AI 分为 ANI 和 AGI 。ANI 即 artificial narrow intelligence 弱人工智能，它只能做一件事，比如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。AGI 即 artificial general intelligence ，能做任何人类可以做的事。
简单地说，AI 是让计算机或机器能像人类一样思考和学习的技术。比如在小学课堂上，会以学生能理解的语言来解释，先和学生互动，听听他们口中的 AI ，再引出概念。
从专业术语角度，机械学习是学习输入输出，从 A 到 B 的映射，是让电脑在不被编程的情况下自己学习的研究领域。数据科学是分析数据集，从数据中获取结论与提示，输出结果往往是幻灯片、结论、PPT 、项目结果等。神经网络/深度学习则有输入层、输出层、中间层（隐藏层）。
数据集，又称为资料集、数据集合或资料集合，是一种由数据所组成的集合。通常以表格形式出现，每一列代表一个特定变量，每一行对应于某一成员的数据集的问题。数据分为结构化数据与非结构化数据，结构化数据可以放在巨大的表格中，非结构化数据如图片、视频、文本，机器处理起来更难。获取数据的方法有手动标注、观察行为、网络下载。使用数据时，如果开始搜集数据，可以马上将数据展示或者喂给某个 AI 团队。但数据不一定多就有用，有时数据中会出现不正确、缺少的数据，这就需要有效处理数据。
AI分为ANI和AGI，ANI得到巨大发展但是AGI还没有取得巨大进展。ANI,artificial narrow intelligence弱人工智能。这种人工智能只可做一件事，如智能音箱，网站搜索，自动驾驶，工厂与农场的应用等。AGI,artificial general intelligence，做任何人类可以做的事[heading5]机器学习[content]监督学习，从A到B，从输入到输出。为什么近期监督学习会快速发展，因为现有的数据快速增长，神经网络规模发展以及算力快速发展。[heading5]什么是数据？[content]数据集，又称为资料集、数据集合或资料集合，是一种由数据所组成的集合。Data set（或dataset）是一个数据的集合，通常以表格形式出现。每一列代表一个特定变量。每一行都对应于某一成员的数据集的问题。它列出的价值观为每一个变量，如身高和体重的一个物体或价值的随机数。每个数值被称为数据资料。对应于行数，该数据集的数据可能包括一个或多个成员。如何获取数据，一，手动标注，二，观察行为，三，网络下载。使用数据的方法，如果开始搜集数据，可以马上将数据展示或者喂给某个AI团队，因为大多数AI团队可以反馈给IT团队，说明那种类型数据需要收集，以及应该继续构建那种类型的IT基础框架。数据不一定多就有用，可以尝试聘用AI团队要协助梳理数据。有时数据中会出现，不正确，缺少的数据，这就需要有效处理数据。数据同时分为结构化数据与非结构化数据。结构化数据可以放在巨大的表格中，人们理解图片，视频，文本很简单，但是这种非结构化数据机器处理起来更难一些。
设计思路：要和三年级的孩子对话，要用学生能理解的语言，旨在激发学生的兴趣，引起学生的好奇心即可。在课堂上，先和学生互动，先听听他们口中的AI，再引出我们的概念。内容：大家好，今天我们要来聊聊一个非常酷的话题——人工智能，简称AI。你们可能在电视上、电脑游戏里或者是电影中见过AI。那么，人工智能到底是什么呢？简单地说，就是让计算机或机器能像我们人类一样思考和学习的技术。
机械学习：学习输入输出，从A到B的映射。所以一般都有个运行的AI系统，即输入A必然会输出B的软件。更系统的定义是，让电脑在不被编程的情况下，就可以自己学习的研究领域。（1959，Arthur Samuel）数据科学：分析数据集，从数据中获取一些结论与提示。挖掘数据来获取见解，输出结果往往是slide desk，如结论，PPT，项目结果。神经网络/深度学习：有输入层，输出层，中间层（隐藏层）