夜雨聆风人工智能通常被归属于计算机学科，在如此热门的情况下， 任何计算机科学computer science都必然加入人工智能的部分， 或者加大已有的比例。
但是在所有的计算机科学教育当中， 一个特殊的存在是国际高中的三大主流体系:
美国的AP Computer Science
英国的A Level Computer Science
IB Computer Science.
这三大国际教育体系在高中阶段的12，13年级允许学生直接选修计算机科学这个学科，尤其是英国的ALevel 和IB 的 computer science都明确的引入了关于人工智能的内容的相对独立的部分， 其中涉及到了机器学习machine learning, 深度学习deep learning, 神经网络neural network, 强化学习等等一系列概念。
学习任何知识， 通常都有一些基本的共通的知识来作为基础， 好比学习算法，至少要熟悉一本计算机编程语言当中的顺序， 选择， 循环， 数组， 矩阵，链表这些基本的知识。如果要学习网站开发， 至少要熟悉前端的html, css, javascript， 后端至少熟悉一门语言， Python, java, typescript，数据库端至少熟悉一门关系数据库等等。
以此类推， AI的教学也必然有其基本的知识。
通常学习AI的一个非常好的例子就是线性回归 linear regression. 举个例子，一般初中的时候， 我们就要学习最简单的线性函数 y = 20x+10。 这个函数的一般形式是 y=kx +b。 这里的k=20的含义， 可以理解唯一个健身房的每个月的费用， 10可以理解为一个新的会员的会员费。 那么y 就是一个新的会员初次加入的时候缴纳的费用。
这个概念是很容易理解的， 简单的一元函数。
但是如果反过来， 给你你一系列的函数的图象所对应的点， 然后让你估算出来最佳的拟合或者匹配的直线的函数， 这个问题就变成了需要知道 k 和b的值。
为了得到最佳的k和b的值， 就需要构造出一个新的函数，
参考书目：
https://neuralnetworksanddeeplearning.com/chap1.html
cost function
以下是这个函数对应的图像，因为自变量有两个 看k, b, (上面的函数写为w, b), 应变量有一个C, 所以这里的问题就转化为了当这个函数有最小值得时候， w, b得值。 这个图象显然是有一个最低点得， 所以直觉上是可以判断出来这个答案是存在得。
至此， 也许都还相对符合直觉。 那么接下来呢， 如何求得这个最低点呢。从计算机的角度， 就需要引入一个算法： 梯度下降。gradient descent, 这个算法在可汗学院的网站上有详细的介绍， 从标题来看， 这个算法显然属于multivariable calculus的部分。
https://www.khanacademy.org/math/multivariable-calculus/applications-of-multivariable-derivatives/optimizing-multivariable-functions/a/what-is-gradient-descent
这里就要用到多元微积分的知识。multi-variable calculus的知识。 而无论是ap， 还是ib， 微积分部分的知识都限定在一元微积分的范围内。
为了解决上述问题， 需要的基础知识除了极限， 一元微积分,导数derivative， 还需要多元微积分， 偏导partial derivative,等等。首先这些知识本身属于数学， 并不属于计算机， 其次， 这些知识范畴已经远远超出了即使是高阶数学的内容。
这样的背景要求， 其实对于在国际高中选择计算机科学的学生， 以及任职的老师都提出了更高的要求。 虽然现实中，从大纲curriculum以及考试来看， 上诉内容并不做要求， 但是从理解的角度， 有些东西其实是难以回避的。