讓機器具備智能是人們長期追求的目標，但是關(guān)于智能的定義也十分模糊。Alan Turing在1950年提出了著名的圖靈測試：“一個人在不接觸對方的情況下，通過一種特殊的方式，和對方進行一系列的問答。如果在相當長時間內(nèi)，他無法根據(jù)這些問題判斷對方是人還是計算機，那么就可以認為這個計算機是智能的”。要通過真正地通過圖靈測試，計算機必須具備理解語言、學習、記憶、推理、決策等能力。這也延伸出很多不同的學科，比如機器感知（計算機視覺、自然語言處理），學習（模式識別、機器學習、增強學習），記憶（知識表示）、決策（規(guī)劃、數(shù)據(jù)挖掘）等。所有這些分支學科都可以看成是人工智能（Artificial Intelligence，AI）的研究范疇。其中，機器學習（Machine Learning，ML）因其在很多領域的出色表現(xiàn)逐漸成為熱門學科。機器學習的主要目的是設計和分析一些學習算法，讓計算機從數(shù)據(jù)中獲得一些決策函數(shù)，從而可以幫助人們解決一些特定任務，提高效率。對于人工智能來說，機器學習從一開始就是一個重要的研究方向，并涉及了概率論、統(tǒng)計學、逼近論、凸分析、計算復雜性理論等多門學科。人工神經(jīng)網(wǎng)絡（Artificial Neural Network，ANN），也簡稱神經(jīng)網(wǎng)絡，是眾多機器學習算法中比較接近生物神經(jīng)網(wǎng)絡特性的數(shù)學模型。人工神經(jīng)網(wǎng)絡通過模擬生物神經(jīng)網(wǎng)絡（大腦）的結(jié)構(gòu)和功能，由大量的節(jié)點（或稱“神經(jīng)元”，或“單元”）和之間相互聯(lián)接構(gòu)成，可以用來對數(shù)據(jù)之間的復雜關(guān)系進行建模。