人工智能是计算机科学的一个分支，让计算机系统能够感知，理解，学习，推理，决策和解决问题等的能力，能够模拟和实现人类智能的能力。
人工智能涵盖很多子领域，分别是机器学习，深度学习，自然语言处理，计算机视觉，强化学习等。
机器学习：是如何设计一个模型和算法来提取数据的模式，从而改善性能进行自主决策。
深度学习：是构建和训练深层神经网络模型，通过多层非线性变换来学习和表示数据特征。
自然语言处理：让计算机能够进行文本分析和语义理解的能力，NLP，常用于机器翻译。
计算机视觉：能够理解和解释图像和视频数据，设计图像识别，目标检测，图像生成等。
强化学习：是 学习一种范式，将智能体置于环境中，让其根据环境的反馈进行学习和决策，以最大化积分奖励。
理性思维：根据现有知识和目标，进行推理和思考，得出最合理，最有效的决策。
理性行为：基于理性思维，选择能够最化实现预期目标的行为决策。
有信息的搜索算法依赖额外的信息结构，无信息的搜索是盲目的搜索
A*算法：是启发式算法，根据启发函数进行节点评估再根据节点的代价，选择下一个展开的节点，它是深度优先和广度优先的结合
最佳优先算法：
IDA算法：是在A*算法上的改进，深度受限，
双向启发式算法：启发函数进行节点评估，双向搜索，节省存储空间，效率高
满意搜索算法：根据启发式函数评估，找到一组解，但不一定是最优的解。适合问题空间大，时间有限的情况。
广度优先搜索：从根节点开始，逐层向下展开搜索，尽可能的展开邻边结点，找到的解是最靠近根节点的，但是如果树的分支节点比较多可能会耗费大量的存储空间
深度优先搜索：从根节点开始，沿着一个方向一直展开，知道展开到叶子结点，返回上一层重复以上操作，它是一个递归的搜索算法。可能会错过浅层最优解。
双向搜索算法：跟起始节点和目标节点两个地方向中间进行搜索，两者会在中间的位置相遇，节省了存储空间，提升了搜索效率。
一致代价搜索：有有权图的搜索算法，按着路径代价最小的地方展开。
成为启发式函数的条件：一致性和非负性
代理是能够感知环境并进行决策的智能体，至于环境中的智能体能够感知环境（根据传感器）根据环境的反馈进行学习和决策，通过动作来影响环境，智能体可以是程序也可以是机器人。
多个竞争者之间相互竞争，互动并根据特定的规则进行互动的情景。博弈理论研究参与者之间的策略选择和结果预测，以及如何在给定规则下实现最优策略。
全联合概率是多个变量同时发生，P（A,B,C）=P(A|B,C)*P(B|C)*P(C)
条件的概率是在一个条件下发生的情况下，另一个条件发生的概率。如P（A|B）
一种简单的逻辑形式，它处理的是命题，即陈述性语句的真值，命题可以是真或者假。
命题逻辑使用的逻辑运算符如，合取，析取，非，蕴含，双向蕴含
命题逻辑只关注问题的真假和逻辑关系。