斯坦福大学人工智能研究院

【智能（Intelligence）】可以被定义为：在一个不确定的、不断变化的世界中，学习和执行适合情境的技术以解决问题和实现目标的能力。一个完全预先编程的工厂机器人是灵活、准确和一致的，但不是智能的。
【人工智能（Artificial Intelligence）】是斯坦福大学名誉教授约翰-麦卡锡在1955年创造的一个名词，他将人工智能定义为 '制造智能机器的科学和工程'。很多研究都是人类对机器进行编程，让它以一种聪明的方式表现出来，比如下棋，但是，今天我们强调的是机器可以学习，至少某种程度上像人类一样。
【自治系统（Autonomous systems）】可以独立规划和决定实现特定目标的步骤序列，而无需进行微观管理。
【机器学习（Machine Learning，ML）】是人工智能研究的一部分，研究计算机智能体如何根据经验或数据改善其感知、知识、思维或行动。为此，ML借鉴了计算机科学、统计学、心理学、神经科学、经济学和控制理论。
在【监督学习（supervised learning）】计算机学会预测人类给定的标签；【无监督学习（unsupervised learning）】不需要标签，有时会自己做预测任务；【强化学习（reinforcement learning）】让一个主体学习动作序列，以优化其总回报。
【深度学习（deep learning）】使用的是大型多层（人工）神经网络，这些网络使用连续的(实数)表征进行计算，有点像人脑中的分层组织的神经元。它是目前最成功的ML方法，可用于所有类型的ML，从小数据开始有更好的泛化能力，更好地扩展到大数据和计算预算。
【算法（algorithm）】列出了需要采取的精确步骤，就像一个人在计算机程序中编写代码一样。人工智能系统包含算法，但通常只是针对一些部分，比如学习或奖励计算方法。他们的大部分行为都是通过从数据或经验中学习而产生的。这是系统设计的一个巨大变化，斯坦福大学校友Andrej Karpathy将其称为软件2.0。
【狭义的人工智能（Narrow AI）】是针对某一特定事物的智能系统，如语音或人脸识别。【人类级别的人工智能（Human-level AI）】或者【通用人工智能（AGI）】，寻求广泛智能的、上下文感知的机器。
【以人为本的人工智能（Human-Centered Artificial Intelligence）】是一种旨在增强人类能力、满足人类社会需求并从人类身上汲取灵感的人工智能。