1、你對人工智能有什麼瞭解？強人工智能可能實現嗎？
來自百度百科
人工智能是計算機科學的一個分支，它企圖瞭解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，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。
強人工智能觀點認爲有可能製造出真正能推理（REASONING）和解決問題（PROBLEM_SOLVING）的智能機器，並且，這樣的機器能將被認爲是有知覺的，有自我意識的。
強人工智能可以有兩類：
類人的人工智能，即機器的思考和推理就像人的思維一樣。
非類人的人工智能，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。
弱人工智能觀點認爲不可能製造出能真正地推理（REASONING）和解決問題（PROBLEM_SOLVING）的智能機器，這些機器只不過看起來像是智能的，但是並不真正擁有智能，也不會有自主意識。
主流科研集中在弱人工智能上，並且一般認爲這一研究領域已經取得可觀的成就。強人工智能的研究則處於停滯不前的狀態下。
強人工智能可能實現嗎？對於這個問題的答案我是肯定的，nothing is impossible 沒有是什麼是不可能的，只是時間問題，過程問題，發展問題。
2、什麼是機器學習？講講具體的算法。
選自文獻1
機器學習是研究計算機怎樣模擬或實現人類的學習行爲，以獲取新的知識或技能，重新組織已有的知識結構從而不斷改善自身的性能。
相對於傳統機器學習利用經驗改善系統自身的性能，現在的機器學習更多是利用數據改善系統自身的性能。基於數據的機器學習是現代智能技術中的重要方法之一，它從觀測數據（樣本）出發尋找規律，利用這些規律對未來數據或無法觀測的數據進行預測。
機器學習算法：決策樹、神經網絡、向量機、貝葉斯、Boosting…
決策樹：決策樹（decision tree）是一類常見的機器學習方法。類似於流程圖，一顆決策樹包含一個根節點、若干個內部節點和葉子節點，每一個樹節點表示對一個特徵或屬性的測試，每一個分支代表一個屬性的輸出，每一個葉子節點對應一種決策結果。從根節點到每個葉節點的路徑對應了一個判定測試序列。其學習的基本流程遵循分治（divide-and-conquer）策略。
選自文獻2
3、什麼是大數據？你接觸到的最大的數據有多大？
選自文獻1
數據源越多越精確，越能無限逼近事實和真相，越能獲得更深邃的智慧和洞察，這就是大數據的價值。
4、什麼是數據挖掘？
選自百度百科
數據挖掘是指從大量的數據中通過算法搜索隱藏於其中信息的過程。
指從數據庫的大量數據中揭示出隱含的、先前未知的並有潛在價值的信息的非平凡過程。
5、大數據和機器學習之前有什麼聯繫？
選自文獻1
物聯網是“交互方式”，雲計算是“基礎設施”，人工智能是“場景應用”，大數據是“交互內容”。大數據使用物聯網交互方式、存儲在雲計算基礎設施、支持人工智能場景應用，生成完整的價值鏈。
大數據的存儲、處理需要雲計算基礎設施的支撐，雲計算需要海量數據的處理能力證明自身的價值；人工智能技術的進步離不開雲計算能力的不斷增長，雲計算讓人工智能服務無處不在、觸手可及；大數據的價值發現需要高效的人工智能方法，人工智能的自我學習需要海量數據的輸入。
6、什麼是雲計算？
選自百度百科
雲計算（cloud computing）是分佈式計算的一種，指的是通過網絡“雲”將巨大的數據計算處理程序分解成無數個小程序，然後，通過多部服務器組成的系統進行處理和分析這些小程序得到結果並返回給用戶。可以在很短的時間內（幾秒種）完成對數以萬計的數據的處理，從而達到強大的網絡服務。
7、什麼是深度學習？
選自百度百科
深度學習(DL, Deep Learning)是機器學習(ML, Machine Learning)領域中一個新的研究方向，它被引入機器學習使其更接近於最初的目標——人工智能(AI, Artificial Intelligence)。
深度學習是學習樣本數據的內在規律和表示層次，這些學習過程中獲得的信息對諸如文字，圖像和聲音等數據的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據。 深度學習是一個複雜的機器學習算法，在語音和圖像識別方面取得的效果，遠遠超過先前相關技術。
文獻
1、什麼是機器學習？有哪些算法和分類？又有哪些應用？看完你就懂了
推薦閱讀，梳理很清晰。從大數據到各分支前沿學科。
2、機器學習中的那些樹——決策樹(一)
3、百度百科