人工智能有三個主要分支:
1.基於規則的人工智能；
2.沒有規則的人工智能，計算機讀取大量數據，根據數據的統計、概率分析等方法進行智能處理；
3.壹種基於神經網絡的深度學習。
基於規則的人工智能，在計算機中按照指定的語法結構輸入規則，並利用這些規則進行智能處理，缺乏靈活性，不適合實際使用。所以人工智能的主流分支其實是後兩者。
後兩種是“通過計算機讀取大量數據來提高人工智能本身的能力/準確性”。現在大量的數據產生後，有低成本的內存來存儲，有高速的CPU來處理，就可以實踐人工智能最後兩個分支的理論了。由此，人工智能可以使處理或判斷接近人類，提高準確率。同時，人工智能服務作為高附加值服務的使用成為獲取更多用戶的主要因素，不斷增加的用戶數量產生更多的數據，進壹步優化了人工智能。
大數據挖掘離不開人工智能技術。
大數據分為“結構化數據”和“非結構化數據”。
“結構化數據”是指客戶信息、業務數據、銷售數據、庫存數據等。存儲在公共數據庫中，特指可以作為數據庫管理的數據。相反，“非結構化數據”是指沒有存儲在數據庫中的數據，包括電子郵件、文本文件、圖像、視頻等。
目前非結構化數據激增，企業數據中80%左右是非結構化數據。隨著社交媒體的興起，非結構化數據正在經歷爆炸式增長。復雜而海量的數據通常被稱為大數據。
然而，這些大數據的分析並不簡單。文本挖掘需要“自然語言處理”技術，圖像和視頻分析需要“圖像分析技術”。如今，“語音識別技術”也不可或缺。這些都是傳統意義上人工智能領域研究的技術。