機器人是電腦在「人工智慧」方面的應用。人工智慧是研究、開發用於模擬、延伸和擴展人的智慧的理論、方法、技術及應用系統的一門新的技術科學，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。
本教學操作環境：windows7系統、Dell G3電腦。
機器人是電腦在「人工智慧」方面的應用。
人工智慧（Artificial Intelligence），英文縮寫為AI，它是研究、開發用於模擬、延伸和擴展人的智慧的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧是電腦科學的一個分支，它企圖了解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言辨識、影像辨識、自然語言處理和專家系統等。 人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。人工智慧可以對人的意識、思考的資訊過程的模擬。人工智慧不是人的智能，但能像人類那樣思考、也可能超過人的智能。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得電腦知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，電腦視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智慧才能完成的複雜工作。但不同的時代、不同的人對這種「複雜工作」的理解是不同的。
人工智慧在電腦領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，模擬系統中得到應用。
人工智慧的研究價值
例如繁重的科學和工程計算本來是要人腦來承擔的，如今電腦不僅能完成這種計算，而且能夠比人腦做得更快、更準確，因此當代人已不再把這種計算看作是“需要人類智能才能完成的複雜任務”，可見複雜工作的定義是隨著時代的發展和技術的進步而改變的，人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展，另一方面又轉向更有意義、更困難的目標。
通常，「機器學習」的數學基礎是「統計」、「資訊理論」和「控制論」。也包括其他非數學學科。這類「機器學習」對「經驗」的依賴性很強。電腦需要不斷從解決一類問題的經驗中獲取知識，學習策略，在遇到類似的問題時，運用經驗知識解決問題並累積新的經驗，就像普通人一樣。我們可以將這樣的學習方式稱之為「連續型學習」。但人類除了會從經驗中學習之外，還會創造，也就是「跳躍型學習」。這在某些情況下被稱為“靈感”或“頓悟”。一直以來，電腦最難學會的就是「頓悟」。或者再嚴格一些來說，電腦在學習和“實踐”方面難以學會“不依賴於量變的質變”，很難從一種“質”直接到另一種“質”，或者從一個“概念”直接到另一個“概念”。正因為如此，這裡的「實踐」並非和人類一樣的實踐。人類的實踐過程同時包括經驗和創造。
這是智慧化研究者夢寐以求的東西。
2013年，帝金資料普數中心資料研究員S.C WANG開發了一種新的資料分析方法，該方法導出了研究函數性質的新方法。作者發現，新數據分析方法為電腦學會「創造」提供了一種方法。本質上，這種方法為人的「創造力」的模式化提供了相當有效的途徑。這種途徑是數學賦予的，是一般人無法擁有但電腦可以擁有的「能力」。從此，計算機不僅精於算，還會因精於算而精於創造。電腦學家應該斬釘截鐵地剝奪「精於創造」的電腦過於全面的操作能力，否則電腦真的有一天會「反捕」人類。
當回頭審視新方法的推演過程和數學的時候，作者拓展了對思考和數學的認識。數學簡潔，清晰，可靠性、模式化強。在數學的發展史上，處處閃耀著數學大師們創造力的光輝。這些創造力以各種數學定理或結論的方式呈現出來，而數學定理最大的特點就是：建立在一些基本的概念和公理上，以模式化的語言方式表達出來的包含豐富資訊的邏輯結構。應該說，數學是最單純、最直白反映（至少一類）創造力模式的學科。
更多相關知識，請造訪常見問題欄位！
以上是機器人是計算機在哪個方面的應用的詳細內容。更多資訊請關注PHP中文網其他相關文章！
