人工智能領域六大分類：
1、深度學習：
深度學習是基於現有的數據進行學習操作，是機器學習研究中的一個新的領域，機在於建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例像，聲音和文本。深度學習是無監督學習的一種；
2、自然語言處理：
自然語言處理是用自然語言同計算機進行通訊的一種技術。人工智能的分支學科，研究用電子計算機模擬人的語言交際過程，使計算機能理解和運用人類社會的自然語言如漢語、英語等，實現人機之間的自然語言通信，以代替人的部分腦力勞動，包括查詢資料、解答問題、摘錄文獻、彙編資料以及一切有關自然語言信息的加工處理。例如生活中的電話機器人的核心技術之一就是自然語言處理；
3、計算機視覺：
計算機視覺是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像；計算機視覺就是用各種成象系統代替視覺器官作為輸入敏感手段，由計算機來代替大腦完成處理和解釋。計算機視覺的最終研究目標就是使計算機能像人那樣通過視覺觀察和理解世界，具有自主適應環境的能力。計算機視覺應用的實例有很多，包括用於控制過程、導航、自動檢測等方面；
4、智能機器人：
如今我們的身邊逐漸開始出現很多智能機器人，他們具備形形色色的內部信息傳感器和外部信息傳感器，如視覺、聽覺、觸覺、嗅覺。除具有感受器外，它還有效應器，作為作用於周圍環境的手段。這些機器人都離不開人工智能的技術支持；科學家們認為，智能機器人的研發方向是，給機器人裝上“大腦芯片”，從而使其智能性更強，在認知學 習、自動組織、對模糊信息的綜合處理等方面將會前進一大步；
5、自動程序設計：
自動程序設計是指根據給定問題的原始描述，自動生成滿足要求的程序。它是軟件工程和人工智能相結合的研究課題。自動程序設計主要包含程序綜合和程序驗證兩方面內容。前者實現自動編程，即用户只需告知機器“做什麼”，無須告訴“怎麼做”，這後一步的工作由機器自動完成；後者是程序的自動驗證，自動完成正確性的檢查。其目的是提高軟件生產率和軟件產品質量；自動程序設計的任務是設計一個程序系統，接受關於所設計的程序要求實現某個目標非常高級描述作為其輸入，然後自動生成一個能完成這個目標的具體程序。該研究的重大貢獻之一是把程序調試的概念作為問題求解的策略來使用；
6、數據挖掘：
數據挖掘一般是指從大量的數據中通過算法搜索隱藏於其中信息的過程。它通常與計算機科學有關，並通過統計、在線分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現上述目標。它的分析方法包括：分類、估計、預測、相關性分組或關聯規則、聚類和複雜數據類型挖掘。
