1、如何理解人工智能
人工智能是一門技術科學，目的是研究與人腦具有相同功能的理論或方法，甚至在模擬人腦功能的基礎上延申、擴展。
2、大數據和人工智能的關系。
大數據和人工智能都是對數據做處理的一種方式，人工智能是大數據的進階，大數據是手動對數據采集、沉淀、分析，人工智能是通過一套算法從海量數據中自動尋找規律。
3、一般人工智能和強人工智能的區別是什么？
人工智能是基於海量數據處理，發現規律，強人工智能是在人工智能基礎上，具有意識，其實更像一個真正的人。
4、人工智能在哪些方面得到了應用？
人工智能已經應用在醫療(醫療圖像)、交通(交通監控預警、高級駕駛輔助系統（ADAS）、物流、傳統生產制造行業(缺陷檢測（目標檢測)、股票預測、推薦系統、機器翻譯、聊天機器人（智能客服）、OCR識別（文本識別）、人臉識別、行為識別、AIOT
5、 人工智能為什么說是擬人？
人工智能的目的就是為了讓機器像人一樣具有學習能力。
6、 人工智能的流程是什么？
輸入歷史數據-帶入模型-求參並優化模型-預測未來
7、 人工智能的本質是去計算什么？
將數據帶入到模型里面計算模型里面的參數
8、 深度學習和機器學習的本質區別，好處是什么？
深度學習與傳統機器學習最大的不同是更關注於樣本訓練的深度，更細力度地抽取特征用於描述樣本，而非簡單地形成向量數據，從而更好地進行分類預測。更細致地抽取意味着計算量的增大，但是隨着大數據技術和GPU等硬件技術的發展，這些巨大的計算量也變得可能。
9、 回歸、分類、聚類、降維的本質是什么？在AI領域的應用場景分別是什么？
（1）回歸任務是有監督機器學習，本質是擬合歷史已有的數據，根據擬合出來的函數走勢預測未來。目標是預測-inf到+inf之間具體的值，連續值，應用在股票預測、房價預測。
（2）分類任務是有監督機器學習，本質是分界，根據分解對新來的數據進行分類。應用在圖像識別、情感分析、銀行風控。
根據預測的值是離散的還是連續的，決定用回歸任務還是分類任務。
（3）聚類任務是無監機器督學習，本質是根據樣本和樣本之間的相似度歸堆，目標是將一批數據划分到多個組。應用在用戶分組、異常檢測、前景背景分離。
（4）降維任務是無監督機器學習，本質是去掉冗余信息量或噪聲，目標是將數據的維度減少，應用在數據的預處理、可視化、提高模型計算速度。