比浏览器更快的访问！之间人工智能和科学大纲相似
人工智能和科学大纲有（在联盟百科）29共同点: 大数据，不确定性，人工智能，人類，人机交互，仿生学，心理学，哲学，犯罪學，社会学，社会科学，统计学，物理学，解决问题，語言，認知心理學，認知神經科學，计算机科学，语义学，航空工程，自然科学，自然语言处理，電子計算機，逻辑，推理，意识，数学，数据挖掘，思維。
大数据
#重定向 大數據.
不确定性
不确定性，是一個出現在哲學、統計學、經濟學、金融、保險、心理學、社會學及資訊工程的概念。在经济学中关于风险管理的概念，指经济主体对于未来的经济状况（尤其是收益和损失）的分布范围和状态不能确知，又稱為奈特氏不確定性。 決策論專家對於不確定性有更深入的分析。Doug Hubbard認為「不確定性」是當我們沒有足夠知識來描述當前情況或估計將來的結果。關於「不確定性的測量」，可以根據所有可能的結果，套用概率密度函數來分析。風險則是可能出現負面效果或損失的「不確定性」狀態。.
人工智能
人工智能（Artificial Intelligence, AI）亦稱機器智能，是指由人製造出來的機器所表現出來的智能。通常人工智能是指通過普通電腦程式的手段實現的人類智能技術。該詞也指出研究這樣的智能系統是否能夠實現，以及如何實現科學領域。同時如此，人類的數量開始收斂及功能逐漸被其取代。 一般教材中的定义领域是“智能主体（intelligent agent）的研究与设计”，智能主体是指一个可以观察周遭环境并作出行动以达致目标的系统。约翰·麦卡锡于1955年的定义是「制造智能机器的科学与工程。」 人工智能的研究是高度技术性和专业的，各分支领域都是深入且各不相通的，因而涉及範圍極廣。人工智能的研究可以分为几个技术问题。其分支领域主要集中在解决具体问题，其中之一是，如何使用各种不同的工具完成特定的应用程序。 AI的核心问题包括建構能夠跟人類似甚至超越的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。強人工智能目前仍然是该领域的长远目标。目前強人工智慧已經有初步成果，甚至在一些影像辨識、語言分析、棋類遊戲等等單方面的能力達到了超越人類的水平，而且人工智慧的通用性代表著，能解決上述的問題的是一樣的AI程式，無須重新開發算法就可以直接使用現有的AI完成任務，與人類的處理能力相同，但達到具備思考能力的統合強人工智慧還需要時間研究，比较流行的方法包括统计方法，计算智能和传统意义的AI。目前有大量的工具应用了人工智能，其中包括搜索和数学优化、逻辑推演。而基於仿生學、認知心理學，以及基于概率论和经济学的演算法等等也在逐步探索當中。.
人類
#重定向 人.
人机交互
人机互动（human–computer interaction，缩写：HCI，或 human–machine interaction，缩写：HMI），是一門研究系统與用户之間的互動關係的學問。系统可以是各种各样的机器，也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分。用户通过人机交互界面与系统交流，並進行操作。小如收音機的播放按鍵，大至飛機上的儀表板、或是發電廠的控制室。 人机交互界面的设计要包含用户对系统的理解（即心智模型），那是为了系统的可用性或者用户友好性。.
仿生学
仿生學（Bionics）是模仿生物的特殊本領的一門科學。仿生學了解生物的結構和功能原理，來研製新的機械和新技術，或解決機械技術的難題。1960年由美國的J.E.Steele首先提出。 仿生學這個名詞來源於希臘文「Bio」，意思是「生命」，字尾「nic」有「具有……的性質」的意思。他認為“仿生學是研究以模仿生物系統的方式、或是以具有生物系統特徵的方式、或是以類似於生物系統方式工作的系統的科學”。 仿生學主要是觀察、研究和模擬自然界生物各種各樣的特殊本領，包括生物本身結構、原理、行為、各種器官功能、體內的物理和化學過程、能量的供給、記憶與傳遞等。從而為科學技術中利用這些原理，提供新的設計思想、工作原理和系統架構的技術科學。.
