人工智能简单讲即是由机器来仿真或模拟人智能的系统，其研究包含了推理、规划、学习、交流、感知、移动、操作等，目前对其智能级别归纳为感知、决策、反馈三个层次。
继潜水艇、汽车、飞机等模仿生物的发明诞生后，人类开始研究模仿大脑思维运作的机器——即计算机，而计算机科学的发展促成了人工智能。1950年，阿兰.图灵以“图灵测试”来判定计算机是否智能，即如果一个机器能够与人类对话而不被发现是机器身份，那么这个机器具备智能。
人工智能第一次浪潮在1956年—1974年，达特茅斯会议推动了第一次人工智能浪潮出现，当时出现了增强学习的雏形、第一个计算机神经网络—感知器（深度学习模型）、第一个能够模拟人活动的机器人RobotC。
20世纪70年代末，神经网络学习由于理论缺失和计算机有限的内存及处理速度，发展陷入低潮期。直到20世纪80年代中期，MLP（多层感知器）、ID3算法（决策树算法）等各种算法的提出并应用到实际，机器学习开始复苏。
第二次浪潮在1990s-2000s,新理论、新理念、摩尔定律都使AI迎来曙光。
AdaBoost(AdaptiveBoosting)算法改进了Boosting算法的缺点，更适合应用到实际问题，新的决策数模型随机森林（RF）更为稳健。摩尔定律让计算器功能越加强大，现代机器学习进入成型时期。事实上，1997年IBM深蓝战胜国际象棋大师，机器在数学竞赛、识别图片的比赛中，已可达到人类水平。
进入二十一世纪，至今人工智能迎来第三次浪潮，机器学习大大放光芒。2006年，机器学习领域的泰斗Hinton和他的学生Salakhutdinov在《Scince》上发表了一篇文章，开启了深度学习的热潮。前期监督深度学习算法的理论研究和工程化的成熟，计算机运算能力大幅提升，云计算、大数据、移动互联网融合推动了人工智能加速发展。
当前，人工智能已在众多方面取得了突破性进展：机器学习进入增强学习算法阶段（从任意初始状态开始，机器与外部环境持续交互，通过不断试错和累积回报来“学习”最佳策略）、机器语音识别形成产业链、视觉识别逼近奇点、情感算法进入新阶段、神经元芯片取得关键性成功等。
基础层包括芯片、传感器、存储设备等硬件及大数据资源；技术层包括机器学习、自然语言处理、计算机视觉等；应用层主要分布在金融、医疗、安防、教育等领域。
据预测，人工智能和服务在各产业链的全球收入将在2025年从2016年的6.4亿美元增长到368亿美元，增长近57倍。
