人工智能考研的指标主要包括以下几个方面：

计算机基础 ：

包括操作系统、计算机网络、数据结构与算法等知识，这些是人工智能研究和实践的基础。

数学知识 ：

涵盖高等数学、线性代数、概率统计、优化方法等，这些数学理论是深度学习和机器学习的基础，并在图像识别、自然语言处理等技术中有广泛应用。

人工智能专业知识 ：

包括机器学习、深度学习、计算机视觉等内容，这些知识影响在人工智能领域的职业发展，并帮助深入理解技术复杂性。

英语能力 ：

涉及英语阅读、口语表达和写作能力，由于科技与信息的发展，英语已成为全球通用的交流工具。

专业课程 ：

如自然语言处理、计算机视觉、数据挖掘等，这些课程帮助考生深入了解人工智能的具体应用与研究领域。

编程能力 ：

掌握Python、C++等编程语言，具备一定的算法设计和数据结构知识，这对于实现人工智能算法和数据处理非常重要。

项目实践经验 ：

展示参与过的AI项目、解决的实际问题等，这反映了考生在人工智能领域的实践能力和应用经验。

伦理与法律 ：

了解人工智能伦理、数据隐私保护、算法责任等问题，随着人工智能技术的发展，这些伦理和法律问题日益受到关注。

考试科目 ：

通常包括思想政治理论、英语、数学和专业课（如数据结构、操作系统、组成原理、计算机网络等）。

研究方向 ：

可能包括智能科学与技术、计算机科学与技术、软件工程、安全科学与工程等。

这些指标共同构成了人工智能考研的全面框架，考生需要在这些方面具备扎实的基础知识和实践能力，以应对考研和未来的职业发展挑战。建议考生在准备考研时，制定详细的学习计划，系统复习相关专业知识，并积极参与实践项目，提升自己的综合竞争力。