數學 由微積分 發展出 傅立葉級數，複變函式，是由現實問題驅動的。
ai 從 神經網路 發展出 卷積神經網路 convolutional nn, 長短時記憶神經網路，lstm ,attention model, 也是由現實問題 驅動的。每種 新模型的 提出，都極大地 提高了 相關領域問題的 預測質量。 卷積神經網路 主要由 影象 分類識別問題觸發，lstm 主要用於 時間序列資料分析，比如機器翻譯，注意力 model 也是由 用於機器翻譯 。
學習ai,離現實問題比較近,比傳統的數學專業學習更容易激發學習者的興趣。 傳統的數學專業離現實問題比較遠，傳統的教學方法在一些 概念性問題，技巧性問題上 反覆做 練習，遲遲不 接觸現實問題，學生缺乏應用數學 解決現實問題的 系統完整的體會，限制了 理論和 應用水平的 提高。
現在 開源 ai 庫，scikit learn, keras, 集成了 例子 資料集合，比如 手寫數字字元識別，網路評論 情感分析，以及 各種 演算法 和 工具的 實現。學習者 幾十分鐘 就 可以 修改 和 執行 一個 應用例子程式。 從算法理論到具體應用 的 反饋週期大大縮短。 開源 對 提高 整個計算機 應用行業 的 效率，提高生產效率，起了極大的作用。
