電子發(fā)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(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。
人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。人工智能從誕生以來(lái)，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以設(shè)想，未來(lái)人工智能帶來(lái)的科技產(chǎn)品，將會(huì)是人類智慧的“容器”。人工智能可以對(duì)人的意識(shí)、思維的信息過(guò)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(guò)人的智能。
人工智能是一門極富挑戰(zhàn)性的科學(xué)，從事這項(xiàng)工作的人必須懂得計(jì)算機(jī)知識(shí)，心理學(xué)和哲學(xué)。人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機(jī)器學(xué)習(xí)，計(jì)算機(jī)視覺等等，總的說(shuō)來(lái)，人工智能研究的一個(gè)主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。但不同的時(shí)代、不同的人對(duì)這種“復(fù)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(guó)媒體十大流行語(yǔ)”。
?
人工智能科學(xué)介紹
實(shí)際應(yīng)用
機(jī)器視覺，指紋識(shí)別，人臉識(shí)別，視網(wǎng)膜識(shí)別，虹膜識(shí)別，掌紋識(shí)別，專家系統(tǒng)，自動(dòng)規(guī)劃，智能搜索，定理證明，博弈，自動(dòng)程序設(shè)計(jì)，智能控制，機(jī)器人學(xué)，語(yǔ)言和圖像理解，遺傳編程等。
學(xué)科范疇
人工智能是一門邊緣學(xué)科，屬于自然科學(xué)和社會(huì)科學(xué)的交叉。
涉及學(xué)科
哲學(xué)和認(rèn)知科學(xué)，數(shù)學(xué)，神經(jīng)生理學(xué)，心理學(xué)，計(jì)算機(jī)科學(xué)，信息論，控制論，不定性論
研究范疇
自然語(yǔ)言處理，知識(shí)表現(xiàn)，智能搜索，推理，規(guī)劃，機(jī)器學(xué)習(xí)，知識(shí)獲取，組合調(diào)度問(wèn)題，感知問(wèn)題，模式識(shí)別，邏輯程序設(shè)計(jì)軟計(jì)算，不精確和不確定的管理，人工生命，神經(jīng)網(wǎng)絡(luò)，復(fù)雜系統(tǒng)，遺傳算法
意識(shí)和人工智能
人工智能就其本質(zhì)而言，是對(duì)人的思維的信息過(guò)程的模擬。
對(duì)于人的思維模擬可以從兩條道路進(jìn)行，一是結(jié)構(gòu)模擬，仿照人腦的結(jié)構(gòu)機(jī)制，制造出“類人腦”的機(jī)器；二是功能模擬，暫時(shí)撇開人腦的內(nèi)部結(jié)構(gòu)，而從其功能過(guò)程進(jìn)行模擬?，F(xiàn)代電子計(jì)算機(jī)的產(chǎn)生便是對(duì)人腦思維功能的模擬，是對(duì)人腦思維的信息過(guò)程的模擬。
弱人工智能如今不斷地迅猛發(fā)展，尤其是2008年經(jīng)濟(jì)危機(jī)后，美日歐希望借機(jī)器人等實(shí)現(xiàn)再工業(yè)化，工業(yè)機(jī)器人以比以往任何時(shí)候更快的速度發(fā)展，更加帶動(dòng)了弱人工智能和相關(guān)領(lǐng)域產(chǎn)業(yè)的不斷突破，很多必須用人來(lái)做的工作如今已經(jīng)能用機(jī)器人實(shí)現(xiàn)。
而強(qiáng)人工智能則暫時(shí)處于瓶頸，還需要科學(xué)家們和人類的努力。
?
人工智能需要哪些知識(shí)
人工智能是一個(gè)綜合學(xué)科，如樓上所說(shuō)。而其本身又分為多個(gè)方面如神經(jīng)網(wǎng)絡(luò)、機(jī)器識(shí)別、機(jī)器視覺、機(jī)器人等。一個(gè)人想自學(xué)所有人工智能方面并不是很容易的一件事。對(duì)于你想知道人工智能在編程方面需要多深的要求。怎么說(shuō)好呢?zé)o論C++還是匯編他都是一門語(yǔ)言主要會(huì)靈活運(yùn)用。大多機(jī)器人仿真都用的混合編程模式，也就是運(yùn)用多種編程軟件及語(yǔ)言組合使用。之所以這樣是為了彌補(bǔ)語(yǔ)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(shù)學(xué)模型計(jì)算方面比較突出。如果單學(xué)人工智能算法的話prolog足以，如果想開發(fā)機(jī)器仿真程序的話VC++MATLAB應(yīng)該多學(xué)習(xí)點(diǎn)。對(duì)于你想買什么書學(xué)習(xí)。我只能對(duì)我看過(guò)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(yīng)用》第三版、人工智能與知識(shí)工程。這兩本感覺買一本就可以了~第一本感覺能簡(jiǎn)單并且全面點(diǎn)。這類書其實(shí)很多可是。大多內(nèi)容都是重復(fù)的所以買一到兩本即可。
機(jī)器視覺算法方面：《機(jī)器視覺算法與應(yīng)用》這本書講的大多都是工業(yè)化生產(chǎn)中機(jī)器視覺應(yīng)用。從內(nèi)容來(lái)說(shuō)并不是很簡(jiǎn)單，建議不要當(dāng)入門教材來(lái)學(xué)習(xí)。
機(jī)器人方面：新版《機(jī)器人技術(shù)手冊(cè)》日譯的書，可能這是我當(dāng)初在當(dāng)當(dāng)網(wǎng)里找到唯一一本比較全面實(shí)用的機(jī)器人方面的書。這本書由基礎(chǔ)到應(yīng)用以及一些機(jī)器人實(shí)際問(wèn)題上講述得很全面。強(qiáng)烈建議買一本。
?
