用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能是否能简化成符号处理。研究主要集中在卡内基梅隆大学，斯坦福大学和麻省理工学院，而各自有单独的研究风格。JOHNHAUGELAND称这些方法为GOFAI(出色的老式人工智能)。60年代，符号方法在小型证明程序上模拟高级思考有比较大的成就。基于控制论或神经网络的方法则置于次要。60~70年代的研究者确信符号方法结尾可以成功创造强人工智能的机器，同时这也是他们的目标。在人工智能研发与产业化、新模式、新产品开发等方面已取得积累。深圳AI人工智能计算机视觉
目前，国内AI医疗产业的争夺聚焦于落地环节。从市场上活跃的医疗人工智能企业看，产品主要布局在医学影像、病历/文献分析、健康管理、医院管理、虚拟助手等领域。从企业产品研究方向来看，肺结节筛查、糖网筛查是两大热门方向，集结的医疗人工智能企业数量共计有33家，占比约30.6%;但同时也有相当多的企业将目光投向了心血管类疾病方面，企业数量超过了10家，由此可以看出国内医疗热工智能企业产品呈现出分散趋势。从各类医疗人工智能产品具体的布局企业来看，两大热门产品医学影像和疾病风险预测聚集的企业较多，根据统计，目前有43家企业提供医学影像服务，主要有阿里云、翼展科技、昕健医疗等;有45家企业提供疾病风险预测服务，这些企业有图玛深维、贝瑞健康、博奥生物等。山西NPU人工智能服务器AI模型能够识别数据中的趋势和模式。
自2011年Watson奠定其医疗的商业发展方向，已经有7个年头，这7年人工智能在世界范围内发展得风生水起，无数企业紧随潮流，深度学习算法也经过了多次换代，但浪潮过后，也有一大批企业应声倒闭。现在，全球范围内幸存下来的企业已经逐渐在医疗人工智能领域组成头部阵营，深度学习过程下各企业都能为自己的AI产品报出一个准确高的数字，然而新时代已经不再是一个唯算法的时代，衡量AI好坏的也不再是一个数字或是人机大战的成果可以评判的，因此只有让人工智能技术在医院得到普遍应用才能长久存活下去。
一个人工智能的子领域，表示了理论(从哲学和心理学的角度)和实际(通过特定的实现产生的系统的输出是可以考虑的创意，或系统识别和评估创造力)所定义的创造力。相关领域研究的包括了人工直觉和人工想像。大多数研究人员希望他们的研究结尾将被纳入一个具有多元智能(称为强人工智能)，结合以上所有的技能并且超越大部分人类的能力。有些人认为要达成以上目标，可能需要拟人化的特性，如人工意识或人工大脑。上述许多问题被认为是人工智能完整性：为了解决其中一个问题，你必须解决全部的问题。即使一个简单和特定的任务，如机器翻译，要求机器按照作者的论点(推理)，知道什么是被人谈论(知识)，忠实地再现作者的意图(情感计算)。因此，机器翻译被认为是具有人工智能完整性：它可能需要强人工智能，就像是人类一样。人工智能的应用领域：**系统。
即使有机器通过了图灵测试，也不一定说明机器就真的像人一样有思维和意识。早期的人工智能研究人员直接模仿人类进行逐步的推理，就像是玩棋盘游戏或进行逻辑推理时人类的思考模式。到了1980和1990年代，利用概率和经济学上的概念，人工智能研究还发展了非常成功的方法处理不确定或不完整的资讯。
对于困难的问题，有可能需要大量的运算资源，也就是发生了“可能组合爆增”：当问题超过一定的规模时，电脑会需要天文数量级的计算器或是运算时间。 人工智能在计算机领域内，得到了愈加普遍的重视。湖南AI人工智能
人工智能的定义可以分为两部分，即“人工”和“智能”。深圳AI人工智能计算机视觉
大约20年前，DevOps彻底改变了应用程序的开发、部署和管理方式。它使管道实现标准化，从而明显提高了效率，并缩短了交付时间。如今，AIOps/MLOps在人工智能方面也在做同样的事情。Cognilityca公司预测，到2025年，全球MLOps市场规模将扩大到40亿美元。这个想法是通过标准化操作、衡量性能和自动修复问题来加速整个机器学习模型的生命周期。AIOps可以应用于以下三层：（1）基础设施层这就是容器化发挥作用的地方。自动化工具使组织可以扩展其基础设施和团队，以满足容量需求。DevOps的一个新兴子集叫GitOps，它专门将DevOps原理应用于在容器中运行的基于云计算的微服务。（2）应用程序性能管理（APM）根据公司的一项调查，全球应用程序宕机每年造成的损失在1.25美元到25亿美元。应用程序性能管理（APM）通过简化应用程序管理、限制停机时间和较大限度地提高性能来帮助组织。应用程序性能管理（APM）解决方案结合了AIOps方法，使用人工智能和机器学习主动识别问题，而不是采用被动方法。深圳AI人工智能计算机视觉
