你以为人工智能离我们还有很远?其实，它已经开始在我们的生活中渗透，我们许多人使用的产品都是带有人工智能的，在未来几年，人工智能将是一大发展趋势，也将是时代热点。那么，学习人工智能，我们要掌握哪些知识呢?
知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。常用的知识表示方法有：逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。
常识，自然为人们所关注，已提出多种方法，如非单调推理、定性推理,就会从不同的角度来将常识和处理常识表达出来。
问题求解中的自动推理是知识的使用过程，由于表示知识的方法有多种，推理方法也有多种。推理过程有两种，即演绎推理和非演绎推理。谓词逻辑是演绎推理的基础。结构化表示下的继承性能推理是非演绎性的。由于知识处理的需要，近几年来提出了多种非演泽的推理方法，如连接机制推理、类比推理、基于示例的推理、反绎推理和受限推理等。
人工智能求解问题的方法是搜索，搜索策略决定着问题求解的一个推理步骤中知识被使用的优先关系。可分为无信息导引的盲目搜索和利用经验知识导引的启发式搜索。启发式知识常由启发式函数来表示，启发式知识利用得越充分，求解问题的搜索空间就越小。典型的启发式搜索方法有A*、AO*算法等。近几年搜索方法研究开始注意那些具有百万节点的超大规模的搜索问题。
机器学习是人工智能的另外一个重要的课题。机器学习指的是在特定的知识表示意义下获得新知识的过程，按照学习机制的不同，主要有归纳学习、分析学习、连接机制学习和遗传学习等。
知识处理系统主要由知识库和推理机组成。知识库存储系统所需要的知识，当知识量大表示的方法又多，合理组织知识并管理是非常重要的。推理机在问题求解时，规定使用知识的基本方法和策略，推理过程中为记录结果或通信需设数据库或采用黑板机制。若是在知识库中存入的是某一领域(如医疗诊断)的专家知识，则这样的知识系统称为专家系统。为了适应求解复杂的问题的需要，单一的专家系统向多主体的分布式人工智能系统的发展，这时知识共享、主体间的协作、矛盾的出现和处理将是研究的关键问题。
需要数学基础：高等的数学，线性的代数，概率论数理的统计和随机的过程，离散数学，数值分析。
需要积累的算法：人工神经网络，支持向量机，遗传算法等等算法;当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM;总之算法很多需要时间的积累。
人工智能是现代的高科技领域，将其运用到生活中，可以让我们的生活更加简单，现在的机器并不仅仅是机器，它同样像人类，具备人类最基本的思维方式。
