AI分很多種類。

我大概了解的有：有限狀態機、模糊控制、動態規劃、遺傳算法、傳統的邏輯判斷、策略樹、馬爾可夫統計模型、神經網絡（其中以有許多不同特征的分類：感知器、反饋神經網絡、卷積神經網絡、深度學習神經網絡……）、……

老師的這個AI。估計不需要深度學習。

神經網絡就像是初中學的函數思想一樣：輸入一些自變量的值，而根據某種對應關系，輸出相對應的函數值。其中，自變量可能是多維的，輸出的函數值也可能是多維的。如y=f(x) ?或 z=f(x,y) ……

最簡單的是 y=ax+b （其中x是輸入的自變量值，y是輸出的函數值，而a、b都是某種代表些對應關系的重要參數，不同的a、b決定此函數的特征。如a決定斜率，b決定截距……）

神經網絡的任務一般是先人為根據應用場合與特點，大概確定合適的函數種類（直線函數、雙曲函數、三角函數……），但其中的a、b等參數就是需要神經網絡訓練自動嘗試確認的。

深度學習不僅要訓練網絡確認a、b等重要參數，而且還要確定另一個更麻煩的問題。

就是自變量是一個X，還是兩個（x,y），或者是三個（x,y,z)或者更多，也是就確定輸入的特征個數，以便于更合理地產生輸出的函數值。

以上，只是我在網絡上自己看過后的一些一知半解的體會。不妥之處，還請原諒！