心理学
-- 心理学是一门研究人類以及其他动物的內在心理歷程、精神功能和外在行为的科学，既是一门理论学科，也是一门应用学科。包括理论心理学与应用心理学两大领域。 心理學研究涉及意識、感覺、知覺、認知、動機、情绪、人格、行為和人際關係等眾多領域，影響其他學科的發展，例如：教育學、管理學、傳播學、社會學、經濟學、精神病學、統計學、計算機科學以及文學等等。心理學一方面嘗試用大腦運作來解釋個体基本的行為與心理機能，同時，心理學也嘗試解釋個體心理機能在社會行為與社會動力中的角色。心理學家從事基礎研究的目的是描述、解釋、預測和控制行為。應用心理學家還有第五個目的——提高人類生活的質量。這些目標構成了心理學事業的基礎。.
哲学
哲學（philosophy）是研究普遍的、根本的问题的学科，包括存在、知识、价值、理智、心灵、语言等领域。哲学与其他学科的不同是其批判的方式、通常是系统化的方法，并以理性论证為基礎。在日常用语中，其也可被引申为个人或团体的最基本信仰、概念或态度。.
犯罪學
犯罪學（Criminology）是一門社會科學，主題是尋找犯罪行為的現象與規律，尋找犯罪發生的原因，藉此尋找方法以減輕犯罪對社會的影響（最後這項於今日已被更精緻地分科為刑事政策，而與犯罪學同屬刑事學的分支學門）。除了針對犯罪人以外，犯罪學研究也會調查社會與政府對犯罪的認定標準和反應，以及研究如何改善被害人的處境。 在研究方法上，當世的犯罪學特別著重於應用社會學、心理學和經濟學的理論及研究方法來觀察和瞭解犯罪現象、成因。此外，隨著大腦神經科學和基因的研究興盛，這兩種領域的觀點也越來越受犯罪學的歡迎。.
社会学
會學（sociology）起源於19世紀末期，是一門研究社會的學科。社會學使用各種研究方法進行實證調查和批判分析，以發展及完善一套有關人類社會結構及活動的知識體系，並會以運用這些知識去尋求或改善社會福利為目標。社會學的研究範圍廣泛，包括了由微觀層級的社會行動(agency)或人際互動，至宏觀層級的社會系統或結構，社會學的本體有社會中的個人、社會結構、社會變遷、社會問題、和社會控制，因此社會學通常跟經濟學、政治學、人類學、心理學等學科並列於社會科學領域之下。 社會學在研究題材上或研究法則上均有相當的廣泛性，其傳統研究對象包括了社會分層、社會階級、社會流動、社會宗教、社會法律、越軌行為等，而採取的模式則包括定性和定量的研究方法。由於人類活動的所有領域都是由社會結構、個體機構的影響下塑造而成，所以隨著社會發展，社會學進一步擴大其研究重點至其他相關科目，例如醫療、護理、軍事或刑事制度、網際網路等，甚至是例如科學知識發展在社會活動中的作用一類的課題。另一方面，社會科學方法(social scientific methods)的範圍也越來越廣泛。在20世紀中葉以來多樣化的語言、文化轉變也同時產生了更多更具詮釋性、哲學性的社會研究模式。然而，自20世紀末起的科技浪潮，也為社會學帶來了嶄新的數學化計算分析技術，例如個體為本模型和社交網路。 因其興起的歷史背景，社會學研究的重心很大一部份放在現代性社會中的各種生活實態，或是當代社會如何形成演進以至今日的過程，不但注重描述現況，也不忽略社會變遷。社會學的研究對象範圍廣泛，小到幾個人面對面的日常互動，大到全球化的社會趨勢及潮流。家庭、各式各樣的組織、企業工廠等經濟體、城市、市場、政黨、國家、文化、媒體等都是社會學研究的對象，而這些研究對象的共通點是一些具有社會性的社會事實。雖然「社會性」的定義在不同學派之間仍有爭執，但社會事實外在於個人，且對個人的行為跟認知有影響，這一點是大致上為社會學者所共同接受的。.
