讓機(jī)器具備智能是人們長期追求的目標(biāo)，但是關(guān)于智能的定義也十分模糊。Alan Turing在1950年提出了著名的圖靈測(cè)試：“一個(gè)人在不接觸對(duì)方的情況下，通過一種特殊的方式，和對(duì)方進(jìn)行一系列的問答。如果在相當(dāng)長時(shí)間內(nèi)，他無法根據(jù)這些問題判斷對(duì)方是人還是計(jì)算機(jī)，那么就可以認(rèn)為這個(gè)計(jì)算機(jī)是智能的”。要通過真正地通過圖靈測(cè)試，計(jì)算機(jī)必須具備理解語言、學(xué)習(xí)、記憶、推理、決策等能力。這也延伸出很多不同的學(xué)科，比如機(jī)器感知（計(jì)算機(jī)視覺、自然語言處理），學(xué)習(xí)（模式識(shí)別、機(jī)器學(xué)習(xí)、增強(qiáng)學(xué)習(xí)），記憶（知識(shí)表示）、決策（規(guī)劃、數(shù)據(jù)挖掘）等。所有這些分支學(xué)科都可以看成是人工智能（Artificial Intelligence，AI）的研究范疇。其中，機(jī)器學(xué)習(xí)（Machine Learning，ML）因其在很多領(lǐng)域的出色表現(xiàn)逐漸成為熱門學(xué)科。機(jī)器學(xué)習(xí)的主要目的是設(shè)計(jì)和分析一些學(xué)習(xí)算法，讓計(jì)算機(jī)從數(shù)據(jù)中獲得一些決策函數(shù)，從而可以幫助人們解決一些特定任務(wù)，提高效率。對(duì)于人工智能來說，機(jī)器學(xué)習(xí)從一開始就是一個(gè)重要的研究方向，并涉及了概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、計(jì)算復(fù)雜性理論等多門學(xué)科。人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN），也簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，是眾多機(jī)器學(xué)習(xí)算法中比較接近生物神經(jīng)網(wǎng)絡(luò)特性的數(shù)學(xué)模型。人工神經(jīng)網(wǎng)絡(luò)通過模擬生物神經(jīng)網(wǎng)絡(luò)（大腦）的結(jié)構(gòu)和功能，由大量的節(jié)點(diǎn)（或稱“神經(jīng)元”，或“單元”）和之間相互聯(lián)接構(gòu)成，可以用來對(duì)數(shù)據(jù)之間的復(fù)雜關(guān)系進(jìn)行建模。