人工智能有三個主要分支:
1 AI(認知AI？
認知計算是人工智能中最受歡迎的分支，它負責所有類似人類的交互。認知AI必須能夠輕松處理復雜性和模糊性，同時繼續學習數據挖掘、NLP(自然語言處理)和智能自動化的經驗。
現在，人們傾向於認為認知AI將人工智能做出的最佳決策與人類工人做出的決策混合在壹起，以監控更困難或不確定的事件。這可以幫助擴展人工智能的適用性，並生成更快、更可靠的答案。
2)機器學習AI(機器學習AI)
機器學習(ML)AI就是那種可以在高速公路上自動駕駛妳的特斯拉的人工智能。它仍然處於計算機科學的前沿，但預計未來將對日常工作場所產生巨大影響。機器學習就是在大數據中發現壹些“模式”，然後用這些模式來預測結果，不需要太多的人為解釋，這些在普通的統計分析中是看不到的。
然而，機器學習需要三個關鍵因素才能有效:？
a)數據，很多數據？
為了教會人工智能新技能，需要向模型中輸入大量數據，以實現可靠的輸出評分。例如，特斯拉已經將自動轉向功能部署到其汽車上，同時將它收集的所有數據、駕駛員的幹預措施、成功逃生、誤報等等發送到總部，以便從錯誤中吸取教訓，逐漸磨礪感官。產生大量輸入的壹個好方法是通過傳感器:妳的硬件是否內置，比如雷達、攝像頭、方向盤等。(如果是汽車的話)，或者妳更喜歡物聯網。藍牙信標、健康追蹤器、智能家居傳感器、公共數據庫等。只是通過互聯網連接的越來越多的傳感器中的幾個，這些傳感器可以產生大量的數據(太多了，任何正常人都無法處理)。