社会科学
会科学是用科学的方法，研究人类社会的種種现象。如社會學研究人類社會（主要是當代），政治學研究政治、政策和有關的活動，經濟學研究資源分配。广义的“社会科学”，是人文学科和社会科学的统称。 社會科學起源於西元1930年出版的《社會科學百科全書》（Encyclopaedia of the Social Sciences），其內容包含了社會學、人類學、經濟學、政治學、犯罪學、生物學、地理學、醫學、教育學、心理學、語言學、倫理學、藝術、社會工作學及法律學等與社會科學概論相關的一門學科。.
统计学
统计学是在資料分析的基础上，研究测定、收集、整理、归纳和分析反映數據資料，以便给出正确訊息的科學。這一门学科自17世纪中叶产生并逐步发展起来，它廣泛地應用在各門學科，從自然科学、社會科學到人文學科，甚至被用於工商業及政府的情報決策。隨著大数据(Big Data)時代來臨，統計的面貌也逐漸改變，與資訊、計算等領域密切結合，是資料科學(Data Science)中的重要主軸之一。 譬如自一組數據中，可以摘要並且描述這份數據的集中和離散情形，這個用法稱作為描述統計學。另外，觀察者以數據的形態，建立出一個用以解釋其隨機性和不確定性的數學模型，以之來推論研究中的步驟及母體，這種用法被稱做推論統計學。這兩種用法都可以被稱作為應用統計學。數理統計學则是討論背後的理論基礎的學科。.
物理学
物理學（希臘文Φύσις，自然）是研究物質、能量的本質與性質，以及它們彼此之間交互作用的自然科學。由於物質與能量是所有科學研究的必須涉及的基本要素，所以物理學是自然科學中最基礎的學科之一。物理學是一種實驗科學，物理學者從觀測與分析大自然的各種基於物質與能量的現象來找出其中的模式。這些模式（假說）稱為「物理理論」，經得起實驗檢驗的常用物理理論稱為物理定律，直到有一天被證明是有錯誤為止(具可否證性)。物理學是由這些定律精緻地建構而成。物理學是自然科學中最基礎的學科之一。化學、生物學、考古學等等科學學術領域的理論都是建構於這些物理定律。 物理學是最古老的學術之一。物理學、化學、生物學等等原本都歸屬於自然哲學的範疇，直到十七世紀至十九世紀期間，才漸漸地從自然哲學中分別成長為獨立的學術領域。物理學與其它很多跨領域研究有相當的交集，如量子化學、生物物理學等等。物理學的疆界並不是固定不變的，物理學裡的創始突破時常可以用來解釋這些跨領域研究的基礎機制，有時還會開啟嶄新的跨領域研究。 通過創建新理論與發展新科技，物理學對於人類文明有極為顯著的貢獻。例如，由於電磁學的快速發展，電燈、電動機、家用電器等新產品纷纷涌现，人類社會的生活水平也得到大幅提升。由於核子物理學日趨成熟，核能發電已不再是藍圖構想，但其所引致的安全問題也使人們意識到地球環境、生態與人類的脆弱渺小。.
解决问题
解决问题，是一种兼具创造性、操作性的思维方式和智力活动。对问题的发现和澄清，经常是解决问题的第一步。許多在人工智慧、工程、數學、醫學中發展及應用的解决问题技巧也和心理學中研究的心理问题解决技术有關。.
語言
语言，广义而言，是用於沟通的一套方式，有其符号与处理规则，一般称为文法。符号通常称为文字，会以视觉、声音或者触觉方式来进行传递。 語言用來傳遞已知或未知事物的含義。 “語言”一詞可以更廣義的理解為已知或未知世界的基礎構成系統。 嚴格來說，語言是指人類溝通所使用的語言——自然語言。在一個先進的社會中一般人都必須透過學習才能獲得語言能力。語言的目的是交流觀念、意見、思想等。 語言學就是從人類研究語言分類與規則而發展出來的。研究語言的專家被稱呼為語言學家。 當人發現了某些動物如海豚能夠以某種方式溝通，就誕生了動物語言的概念。 20世紀由於電腦誕生，人需要給電腦指令。這種對機器的「單向溝通」就成電腦語言。.