從零開始學(xué)人工智能方法介紹
1、機(jī)器學(xué)習(xí)
有關(guān)機(jī)器學(xué)習(xí)領(lǐng)域的最佳介紹，請(qǐng)觀看Coursera的AndrewNg機(jī)器學(xué)習(xí)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(guān)ML算法的簡(jiǎn)要概述，查看這個(gè)TutsPlus課程“MachineLearningDistilled”。
“ProgrammingCollectiveIntelligence”這本書是一個(gè)很好的資源，可以學(xué)習(xí)ML算法在Python中的實(shí)際實(shí)現(xiàn)。它需要你通過(guò)許多實(shí)踐項(xiàng)目，涵蓋所有必要的基礎(chǔ)。
這些不錯(cuò)的資源你可能也感興趣：
PererNorvig的UdacityCourseonML（MLUdacity課程）
TomMitchell在卡梅隆大學(xué)教授的AnothercourseonML（另一門ML課程）
YouTube上的機(jī)器學(xué)習(xí)教程mathematicalmonk
?
2、深度學(xué)習(xí)
關(guān)于深度學(xué)習(xí)的最佳介紹，我遇到最好的是DeepLearningWithPython。它不會(huì)深入到困難的數(shù)學(xué)，也沒有一個(gè)超長(zhǎng)列表的先決條件，而是描述了一個(gè)簡(jiǎn)單的方法開始DL，解釋如何快速開始構(gòu)建并學(xué)習(xí)實(shí)踐上的一切。它解釋了最先進(jìn)的工具（Keras，TensorFlow），并帶你通過(guò)幾個(gè)實(shí)際項(xiàng)目，解釋如何在所有最好的DL應(yīng)用程序中實(shí)現(xiàn)最先進(jìn)的結(jié)果。
在Google上也有一個(gè)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(huì)帶你了解ANN的經(jīng)典問(wèn)題——MNIST字符識(shí)別的過(guò)程，并將深入解釋一切。
MITDeepLearning（深度學(xué)習(xí)）一書。
UFLDLtutorialbyStanford（斯坦福的UFLDL教程）
deeplearning.net教程
MichaelNielsen的NeuralNetworksandDeepLearning（神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)）一書
SimonO.Haykin的NeuralNetworksandLearningMachines（神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)）一書
?
3、人工智能
“ArtificialIntelligence：AModernApproach（AIMA）”（人工智能：現(xiàn)代方法）是關(guān)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(lǐng)域，并解釋了你需要了解的所有基本概念。
來(lái)自加州大學(xué)伯克利分校的ArtificialIntelligencecourse（人工智能課程）是一系列優(yōu)秀的視頻講座，通過(guò)一種非常有趣的實(shí)踐項(xiàng)目（訓(xùn)練AI玩Pacman游戲）來(lái)解釋基本知識(shí)。我推薦在視頻的同時(shí)可以一起閱讀AIMA，因?yàn)樗腔谶@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(duì)較深，對(duì)初學(xué)者來(lái)說(shuō)是非常不錯(cuò)的資源。
大腦如何工作
如果你對(duì)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(huì)通過(guò)直觀有趣的方式來(lái)解釋最好的現(xiàn)代理論。
JeffHawkins的OnIntelligence（有聲讀物）
G?del，Escher，Bach
我建議通過(guò)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(chuàng)建一個(gè)頭腦RayKurzweil）（有聲讀物）。
PrinciplesofNeuralScience（神經(jīng)科學(xué)原理）是我能找到的最好的書，深入NS。它談?wù)摰氖呛诵目茖W(xué)，神經(jīng)解剖等。非常有趣，但也很長(zhǎng)–我還在讀它。
?
4、教學(xué)
以下是你開始學(xué)習(xí)AI需要了解的非常基本的數(shù)學(xué)概念：
微積分學(xué)
KhanAcademyCalculusvideos（可汗學(xué)院微積分視頻）
MITlecturesonMultivariableCalculus（MIT關(guān)于多變量微積分的講座）
線性代數(shù)
KhanAcademyLinearAlgebravideos（可汗學(xué)院線性代數(shù)視頻）
MITlinearalgebravideosbyGilbertStrang（GilbertStrang的MIT線性代數(shù)視頻）
CodingtheMatrix?（編碼矩陣）–布朗大學(xué)線程代數(shù)CS課程
概率和統(tǒng)計(jì)
可汗學(xué)院Probability（概率）與Statistics（統(tǒng)計(jì)）視頻
edxprobabilitycourse（edx概率課程）
?
5、計(jì)算機(jī)科學(xué)
要掌握AI，你要熟悉計(jì)算機(jī)科學(xué)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(shí)都會(huì)提到。
要更深入地了解計(jì)算機(jī)編程的本質(zhì)–看這個(gè)經(jīng)典的MITcourse（MIT課程）。這是一門關(guān)于lisp和計(jì)算機(jī)科學(xué)的基礎(chǔ)的課程，基于CS-結(jié)構(gòu)和計(jì)算機(jī)程序的解釋中最有影響力的書之一。
推薦閱讀：
美國(guó)人工智能大學(xué)排名_美國(guó)人工智能專業(yè)課程排名
工商網(wǎng)監(jiān)
評(píng)論