人工智能，简称AI，是计算机科学的一个分支，旨在研究、开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统。其终极目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作，如学习、推理、感知、理解语言等。AI并非单一技术，而是一个融合了计算机科学、数学、认知心理学、神经科学等多学科的交叉领域。

人工智能的实现依赖于三大基础资源：

1. 数据：海量、高质量的数据是AI的“燃料”。无论是监督学习、无监督学习还是强化学习，数据都是模型训练和优化的基础，决定了AI系统的性能和准确性。
2. 算法：算法是AI的“大脑”，它定义了机器如何处理数据、识别模式并做出决策。从传统的决策树、支持向量机到如今主流的深度学习神经网络，算法的创新是推动AI发展的核心动力。
3. 算力：强大的计算能力，尤其是基于GPU、TPU等专用硬件的并行计算能力，是处理海量数据、运行复杂算法的物理基础。云计算和边缘计算的普及，为AI提供了灵活且可扩展的算力支持。

支撑人工智能发展的关键技术主要包括：

• 机器学习：使计算机系统能够利用数据自动改进性能，而无需显式编程。它是当前AI应用最广泛的技术。
• 深度学习：机器学习的一个子集，通过模拟人脑神经网络结构的深层模型（如卷积神经网络CNN、循环神经网络RNN）来处理图像、语音、文本等非结构化数据，在计算机视觉、自然语言处理等领域取得突破性进展。
• 自然语言处理：使计算机能够理解、解释和生成人类语言，是实现人机对话、机器翻译、情感分析等功能的关键。
• 计算机视觉：赋予机器“看”的能力，使其能够识别、分类和理解图像与视频中的内容，广泛应用于安防、医疗影像、自动驾驶等领域。
• 知识图谱与推理：以结构化的形式描述客观世界中的概念、实体及其关系，并结合逻辑推理，让AI系统能够理解复杂关联并做出解释性决策。
• 机器人技术：将感知、决策与执行系统结合，使机器能够在物理世界中自主或半自主地操作。

这些技术与基础资源相互交织，共同构成了人工智能的技术生态。当前，AI正从感知智能向认知智能迈进，其发展也伴随着对数据隐私、算法公平、安全可控等伦理与社会问题的深刻思考。理解AI的基础资源与技术，是把握其发展趋势、推动负责任创新的重要前提。