認知心理學
认知心理学（英語：Cognitive psychology）是最新的心理學分支之一，從1950年代至1960年代間才發展出來的。1956年被认为是认知心理学史上的重要年份。这一年几项心理学研究都体现了心理学的信息加工观点。如Chomsky的语言理论和Newell和Simon的“通用问题解决者”模型。「認知心理學」第一次在出版物出現是在1967年Ulrich Neisser的新書。而唐纳德·布罗德本特於1958年出版的《知觉与傳播》一書則為認知心理學取向立下了重要基礎。此後，認知心理取向的重點便在唐纳德·布罗德本特所指出的認知的訊息處理模式－－一種以心智處理來思考與推理的模式。因此，思考與推理在人類大腦中的運作便像電腦軟體在電腦裏運作相似。認知心理學理論時常談到輸入、表徵、計算或處理，以及輸出等概念。 這種理解心智運作的方式在過去數十年變得非常普遍。這些比喻常見於社会心理学、人格心理学、变态心理学和发展心理学中。认知理论的应用在最近並廣及許多动物认知研究的比较心理学领域。 信息處理的认知功能取向最近正被一些心理学新的研究取向所質疑，例如動力系統取向以及哲學中心體合一之觀點。 由於電腦的隱喻和使用，認知心理學在1960年至1970年間得到許多人工智慧及其它相關領域研究成果的助益。事實上，它已發展成為一個跨領域的認知科學，此學門整合了一系列不同取向關於心靈與心智處理的研究。 認知心理學與從前心理研究取向有不同之处。認知心理學使用系統化的科學方法，拒絕接受內省的研究方式，与弗洛依德心理學的現象學研究方法不同。且認知心理學認定內在心理狀態的存在（如信仰、欲望和动机），与行为主义心理學不同。.
人工智能和認知心理學 · 科学大纲和認知心理學 ·
認知神經科學
認知神經科學（）是一門科學學門，旨在探討認知歷程的生物學基礎。主要的目標為闡明心理歷程的神經機制，也就是大腦的運作如何造就心理或認知功能。認知神經科學為心理學和神經科學的分支，並且橫跨眾多領域，例如生理心理學、神經科學、認知心理學和神經心理學Gazzaniga 2002, p. xv。認知神經科學以認知科學的理論以及神經心理學、神經科學及計算機模型的實驗證據為基礎。 由於其跨領域的特性，認知神經科學家的背景除了上述提到的學科之外，還有來自神經生物學、神经化学、精神病學、神經學、内分泌学、有机化学、物理學、語言學、哲學和數學等學門。 認知神經科學採用的研究方法，包括來自心理物理學、認知心理學、、電生理學、和行為遺傳學的實驗典範。另外一部分重要的研究方向來自於腦傷病人的研究。腦部損傷所造成的認知功能受損，提供認知神經科學許多重要的證據（請參照：神經心理學）。而理論的發展則來自計算神經科學和認知心理學。.
