人工智能教学通常涉及以下几个关键领域：

1. 机器学习：这是人工智能的核心，包括监督学习、非监督学习和强化学习等。通过算法让计算机从数据中学习，并做出决策或预测。

2. 深度学习：这是机器学习的一个分支，利用神经网络模拟人脑处理信息的方式，解决复杂的识别和预测问题。

3. 自然语言处理：研究如何让计算机理解和生成人类语言，包括语音识别、机器翻译、情感分析等。

4. 计算机视觉：让计算机“看”懂图像和视频，包括物体识别、场景理解、图像生成等。

5. 机器人学：研究如何设计和控制机器人，使其能够执行复杂任务，如自主导航、人机交互等。

6. 认知计算：模仿人脑的思考方式，包括问题解决、决策制定、语言理解等。

7. 伦理和法律：探讨人工智能发展带来的伦理问题，如隐私、安全、责任等，以及相关的法律法规。

在教学方法上，通常包括理论学习、编程实践、项目实战和前沿研究等。理论学习涉及数学、统计学、计算机科学等基础知识，编程实践则侧重于使用Python、R等编程语言实现机器学习算法，项目实战则通过实际案例来应用所学知识，而前沿研究则关注最新的学术成果和技术动态。

此外，随着人工智能技术的不断进步，教学也在不断更新。例如，现在越来越多的课程开始引入深度学习框架，如TensorFlow和PyTorch，以及强化学习、生成对抗网络等新兴技术。同时，随着人工智能应用领域的不断扩展，如医疗、金融、教育等，相关的教学也在不断丰富和深化。