人工生命（artificial life）最初為計算機科學家克里斯多福·蘭頓（Dr. Christopher Langton）於 1987年在洛斯阿拉莫斯國家實驗室（Los Alamos National Laboratory）召開的「生成以及模擬生命系統的國際會議」上提出。，通過人工模擬生命系統，來研究生命的領域，是一種基於人工智能產生的概念。
演算法
演算法（algorithm）是擁有一系列定義清晰的指令，依有限步驟或次序施行，並可於有限的時間及空間內，清楚的表述出運算結果的一種有效方法。常被運用於計算、數據處理和自動推理的一種有效方法。
〖以方塊圖表示有限步驟或次序的流程圖〗【top】【main】
深度學習
深度學習（deep learning）是一種以人工神經網路為架構的一種機器學習的分支，對資料運算進行特徵學習（representation learning/ feature learning｜功能學習）的演算法（algorithm）。
人工神經網絡
人工神經網絡（artificial neural network）是一種模仿·生物神經網絡的結構和功能，研發於機器學習和認知科學領域，簡稱：類神經網絡。類神經網絡的基礎是需要有一個推理演算法則，透過集合模擬「簡單的人工節點」，稱作神經元（neurons），然後連接在一起形成一個類似生物神經網路的網狀結構。類神經網絡已經被用於處理某類方案（solutions），如：機器視覺、語音辨識。
通用人工智慧的生存風險
通用人工智慧的生存風險是假設通用人工智慧（Artificial General Intelligence）重大進展可能導致人類滅絕或其他一些無法逆轉的全球性災難。假如人工智能在一般智能領域超越人類，成為「超智能」，那麼人類將趨於無法控制它；導致人類的生存率風險（x-risk）。人類的生存風險可能取決於「未來機器超級智能」的行為。