计算机科学
计算机科学用于解决信息与计算的理论基础，以及实现和应用它们的实用技术。 计算机科学（computer science，有时缩写为CS）是系统性研究信息与计算的理论基础以及它们在计算机系统中如何与应用的实用技术的学科。 它通常被形容为对那些创造、描述以及转换信息的算法处理的系统研究。计算机科学包含很多分支领域；有些强调特定结果的计算，比如计算机图形学；而有些是探討计算问题的性质，比如计算复杂性理论；还有一些领域專注于怎样实现计算，比如程式語言理論是研究描述计算的方法，而程式设计是应用特定的程式語言解决特定的计算问题，人机交互则是專注于怎样使计算机和计算变得有用、好用，以及随时随地为人所用。 有时公众会误以为计算机科学就是解决计算机问题的事业（比如信息技术），或者只是与使用计算机的经验有关，如玩游戏、上网或者文字处理。其实计算机科学所关注的，不仅仅是去理解实现类似游戏、浏览器这些软件的程序的性质，更要通过现有的知识创造新的程序或者改进已有的程序。 尽管计算机科学（computer science）的名字里包含计算机这几个字，但实际上计算机科学相当数量的领域都不涉及计算机本身的研究。因此，一些新的名字被提议出来。某些重点大学的院系倾向于术语计算科学（computing science），以精确强调两者之间的不同。丹麦科学家Peter Naur建议使用术语"datalogy"，以反映这一事实，即科学学科是围绕着数据和数据处理，而不一定要涉及计算机。第一个使用这个术语的科学机构是哥本哈根大学Datalogy学院，该学院成立于1969年，Peter Naur便是第一任教授。这个术语主要被用于北欧国家。同时，在计算技术发展初期，《ACM通讯》建议了一些针对计算领域从业人员的术语：turingineer，turologist，flow-charts-man，applied meta-mathematician及applied epistemologist。 三个月后在同样的期刊上，comptologist被提出，第二年又变成了hypologist。 术语computics也曾经被提议过。在欧洲大陆，起源于信息（information）和数学或者自动（automatic）的名字比起源于计算机或者计算（computation）更常见，如informatique（法语），Informatik（德语），informatika（斯拉夫语族）。 著名计算机科学家Edsger Dijkstra曾经指出：“计算机科学并不只是关于计算机，就像天文学并不只是关于望远镜一样。”（"Computer science is no more about computers than astronomy is about telescopes."）设计、部署计算机和计算机系统通常被认为是非计算机科学学科的领域。例如，研究计算机硬件被看作是计算机工程的一部分，而对于商业计算机系统的研究和部署被称为信息技术或者信息系统。然而，现如今也越来越多地融合了各类计算机相关学科的思想。计算机科学研究也经常与其它学科交叉，比如心理学，认知科学，语言学，数学，物理学，统计学和经济学。 计算机科学被认为比其它科学学科与数学的联系更加密切，一些观察者说计算就是一门数学科学。 早期计算机科学受数学研究成果的影响很大，如Kurt Gödel和Alan Turing，这两个领域在某些学科，例如数理逻辑、范畴论、域理论和代数，也不断有有益的思想交流。.
人工智能和计算机科学 · 科学大纲和计算机科学 ·
语义学
语义学（Semantics，La sémantique），也作「语意学」，是一个涉及到语言学、逻辑学、计算机科学、自然语言处理、认知科学、心理学等诸多领域的一个术语。虽然各个学科之间对语义学的研究有一定的共同性，但是具体的研究方法和内容大相径庭。语义学的研究对象是自然语言的意义，这里的自然语言可以是词汇，句子，篇章等等不同级别的语言单位。但是各个领域里对语言的意义的研究目的不同：.
航空工程
航空工程（Aeronautical Engineering），包括飞行器的生产、制造、使用、管理与维修等，是一个复杂的系统。.
自然科学
自然科学是研究大自然中有机或无机的事物和现象的科学。自然科学包括天文學、物理学、化学、地球科学、生物学等等。.
自然语言处理
自然語言處理（natural language processing，缩写作 NLP）是人工智慧和語言學領域的分支學科。此領域探討如何處理及運用自然語言；自然語言認知則是指讓電腦「懂」人類的語言。 自然語言生成系統把計算機數據轉化為自然語言。自然語言理解系統把自然語言轉化為計算機程序更易于處理的形式。.
