AI分很多种类。

我大概了解的有：有限状态机、模糊控制、动态规划、遗传算法、传统的逻辑判断、策略树、马尔可夫统计模型、神经网络（其中以有许多不同特征的分类：感知器、反馈神经网络、卷积神经网络、深度学习神经网络……）、……

老师的这个AI。估计不需要深度学习。

神经网络就像是初中学的函数思想一样：输入一些自变量的值，而根据某种对应关系，输出相对应的函数值。其中，自变量可能是多维的，输出的函数值也可能是多维的。如y=f(x)  或 z=f(x,y) ……

最简单的是 y=ax+b （其中x是输入的自变量值，y是输出的函数值，而a、b都是某种代表些对应关系的重要参数，不同的a、b决定此函数的特征。如a决定斜率，b决定截距……）

神经网络的任务一般是先人为根据应用场合与特点，大概确定合适的函数种类（直线函数、双曲函数、三角函数……），但其中的a、b等参数就是需要神经网络训练自动尝试确认的。

深度学习不仅要训练网络确认a、b等重要参数，而且还要确定另一个更麻烦的问题。

就是自变量是一个X，还是两个（x,y），或者是三个（x,y,z)或者更多，也是就确定输入的特征个数，以便于更合理地产生输出的函数值。

以上，只是我在网络上自己看过后的一些一知半解的体会。不妥之处，还请原谅！