人工智能算法大致可分作有监督学习、无监督学习和强化学习。1、有监督学习是通过不断训练模型从人类已有经验中学习规律。在这一类学习中，研究人员会通过标记数据的方法，不断调整模型参数以达到学习目的。类似于父母会向孩子展示不同颜色、大小乃至种类的苹果，教会孩子认识“未曾见过”的苹果。2、无监督学习是通过训练模型，使机器能直接从已有数据中提取特征，对信息进行压缩，用于完成其他任务。无监督学习里典型例子是聚类，目的在于把相似的东西聚在一起，而我们并不关心这一类是什么。这类算法不需要以往经验，也不需要对数据进行人工标记，因此称之为无监督学习。有监督学习和无监督学习之间并不是彼此对立的关系，对于存在部分标注的数据，可以使用半监督学习算法。3、强化学习又称为增强学习，通过使智能程序不断地与环境交互，通过调整智能程序的决策参数达到最大化其累积收益的目的。强化学习通过自身失败或者成功的经验，优化自身的决策过程。