電子計算機
--，亦稱--，计算机是一种利用数字电子技术，根据一系列指令指示其自动执行任意算术或逻辑操作序列的设备。计算机遵循被称为“程序”的一般操作集的能力使他们能够执行极其广泛的任务。 计算机被用作各种工业和消费设备的控制系统。这包括简单的特定用途设备（如微波炉和遥控器）、工业设备（如工业机器人和计算机辅助设计），以及通用设备（如个人电脑和智能手机之类的移动设备）等。尽管计算机种类繁多，但根据图灵机理论，一部具有最基本功能的计算机，应当能够完成任何其它计算机能做的事情。因此，理论上从智能手机到超级计算机都应该可以完成同样的作业（不考虑时间和存储因素）。由于科技的飞速进步，下一代计算机总是在性能上能够显著地超过其前一代，这一现象有时被称作“摩尔定律”。通过互联网，计算机互相连接，极大地提高了信息交换速度，反过来推动了科技的发展。在21世纪的现在，计算机的应用已经涉及到方方面面，各行各业了。 自古以来，简单的手动设备——就像算盘——帮助人们进行计算。在工业革命初期，各式各样的机械的出现，其初衷都是为了自动完成冗长而乏味的任务，例如织机的编织图案。更复杂的机器在20世纪初出现，通过模拟电路进行复杂特定的计算。第一台数字电子计算机出现于二战期间。自那时以来，电脑的速度，功耗和多功能性不断增加。在现代，机械计算--机的应用已经完全被电子计算机所取代。 计算机在组成上形式不一，早期计算机的体积足有一间房屋的大小，而今天某些嵌入式计算机可能比一副扑克牌还小。当然，即使在今天依然有大量体积庞大的巨型计算机为特别的科学计算或面向大型组织的事务处理需求服务。比较小的，为个人应用而设计的称为微型计算机（Personal Computer，PC），在中國地區简称為「微机」。我們今天在日常使用“计算机”一词时通常也是指此，不过现在计算机最为普遍的应用形式却是嵌入式，嵌入式计算机通常相对简单、体积小，并被用来控制其它设备——无论是飞机、工业机器人还是数码相机。 同计算机相关的技术研究叫计算--机科学，而「计算机技术」指的是将计算--机科学的成果应用于工程实践所派生的诸多技术性和经验性成果的总合。「计算机技术」与「计算机科学」是两个相关而又不同的概念，它们的不同在于前者偏重于实践而后者偏重于理论。至於由数据为核心的研究則称為信息技术。 传统上，现代计算机包括至少一个处理单元（通常是中央处理器（CPU））和某种形式的存储器。处理元件执行算术和逻辑运算，并且排序和控制单元可以响应于存储的信息改变操作的顺序。外围设备包括输入设备（键盘，鼠标，操纵杆等）、输出设备（显示器屏幕，打印机等）以及执行两种功能（例如触摸屏）的输入/输出设备。外围设备允许从外部来源检索信息，并使操作结果得以保存和检索。.
人工智能和電子計算機 · 科学大纲和電子計算機 ·
逻辑
邏輯（λογική；Logik；logique；logic；意大利语、西班牙语、葡萄牙语: logica），又稱理則、論理、推理、推論，是对有效推論的哲學研究。邏輯被使用在大部份的智能活動中，但主要在哲學、心理、学习、推论统计学、脑科学、數學、語義學、 法律和電腦科學等領域內被視為一門學科。邏輯討論邏輯論證會呈現的一般形式，哪種形式是有效的，以及其中的謬論。 邏輯通常可分為三個部份：歸納推理、溯因推理和演繹推理。 在哲學裡，邏輯被應用在大多數的主要領域之中：形上學/宇宙論、本體論、知識論及倫理學。 在數學裡，邏輯是指形式逻辑和数理邏輯，形式逻辑是研究某個形式語言的有效推論。主要是演繹推理。 在辯證法中也會學習到邏輯。数理邏輯是研究抽象邏輯关系和数学基本的问题。 在心理、脑科学、語義學、 法律裡，是研究人类思想推理的处理。 在学习、推论统计学裡，是研究最大可能的结论。主要是歸納推理、溯因推理。 在電腦科學裡， 是研究各种方法的性质，可能性，和实现在机器上。主要是歸納推理、溯因推理，也有在歸納推理的研究。 从古文明开始（如古印度、中國和古希臘）都有對邏輯進行研究。在西方，亞里斯多德將邏輯建立成一門正式的學科，並在哲學中給予它一個基本的位置。.
推理
推理是「使用理智從某些前提產生結論」的行動。以下三種推理是屬於哲學、邏輯、心理學和人工智能等學門所感興趣的領域。.
