1、人工智慧：人工智慧是在計算機科學、控制論、資訊理論、心理學、語言學等多種學科相互滲透的基礎發展起來的一門新興邊緣學科，主要研究用用機器（主要是計算機）來模仿和實現人類的智慧行為，目前，我們比較熟悉的人工智慧應用領域涵蓋了符號計算、模式識別、專家系統、機器翻譯等方面。

2、模式識別：模式識別就是透過計算機用數學技術方法來研究模式的自動處理和判讀。這裡,我們把環境與客體統稱為“模式”,隨著計算機技術的發展，人類有可能研究複雜的資訊處理過程。用計算機實現模式（文字、聲音、人物、物體等）的自動識別，是開發智慧機器的一個最關鍵的突破口，也為人類認識自身智慧提供線索。資訊處理過程的一個重要形式是生命體對環境及客體的識別。

3、指紋識別：指紋是人體的一個重要特徵，具有唯一性。北京大學有關專家對數字影象的離散幾何性質進行了深入研究，建立了從指紋灰度影象精確計算紋線區域性方向、進而提取指紋特徵資訊的理論與演算法，隨後研究成功了適於民用身份鑑定的全自動指紋鑑定系統，以及適於公安刑事偵破的指紋鑑定系統。

人工智慧不依賴於哪些技術？

除了以下技能需要依賴，其它技能都不需要依賴。

①機器學習的基礎是數學，入門AI必須掌握一些必要的數學基礎，但是並不是全部的數學知識都要學，只學工作上實際有用到的，比如是微積分、機率論、線性代數、凸最佳化等這些。

②資料分析裡需要應用到的內容也需要掌握，但不是網上所說的從0開始幫你做資料分析的那種，而是資料探勘或者說是資料科學領域相關的東西，比如要知道計算機裡面怎麼挖掘資料、相關的資料探勘工具等等。

③演算法方面需要掌握一些基本的框架：python、spark、mllib、scikit-learning、pytorch、TensorFlow，資料方面需要懂得HQL、numpy、pandas，如果你本身是後臺開發、app開發、資料分析、專案管理，則是一個學習演算法的一個加分項。

④最後需要對人工智慧有全域性的認知，包括機器學習、深度學習兩大模組，相關的演算法原理、推導和應用的掌握，以及最重要的演算法思想。