人工智能，簡稱AI，是計算機科學的一個分支，旨在研究、開發能夠模擬、延伸和擴展人類智能的理論、方法、技術及應用系統。其終極目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作，如學習、推理、感知、理解語言等。AI并非單一技術，而是一個融合了計算機科學、數學、認知心理學、神經科學等多學科的交叉領域。

人工智能的實現依賴于三大基礎資源：

1. 數據：海量、高質量的數據是AI的“燃料”。無論是監督學習、無監督學習還是強化學習，數據都是模型訓練和優化的基礎，決定了AI系統的性能和準確性。
2. 算法：算法是AI的“大腦”，它定義了機器如何處理數據、識別模式并做出決策。從傳統的決策樹、支持向量機到如今主流的深度學習神經網絡，算法的創新是推動AI發展的核心動力。
3. 算力：強大的計算能力，尤其是基于GPU、TPU等專用硬件的并行計算能力，是處理海量數據、運行復雜算法的物理基礎。云計算和邊緣計算的普及，為AI提供了靈活且可擴展的算力支持。

支撐人工智能發展的關鍵技術主要包括：

• 機器學習：使計算機系統能夠利用數據自動改進性能，而無需顯式編程。它是當前AI應用最廣泛的技術。
• 深度學習：機器學習的一個子集，通過模擬人腦神經網絡結構的深層模型（如卷積神經網絡CNN、循環神經網絡RNN）來處理圖像、語音、文本等非結構化數據，在計算機視覺、自然語言處理等領域取得突破性進展。
• 自然語言處理：使計算機能夠理解、解釋和生成人類語言，是實現人機對話、機器翻譯、情感分析等功能的關鍵。
• 計算機視覺：賦予機器“看”的能力，使其能夠識別、分類和理解圖像與視頻中的內容，廣泛應用于安防、醫療影像、自動駕駛等領域。
• 知識圖譜與推理：以結構化的形式描述客觀世界中的概念、實體及其關系，并結合邏輯推理，讓AI系統能夠理解復雜關聯并做出解釋性決策。
• 機器人技術：將感知、決策與執行系統結合，使機器能夠在物理世界中自主或半自主地操作。

這些技術與基礎資源相互交織，共同構成了人工智能的技術生態。當前，AI正從感知智能向認知智能邁進，其發展也伴隨著對數據隱私、算法公平、安全可控等倫理與社會問題的深刻思考。理解AI的基礎資源與技術，是把握其發展趨勢、推動負責任創新的重要前提。