最近AI可谓是火遍了半边天，人工智能Artificial Intelligence，简称AI，是计算机科学领域的分支。
人工智能学习
第一：编程语言。编程语言是学习人工智能的基础内容之一，掌握了编程语言才能完成一系列具体的实验。推荐学习Python语言，一方面原因是Python语言简单易学，实验环境也易于搭建，另一方面原因是Python语言有丰富的库支持。目前Python语言在人工智能领域有广泛的应用，包括机器学习、自然语言处理和计算机视觉等方向。
第二：算法设计基础。目前人工智能的研究内容集中在六个大的方向上，分别是自然语言处理、知识表示、自动推理、机器学习、计算机视觉和机器人学，这些内容都有一个重要的基础就是算法设计，可以说算法设计是研究人工智能的关键所在。学习算法设计可以从基础算法开始，包括递归、概率分析和随机算法、堆排序、快速排序、线性时间排序、二叉树搜索、图算法等内容。
第三：人工智能基础。人工智能基础内容的学习是打开人工智能大门的钥匙，人工智能基础内容包括人工智能发展史、智能体、问题求解、推理与规划、不确定知识与推理、机器学习、感知与行动等几个大的组成部分。
在完成以上内容的学习之后，最好能参加一个人工智能的项目组（课题组），在具体的实践中完成进一步的学习过程。
八本书籍可以尝试读一读
1. Intelligence is not Artificial- Piero Scaruffi《智能的本质》
作者从常识出发，对人工智能和机器人表达了很多“令人惊讶”而又让人深思的观点。这是一本人人都可以看懂的科普读物，并让读者一起思考机器智能与自身生活关系。
2. AI: Its Nature and Future- Margaret A. Boden《人工智能的本质和未来》
作者从专业的角度，深入浅出，梳理了人工智能发展的历程，其经历的不同阶段概况，如今前沿的发展现状以及面临的困境，并探讨了其未来发展的可能性，堪称一部精彩的人工智能进化史。 作者玛格丽特·博登被誉为“人工智能领域的女性牛人”。
3. Superintelligence: Paths, Dangers, Strategies- Nick Bostrom《超级智能》
在这本书中，作者谈到了超级智能的优势所带来的风险，也谈到了人类如何解决这种风险。目标宏大，且有独创性，开辟了人工智能领域的新道路。
4. Machine Learning-Tom Mitchell《机器学习》
展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。
5. Simply Logical: Intelligent Reasoning by Example- Peter A. Flach
这本书是关于人工智能prolog编程语言的入门，内容由浅入深，最大的优势是融合了AI、Prolog、Logic，简化了逻辑程序的基本概念，还有练习和例子帮助理解较难的概念。
6. Logic for Computer Science: Foundations of Automatic Theorem Proving- Jean H. Gallier
涵盖了计算机科学需要的基本数学逻辑，强调了求解证明的算法方法，可阅读性高，还提供了一个Getzen系统使用的统一框架。
7. Artificial Intelligence: Foundations of Computational Agents-David Poole、Alan Mackworth
这本教科书是针对本科生和研一的学生的，通过使用连续的理论框架呈现人工智能，研究智能计算代理的设计。展示了基本处理如何适应多维设计空间，读者可以学习到最基础的东西，也不会丢掉全局意识。
8.Practical Artificial Intelligence Programming in Java-Mark Watson
这本书既是写给专业的编程人员，也是写给已经掌握如何用Java编程的科技宅，适合想要了解实用人工智能技术的爱好者。风格类似“烹饪菜谱”，每一章都会学习一些技术或理论，最后还有一个可以实验的Java程序。
随着大数据的发展，人工智能也进入了一个全新的发展时代，对于基础薄弱的初学者来说，通过大数据进入人工智能领域也是一个不错的选择。
閱讀更多 友久禕創 的文章