意识
意识是人对环境及自我的认知能力以及认知的清晰程度。科学家并不能给予一个确切的定义。约翰·希尔勒通俗地将其解释为：“从无梦的睡眠醒来之后，除非再次入睡或进入无意识状态，否则在白天持续进行的，知觉、感觉或觉察的状态”，现在意识概念中最容易进行科学研究的是在觉察方面。例如，某人觉察到了什么、某人觉察到了自我。有时候，“觉察”已经成为了“意识”的同义词，它们甚至可以相互替换。目前在意识本质的问题上还存有诸多疑问与不解，例如在自我意识方面。关于人类的心灵，神经科学界已经达成的共识是，人的心灵是神经网络中信息传递过程的涌现性质。现代对意识的研究已经成为了多個学科的研究对象。意识这个问题涉及到认知科学、神经科学、心理学、计算机科学、社会学、哲学等。.
数学
数学是利用符号语言研究數量、结构、变化以及空间等概念的一門学科，从某种角度看屬於形式科學的一種。數學透過抽象化和邏輯推理的使用，由計數、計算、量度和對物體形狀及運動的觀察而產生。數學家們拓展這些概念，為了公式化新的猜想以及從選定的公理及定義中建立起嚴謹推導出的定理。 基礎數學的知識與運用總是個人與團體生活中不可或缺的一環。對數學基本概念的完善，早在古埃及、美索不達米亞及古印度內的古代數學文本便可觀見，而在古希臘那裡有更為嚴謹的處理。從那時開始，數學的發展便持續不斷地小幅進展，至16世紀的文藝復興時期，因为新的科學發現和數學革新兩者的交互，致使數學的加速发展，直至今日。数学并成为許多國家及地區的教育範疇中的一部分。 今日，數學使用在不同的領域中，包括科學、工程、醫學和經濟學等。數學對這些領域的應用通常被稱為應用數學，有時亦會激起新的數學發現，並導致全新學科的發展，例如物理学的实质性发展中建立的某些理论激发数学家对于某些问题的不同角度的思考。數學家也研究純數學，就是數學本身的实质性內容，而不以任何實際應用為目標。雖然許多研究以純數學開始，但其过程中也發現許多應用之处。.
数据挖掘
数据挖掘（data mining）是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的中发现模式的计算过程。数据挖掘过程的总体目标是从一个数据集中提取信息，并将其转换成可理解的结构，以进一步使用。除了原始分析步骤，它还涉及到数据库和数据管理方面、、模型与推断方面考量、兴趣度度量、复杂度的考虑，以及发现结构、可视化及在线更新等后处理。数据挖掘是“資料庫知識發現”（KDD）的分析步骤。数据挖掘：实用机器学习技术及Java实现》一书大部分是机器学习的内容。这本书最初只叫做“实用机器学习”，“数据挖掘”一词是后来为了营销才加入的。通常情况下，使用更为正式的术语，（大规模）数据分析和分析学，或者指出实际的研究方法（例如人工智能和机器学习）会更准确一些。 数据挖掘的实际工作是对大规模数据进行自动或半自动的分析，以提取过去未知的有价值的潜在信息，例如数据的分组（通过聚类分析）、数据的异常记录（通过异常检测）和数据之间的关系（通过关联式规则挖掘）。这通常涉及到数据库技术，例如。这些潜在信息可通过对输入数据处理之后的总结来呈现，之后可以用于进一步分析，比如机器学习和预测分析。举个例子，进行数据挖掘操作时可能要把数据分成多组，然后可以使用决策支持系统以获得更加精确的预测结果。不过数据收集、数据预处理、结果解释和撰写报告都不算数据挖掘的步骤，但是它们确实属于“資料庫知識發現”（KDD）过程，只不过是一些额外的环节。 类似词语“”、“数据捕鱼”和“数据探测”指用数据挖掘方法来采样（可能）过小以致无法可靠地统计推断出所发现任何模式的有效性的更大总体数据集的部分。不过这些方法可以建立新的假设来检验更大数据总体。.
思維
#重定向 思想.
上面的列表回答下列问题
- 什么人工智能和科学大纲的共同点。
- 什么是人工智能和科学大纲之间的相似性
人工智能和科学大纲之间的比较
人工智能有142个关系，而科学大纲有948个。由于它们的共同之处29，杰卡德指数为2.66% = 29 / (142 + 948)。
参考
本文介绍人工智能和科学大纲之间的关系。要访问该信息提取每篇文章，请访问：
