你觉得人工智能离我们远吗？事实上，它已经开始渗透到我们的生活中，我们的许多产品都配备了人工智能。未来几年，人工智能将是一大发展趋势和时代热点。那么，学习人工智能应该掌握哪些知识呢？
知识表示是人工智能的基本问题之一，推理和搜索与表示方法密切相关。常用的知识表示方法包括逻辑表示、产生式表示、语义网络表示和框架表示。
常识，自然吸引人的注意力。提出了很多方法，比如非单调推理，定性推理，会从不同角度表达常识，处理常识。
解题中的自动推理就是运用知识的过程。因为知识的表达方式有很多种，所以推理方法也有很多种。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。结构化表示下继承性能的推断是非演绎的。由于知识处理的需要，近年来提出了多种非进化推理方法，如连接机制推理、类比推理、基于实例的推理、逆推理和限制推理等。
人工解题的方法是搜索，搜索策略决定了解题的一个推理步骤中所用知识的优先级。可分为无信息指导的盲目搜索和经验知识指导的启发式搜索。启发式知识通常用启发式函数来表示。启发式知识运用得越充分，求解问题的搜索时间空就会越小。典型的启发式搜索方法有A*、AO*算法等。近年来，搜索方法的研究开始关注百万节点的超大规模搜索问题。
机器学习是人工智能的另一个重要课题。机器学习是指在特定的知识表示意义上获取新知识的过程。根据学习机制的不同，主要包括归纳学习、分析学习、连锁学习和遗传学习。
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的知识，当知识量较大，有多种表达方式时，对知识进行合理的组织和管理就显得非常重要。推理机规定了解决问题时使用知识的基本方法和策略。在推理过程中，需要建立数据库或采用黑板机制来记录结果或进行交流。如果某一领域(如医疗诊断)的专家知识存储在知识库中，这样的知识系统称为专家系统。为了满足解决复杂问题的需要，单一的专家系统正在向多智能体分布式人工智能系统发展。这时，知识共享、主体间的合作、矛盾的产生和处理将是研究的重点问题。
需要基础数学:高等数学、线性代数、概率论、数理统计与随机过程、离散数学、数值分析。
积累的算法:人工神经网络、支持向量机、遗传算法等；当然，各种领域都需要算法。比如机器人要在定位环境下导航和建地图，就要学习SLAM。总之很多算法是需要时间积累的。
人工智能是现代高科技领域。把它应用到我们的生活中，可以让我们的生活更简单。现在的机器不仅仅是机器，还和人类一样，有最基本的思维方式。在未来几年，边肖认为人工智能将会更深入我们的生活。
