機率論、數理統計、矩陣論、圖論、隨機過程、最最佳化、神經網路、貝葉斯理論、支援向量機、粗糙集、經典邏輯、非經典邏輯、認知心理學

當然本科微積分、線性代數是更基礎的東西

還要學些程式設計工具，matlab，spss，C++或Java

已現在開設人工智慧專業的大學培養方案來看。主要分為以下內容：

高等數學/微積分、線性代數、機率論、數值分析、離散數學、複變函式、博弈論、資訊理論

2.物理

大學物理（光學、熱學、電學等）

3.計算機專業課

計算機組成原理、作業系統、計算機網路、資料結構、數位電路、資料庫、計算機圖形學、數字影象處理、訊號與系統等

4.人工智慧專業課

人工智慧原理、模式識別、機器學習、強化學習、大資料、神經網路、影象處理、自然語言處理等

一些比較基礎的必修課都要學，而部分選修課可以根據自己的興趣來，比如計算機視覺、自然語言處理、大資料、強化學習等。

例如某學校的培養課程。

其實核心還是數學，所有的人工智慧都是以數學為支撐，如果是研究型方向的話需要鑽研很多數學理論基礎，如果是工程應用方向，實踐應用很重要。其實還是很難的，現在工作人工智慧雖然缺口大，但是要求要很高，基礎一定要打好。

先難不難學這個事情，要看學習者是否有基礎、個人興趣愛好、自身學習能力以及學習模式。

首先如果你有python或者機器學習、深度學習等人工智慧相關的基礎或者開發經驗，當你去學習人工智慧的時候，自然會比零基礎的人要容易些，但是有基礎並不能決定最後的學習成績，因為基礎只是讓你入門的時候比別人有優勢，而後面還有高階的內容，所以想要學好人工智慧，利用好自身的優勢，更加努力的學習，最後才能獲得最好的學習效果。

謝謝邀請：很多年以前看過一部美國科幻大片《我，機器人》，在未來不遠的年代，機器人已經融入到了人類的生活，成為人類工作生活不可缺少的重要組成部分。然而，超強的智慧化、超強的行動能力已經使機器人不能忍受人類的操縱控制，它們在暗地裡醞釀著對於人類的顛覆和機器人世界的誕生。當然了，如同所有大片的結局一樣，人類在歷盡千難萬險之後，透過良心未泯的機器人的幫助，最終戰勝了邪惡，人類作為世界文明進步的主導地位不曾改變。這是我第一次直觀深刻的感受到了智慧的神秘、偉大和潛在的危機與挑戰。

人工智慧是計算機科學的一個分支，是一個極富挑戰性的前沿領域。透過研究分析人的智慧的構造和實質，製造出與人類智慧相似的甚至在某些方面超過人類的智慧機器。

人工智慧可以對人的意識、思維的資訊過程的模擬。雖然人工智慧不是人的智慧，但是，人工智慧能像人一樣思維，做出判斷，甚至也會超過人類。

這個領域包括研究機器人、語言識別、影象識別、自然語言識別和專家系統等。人工智慧自誕生以來，理論和技術提議成熟，應用領域不斷擴大。有關機器人科幻片中的情節，正在現實中得到複製和再現。人工智慧產業生機勃勃，方興未艾。

人工智慧是一個綜合學科的結合體，從事這項工作必須懂得計算機知識和程式設計以及基本的操作技能，必須是心理學的行家裡手，必須對於倫理學、犯罪學、哲學以及人類進化發展的歷史有所涉獵。

總之，研究的人工智慧越精深、越複雜，就越需要更多更廣泛的知識。因為在你的面前，除了人這樣一個樣本，你沒有任何可以借鑑的經驗。所以，研究人工智慧的人要有鍥而不捨 金石可鏤的頑強拼搏的意志，要有眾裡尋她千百度驀然回首對於新奇有趣的事情的探索熱情，要有博覽群書、融匯貫通的技巧，這樣再難的事情到了你的手中也會變得不難。