智能化的前提条件包括以下方面：
欧洲议会和欧盟理事会规定人工智能的统一规则，并修正300/2008号、167/2013号、168/2013号、2018/858号、2018/1139号和2019/214号条例以及2014/90/EU号、2016/797号和20(4)人工智能是一个快速发展的技术族，能够为各行各业和社会活动带来广泛的经济、环境和社会效益。通过改进预测、优化运营和资源配置，以及为个人和组织个性化可用的数字解决方案，人工智能的使用可以为企业提供关键的竞争优势，并支持有益于社会和环境的成果，例如在医疗保健、农业、食品安全、教育和培训、媒体、体育、文化、基础设施管理、能源、运输和物流、公共服务、安全、司法、资源和能源效率、环境监测、生物多样性和生态系统的保护和修复，以及气候变化的减缓和适应。(5)同时，根据其具体应用、使用情况和技术发展水平，人工智能可能会产生风险，并对受欧盟法律保护的公共利益和基本权利造成损害。这种损害可能是物质性的，也可能是非物质性的，包括身体、心理、社会或经济的损害。(6)鉴于人工智能可能对社会产生的重大影响以及建立信任的必要性，人工智能及其监管框架的发展必须符合《欧盟条约》第2条所载的欧盟价值观、各项条约和《宪章》所载的基本权利和自由。作为前提条件，人工智能应是以人为本的技术。人工智能应作为人类的工具，最终目的是提高人类福祉。(7)为了确保在健康、安全和基本权利方面对公众利益提供一致和高水平的保护，应为所有高风险人工智能系统制定统一的规则。这些规则应与《宪章》保持一致，并应当是非歧视性的，且符合欧盟的国际贸易承诺。这些规则还应考虑到《欧洲数字权利宣言》和《数字十年原则》以及人工智能高级别专家组的《值得信赖的人工智能的伦理准则》。
欧洲议会和欧盟理事会规定人工智能的统一规则，并修正300/2008号、167/2013号、168/2013号、2018/858号、2018/1139号和2019/214号条例以及2014/90/EU号、2016/797号和20(53)同样重要的是要澄清,在一些具体的情况下,本条例预先规定的领域所提到的人工智能系统不会导致对这些领域所保护的法律利益造成重大损害的风险,因为这些系统不会对决策产生实质性影响,或不会对这些利益造成实质性损害。就本条例而言,不对决策结果产生实质性影响的人工智能系统应理解为不影响决策的实质内容,从而不影响决策结果的人工智能系统,无论是人为决策还是自动决策。如果满足以下一个或多个条件,就可以这样理解。第一个条件应该是,人工智能系统的目的是执行范围狭窄的程序性任务,例如将非结构化数据转换为结构化数据的人工智能系统、将收到的文件分类的人工智能系统或用于检测大量应用程序中重复内容的人工智能系统。这些任务的范围很窄,性质有限,只会带来有限的风险,不会因为在所列举的环境中使用而增加风险。第二个条件应该是,人工智能系统执行的任务旨在改进先前完成的人类活动的结果,而该活动可能与所列举的目的有关。考虑到这些特点,人工智能系统只是为人类活动提供了一个附加层,从而降低了风险。例如,本标准适用于旨在改进先前起草的文件中所用语言的人工智能系统,例如在专业语气、学术语言风格方面,或通过使文本与特定品牌信息保持一致。第三个条件应该是人工智能系统旨在检测决策模式或偏离先前的决策模式的情况。此时风险也会有所降低,因为人工智能系统的使用是在先前完成的人工评估之后进行的,人工智能系统不是要在没有经过适当的人工审查的情况下替代或者影响人类评估。例如,这类人工智能系统可以在给一位教师打分时,事后检查该教师是否偏离了打分模式,以发现潜在的不一致或异常。第四个条件应该是,人工智能系统旨在执行的任务只是与所列的目的相关的评估的准备工作,从而使系统输出的可能的影响非常小,
如果我们希望让一台计算机表现得像人类一样，需要在计算机内模拟人类的思维方式。因此，我们需要理解是什么造就了人类的“智能”。我们必须理解自己的决策过程是如何进行的，才能够为机器编写智能程序。如果你稍微做一下自我觉察，就会发现有些过程是下意识发生的，例如我们可以不假思索地区分出猫和狗，而有些过程则需要推理。解决这个问题有两种可能的方法：|自上而下的方法（符号推理）|自下而上的方法（神经网络）||-|-||自上而下的方法模拟人类通过推理来解决问题的方式。它包括对人类知识的提炼，并用计算机可读的形式来表示，此外还需要开发一种在计算机内部模拟推理的方法。|自下而上的方法模拟人脑的结构，由大量称为神经元的简单单元组成。每个神经元的行为取决于输入数据的加权平均值，我们可以提供训练数据来训练神经元网络，从而解决有用的问题。|还有一些其他可能实现智能的方法：新兴的、依靠协同的多智能体系统（multi-agent），它基于这样一个事实，即复杂的智能行为可以来自大量简单智能系统的相互作用。根据进化控制论，在元系统跃迁的过程中，智能可以从更简单的反应行为中产生。进化方法或遗传算法（genetic algorithm），是一种基于进化原理的优化过程。[1]译者注：元系统跃迁，[Metasystem Transition](https://en.wikipedia.org/wiki/Metasystem_transition)，是指通过演化涌现出更高层次的组织或者控制。我们将在课程的后续部分考虑这些方法，但现在我们将重点关注自上而下、自下而上两个主要方向。