实性和安全性。 大数据技术是指从各类海量数据中快速获取有价值信息的技术。 解决大数据问题的核心是大数据技术。 所谓“大数据”，不仅指数据本身的规模，还包括收集数据的工具、平台和数据分析系统。 大数据发展的目的是发展大数据技术并将其应用到相关领域，通过解决海量数据处理问题促进其突破性发展。 因此，大数据时代带来的挑战不仅仅是如何处理海量数据以获取有价值的信息，更重要的是如何加强大数据技术的发展，走在时代发展的前沿。
人工智能与大数据的关系：
如果我们把人工智能看成是一个等待被喂养、潜力无限的孩子，那么某一专业领域的海量深度数据就是喂养这个天才的羊奶。 羊奶的多少决定了孩子能否长高，羊奶的质量决定了孩子后续的智力开发水平。
人工智能是在 60 年前开发的。 人工智能的前50年虽然无人知晓，但关注的人并不多。
为什么最近火了？ 因为人工智能有一个“灵魂”——大数据。 有了这种大数据人工智能和数据分析，机器人就可以治疗我们了。 我们只需要把自己的病告诉机器人，机器人就会从“数据库”中找出相同或相似的病症，并给出去某项检查的建议。
如果没有大数据，那么这个机器人只能是一块带电的硬铁块，没有实际用途。
与以往的很多数据分析技术相比，人工智能技术是以神经网络为基础，同时发展多层神经网络，因此可以进行深度机器学习。 与其他传统算法相比，该算法没有冗余假设（例如，线性建模需要假设数据之间存在线性关系），而是利用输入数据自行模拟构建相应的模型结构。 这种算法特性决定了它更加灵活，可以根据不同的训练数据进行自我优化。
但是这种明显的优势带来了计算量的显着减少。 在计算机计算能力取得突破之前，这样的算法实用价值不大。 大约十年前，我们尝试用神经网络去计算一组并不海量的数据，等上三天也不见得有结果。 但明天的情况就大不一样了。高速并行计算、海量数据、更优化的算法共同推动了人工智能的发展。
突破。 这一突破，如果三六年后回头看，将是又一项不弱于互联网的技术，对人类产生了深远的影响，其释放的力量将再次彻底改变我们的生活。 不不不不不不不不不不不不不不不不不不不不不不不不不不不否，否，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，它将被机器越来越代替未来。 如果说工业化是将人从体力劳动中解放出来，那么人工智能很可能是将人从简单的重复性劳动中解放出来人工智能和数据分析，人类只能从事创造性的工作。