1、如何理解人工智能
人工智能是一门技术科学，目的是研究与人脑具有相同功能的理论或方法，甚至在模拟人脑功能的基础上延申、扩展。
2、大数据和人工智能的关系。
大数据和人工智能都是对数据做处理的一种方式，人工智能是大数据的进阶，大数据是手动对数据采集、沉淀、分析，人工智能是通过一套算法从海量数据中自动寻找规律。
3、一般人工智能和强人工智能的区别是什么？
人工智能是基于海量数据处理，发现规律，强人工智能是在人工智能基础上，具有意识，其实更像一个真正的人。
4、人工智能在哪些方面得到了应用？
人工智能已经应用在医疗(医疗图像)、交通(交通监控预警、高级驾驶辅助系统（ADAS）、物流、传统生产制造行业(缺陷检测（目标检测)、股票预测、推荐系统、机器翻译、聊天机器人（智能客服）、OCR识别（文本识别）、人脸识别、行为识别、AIOT
5、 人工智能为什么说是拟人？
人工智能的目的就是为了让机器像人一样具有学习能力。
6、 人工智能的流程是什么？
输入历史数据-带入模型-求参并优化模型-预测未来
7、 人工智能的本质是去计算什么？
将数据带入到模型里面计算模型里面的参数
8、 深度学习和机器学习的本质区别，好处是什么？
深度学习与传统机器学习最大的不同是更关注于样本训练的深度，更细力度地抽取特征用于描述样本，而非简单地形成向量数据，从而更好地进行分类预测。更细致地抽取意味着计算量的增大，但是随着大数据技术和GPU等硬件技术的发展，这些巨大的计算量也变得可能。
9、 回归、分类、聚类、降维的本质是什么？在AI领域的应用场景分别是什么？
（1）回归任务是有监督机器学习，本质是拟合历史已有的数据，根据拟合出来的函数走势预测未来。目标是预测-inf到+inf之间具体的值，连续值，应用在股票预测、房价预测。
（2）分类任务是有监督机器学习，本质是分界，根据分解对新来的数据进行分类。应用在图像识别、情感分析、银行风控。
根据预测的值是离散的还是连续的，决定用回归任务还是分类任务。
（3）聚类任务是无监机器督学习，本质是根据样本和样本之间的相似度归堆，目标是将一批数据划分到多个组。应用在用户分组、异常检测、前景背景分离。
（4）降维任务是无监督机器学习，本质是去掉冗余信息量或噪声，目标是将数据的维度减少，应用在数据的预处理、可视化、提高模型计算速度。