人工智能领域的核心导航文件，涵盖机器学习、深度学习、大语言模型、计算机视觉等方向。

目录结构

1
2
3
4
5
6
7
8
9

02 Artificial Intelligence/
├── 01 ML Foundation/         # 机器学习基础
├── 02 Deep Learning/         # 深度学习
├── 03 Diffusion Models/      # 扩散模型
├── 04 Large Language Models/ # 大语言模型
├── 05 Computer Vision/       # 计算机视觉
├── 06 Multimodal/            # 多模态
├── 07 Video Generation/      # 视频生成
└── 08 Frameworks/            # 框架与工具

概论

人工智能的核心目标：让机器模拟人类智能行为（感知、推理、学习、决策）。

子领域分支

[[机器学习 MOC]]

机器学习是 AI 最重要的子领域，通过数据驱动让机器自动学习规律。

符号主义/逻辑推理

基于规则和逻辑符号推理，不依赖数据学习。典型：专家系统、定理证明器、Prolog。

知识图谱

形式化存储知识，支撑问答、推荐。典型：谷歌知识图谱。

规划与决策

自动生成动作序列达成目标。典型：A* 路径规划、博弈论。

机器人学

设计、控制、感知与交互。非学习技术：PID 控制、SLAM。

进化计算

模拟生物进化优化。典型：遗传算法、粒子群优化。

模糊逻辑

突破二值逻辑，允许部分为真。应用：家电控制、工业自动化。

人工生命

模拟生命系统演化。典型：群体智能、蚁群算法。

总结

机器学习是当前主流，但 AI 还包括符号逻辑、知识图谱、规划决策、进化计算等分支，共同构成完整体系。