電子發燒友App
什么是人工智能
人工智能（ArtificialIntelligence），英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。
人工智能是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智能是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種“復雜工作”的理解是不同的。［1］2017年12月，人工智能入選“2017年度中國媒體十大流行語”。
?
人工智能科學介紹
實際應用
機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，自動規劃，智能搜索，定理證明，博弈，自動程序設計，智能控制，機器人學，語言和圖像理解，遺傳編程等。
學科范疇
人工智能是一門邊緣學科，屬于自然科學和社會科學的交叉。
涉及學科
哲學和認知科學，數學，神經生理學，心理學，計算機科學，信息論，控制論，不定性論
研究范疇
自然語言處理，知識表現，智能搜索，推理，規劃，機器學習，知識獲取，組合調度問題，感知問題，模式識別，邏輯程序設計軟計算，不精確和不確定的管理，人工生命，神經網絡，復雜系統，遺傳算法
意識和人工智能
人工智能就其本質而言，是對人的思維的信息過程的模擬。
對于人的思維模擬可以從兩條道路進行，一是結構模擬，仿照人腦的結構機制，制造出“類人腦”的機器；二是功能模擬，暫時撇開人腦的內部結構，而從其功能過程進行模擬。現代電子計算機的產生便是對人腦思維功能的模擬，是對人腦思維的信息過程的模擬。
弱人工智能如今不斷地迅猛發展，尤其是2008年經濟危機后，美日歐希望借機器人等實現再工業化，工業機器人以比以往任何時候更快的速度發展，更加帶動了弱人工智能和相關領域產業的不斷突破，很多必須用人來做的工作如今已經能用機器人實現。
而強人工智能則暫時處于瓶頸，還需要科學家們和人類的努力。
?
人工智能需要哪些知識
人工智能是一個綜合學科，如樓上所說。而其本身又分為多個方面如神經網絡、機器識別、機器視覺、機器人等。一個人想自學所有人工智能方面并不是很容易的一件事。對于你想知道人工智能在編程方面需要多深的要求。怎么說好呢無論C++還是匯編他都是一門語言主要會靈活運用。大多機器人仿真都用的混合編程模式，也就是運用多種編程軟件及語言組合使用。之所以這樣是為了彌補語言間的不足。prolog在邏輯演繹方面比突出。C++在硬件接口及windos銜接方面比較突出，MATLAB在數學模型計算方面比較突出。如果單學人工智能算法的話prolog足以，如果想開發機器仿真程序的話VC++MATLAB應該多學習點。對于你想買什么書學習。我只能對我看過的書給你介紹一下，你再自己酌量一下。
人工智能算法方面：《人工智能及其應用》第三版、人工智能與知識工程。這兩本感覺買一本就可以了~第一本感覺能簡單并且全面點。這類書其實很多可是。大多內容都是重復的所以買一到兩本即可。
機器視覺算法方面：《機器視覺算法與應用》這本書講的大多都是工業化生產中機器視覺應用。從內容來說并不是很簡單，建議不要當入門教材來學習。
機器人方面：新版《機器人技術手冊》日譯的書，可能這是我當初在當當網里找到唯一一本比較全面實用的機器人方面的書。這本書由基礎到應用以及一些機器人實際問題上講述得很全面。強烈建議買一本。
?
從零開始學人工智能方法介紹
1、機器學習
有關機器學習領域的最佳介紹，請觀看Coursera的AndrewNg機器學習課程。它解釋了基本概念，并讓你很好地理解最重要的算法。
有關ML算法的簡要概述，查看這個TutsPlus課程“MachineLearningDistilled”。
“ProgrammingCollectiveIntelligence”這本書是一個很好的資源，可以學習ML算法在Python中的實際實現。它需要你通過許多實踐項目，涵蓋所有必要的基礎。
這些不錯的資源你可能也感興趣：
PererNorvig的UdacityCourseonML（MLUdacity課程）
TomMitchell在卡梅隆大學教授的AnothercourseonML（另一門ML課程）
YouTube上的機器學習教程mathematicalmonk
?
2、深度學習
關于深度學習的最佳介紹，我遇到最好的是DeepLearningWithPython。它不會深入到困難的數學，也沒有一個超長列表的先決條件，而是描述了一個簡單的方法開始DL，解釋如何快速開始構建并學習實踐上的一切。它解釋了最先進的工具（Keras，TensorFlow），并帶你通過幾個實際項目，解釋如何在所有最好的DL應用程序中實現最先進的結果。
在Google上也有一個greatintroductoryDLcourse，還有SephenWelch的greatexplanationofneuralnetworks。
之后，為了更深入地了解，這里還有一些有趣的資源：
GeoffreyHinton的coursera課程“NeuralNetworksforMachineLearning”。這門課程會帶你了解ANN的經典問題——MNIST字符識別的過程，并將深入解釋一切。
MITDeepLearning（深度學習）一書。
UFLDLtutorialbyStanford（斯坦福的UFLDL教程）
deeplearning.net教程
MichaelNielsen的NeuralNetworksandDeepLearning（神經網絡和深度學習）一書
SimonO.Haykin的NeuralNetworksandLearningMachines（神經網絡和機器學習）一書
?
3、人工智能
“ArtificialIntelligence：AModernApproach（AIMA）”（人工智能：現代方法）是關于“守舊派”AI最好的一本書籍。這本書總體概述了人工智能領域，并解釋了你需要了解的所有基本概念。
來自加州大學伯克利分校的ArtificialIntelligencecourse（人工智能課程）是一系列優秀的視頻講座，通過一種非常有趣的實踐項目（訓練AI玩Pacman游戲）來解釋基本知識。我推薦在視頻的同時可以一起閱讀AIMA，因為它是基于這本書，并從不同的角度解釋了很多類似的概念，使他們更容易理解。它的講解相對較深，對初學者來說是非常不錯的資源。
大腦如何工作
如果你對人工智能感興趣，你可能很想知道人的大腦是怎么工作的，下面的幾本書會通過直觀有趣的方式來解釋最好的現代理論。
JeffHawkins的OnIntelligence（有聲讀物）
G?del，Escher，Bach
我建議通過這兩本書入門，它們能很好地向你解釋大腦工作的一般理論。
其他資源：
RayKurzweil的HowtoCreateaMind（如何創建一個頭腦RayKurzweil）（有聲讀物）。
PrinciplesofNeuralScience（神經科學原理）是我能找到的最好的書，深入NS。它談論的是核心科學，神經解剖等。非常有趣，但也很長–我還在讀它。
?
4、教學
以下是你開始學習AI需要了解的非常基本的數學概念：
微積分學
KhanAcademyCalculusvideos（可汗學院微積分視頻）
MITlecturesonMultivariableCalculus（MIT關于多變量微積分的講座）
線性代數
KhanAcademyLinearAlgebravideos（可汗學院線性代數視頻）
MITlinearalgebravideosbyGilbertStrang（GilbertStrang的MIT線性代數視頻）
CodingtheMatrix?（編碼矩陣）–布朗大學線程代數CS課程
概率和統計
可汗學院Probability（概率）與Statistics（統計）視頻
edxprobabilitycourse（edx概率課程）
?
5、計算機科學
要掌握AI，你要熟悉計算機科學和編程。
如果你剛剛開始，我建議閱讀DiveIntoPython3（深入Python3）這本書，你在Python編程中所需要的大部分知識都會提到。
要更深入地了解計算機編程的本質–看這個經典的MITcourse（MIT課程）。這是一門關于lisp和計算機科學的基礎的課程，基于CS-結構和計算機程序的解釋中最有影響力的書之一。
推薦閱讀：
工商網監
評論