這兩年人工智慧發展很快，從之前的谷歌AlphaGo機器人戰勝世界圍棋冠軍，到百度無人車，京東和亞馬遜的無人倉庫分撥中心，還有很多人工智慧的相關應用，可見人工智慧的前景一片大好，於是就有很多人想要去進行人工智慧學習。人工智慧學習路線推薦給你：

階段一是Python語言（用時5周，包括基礎語法、面向物件、高階課程、經典課程）；階段二是Linux初級（用時1周，包括Linux系統基本指令、常用服務安裝）；階段三是Web開發之Diango（5周+2周前端+3周diango）；階段四是Web開發之Flask（用時2周）；

階段五是Web框架之Tornado（用時1周）；階段六是docker容器及服務發現（用時2周）；階段七是爬蟲（用時2周）；階段八是資料探勘和人工智慧（用時3周）。

《人工智慧基礎教程(第2版)》共18章，分為4個部分，第1部分是搜尋與問題求解，系統地敘述了人工智慧中各種搜尋方法求解的原理和方法；

第4部分為領域應用，這些內容能夠使讀者對人工智慧的基本概念和人工智慧系統的構造方法有一個比較清楚的認識，對人工智慧研究領域裡的最新成果有所瞭解。

《人工智慧基礎教程(第2版)》強調先進性、實用性和可讀性，可作為計算機、資訊處理、自動化和電信等it相關專業的高年級本科生和研究生學習人工智慧的教材，也可供從事計算機科學研究、開發和應用的教學和科研人員參考

首先要掌握基礎程式語言，以下任選其一要熟練掌握：

Python：被認為是所有AI開發語言列表中的第一位。Python相對簡單易學，可以很容易地學習。此外python有很多AI相關的庫，便於在機器學習等方面快速上手。

C++：已經非常成熟了，而且是最快的計算機語言，如果你的專案開發時間有限，那麼C++是很好的選擇，它提供更快的執行時間和更快的響應時間，老司機優勢顯現無疑，遊戲開發大部分都是用C++語言。

C ++適用於機器學習和神經網路。

Java：也是計算機語言的老司機之一，雖然褒貶不一，但是在各種專案的開發中，Java都是常用語言之一，它不僅適用於NLP（自然語言處理）和搜尋演算法，還適用於神經網路。

Lisp:相當古老的語言，差不多是在人工智慧火起來之後才又回到眾人眼中。有人認為Lisp是最好的人工智慧程式語言，因為它為開發人員提供了自由。在人工智慧中使用Lisp，因其靈活性可以快速進行原型設計和實驗，當然這也反過來促進Lisp在AI開發中的發展，例如，Lisp有一個獨特的宏系統，有助於開發和實現不同級別的智慧。

但同時也因為它的古老，掌握的人不是大多數。

 

其次要找好方向：

計算機視覺CV、自然語言處理NLP、機器學習ML這三個方向是最火的，但其中也涉及了很多更深的知識，比如神經網路、深度學習、強化學習等。

所以要有一定的數學基礎：微積分、概論、線性代數；

其次是演算法與模型，這也是重中之重，演算法模型學不好以後會很痛苦，甚至有些方面完全不能理解。

 

對自學沒有信心的話可以參加社會上的培訓課程，從零開始到高階課程全都有，找感興趣的，然後就是堅持下去。但總體來說市場上的課程還是有些亂，要邊學便自己梳理知識體系。

 

此外，還要深入瞭解一些框架：

谷歌的Tensorflow:

TensorFlow是一個開源軟體庫，可以描述一幅資料計算的資料流圖（data flow graph）,用於各種感知和語言理解任務的機器學習。當前被50個團隊用於研究和生產許多Google商業產品，如語音識別、Gmail、Google 相簿和搜尋。

Facebook 的 PyTorch：

與TensorFlow抗衡的學習框架，由 Facebook 的團隊開發，並於 2017 年在 GitHub 上開源。

TensorFlow 和PyTorch的關鍵差異是它們執行程式碼的方式。這兩個框架都基於基礎資料型別張量（tensor）而工作。TensorFlow更像是一種語言，而PyTorch與Python結合的更緊密。

TensorFlow 是一種非常強大和成熟的深度學習庫，具有很強的視覺化功能和多個用於高階模型開發的選項。它有面向生產部署的選項，並且支援移動平臺。另一方面，PyTorch 框架還很年輕，擁有更強的社群動員，而且它對 Python 友好。

所以如果你想更快速地開發和構建 AI 相關產品，TensorFlow 是很好的選擇。建議研究型開發者使用 PyTorch，因為它支援快速和動態的訓練。

兩者還有很多差異，各有優缺點，可以在實踐中慢慢摸索。

以上內容都完全懂了，就算入門了。

1.掌握高等數學，線性代數，機率論與數理統計相關知識。

2.掌握一門程式語言，建議c++或者Python。

3.掌握一項深度學習開源工具，Tensorflow或者caffe，其他的也可以，比如pytorch，keras等。

4.學習斯坦福大學的cs229或者cs231課程，andraw ng教授的深度學習系列課程。

5.掌握常見的深度學習演算法，CNN或者RNN。

6.跟著github專案學，閱讀原始碼，自己動手實現。

學好人工智慧離不開三部曲。培養信心和熱情，打牢專業基礎，建立人工智慧思維

第一部曲，培養信心和熱情

信心是學習基礎，熱情是成功之道。人工智慧的內容很龐大，知識很多，要學好人工之類必須要有信心和熱情，這種信心和熱情不是短期的暫時的，而是長期堅持堅定不移的。遇到困難，也不會放棄的。那麼如何才能夠做到呢？

首先是從認識瞭解開始。

我們要了解人工智慧大致的淵源和發展。我們可以從一般性的科普文章來了解，把大致的內容弄清楚，另外我們也可以從一些案例，典型人物的角度來了解，特別是從一些成功人士的介紹，人物傳記當中瞭解人工智慧的一些基本情況。我們也可以從一些成功的企業身上學習人工智慧。

這樣學習，不斷有利於我們去增強對人工智慧這個專業的瞭解，而且對它的現狀和未來發展趨勢，前景都增加了解。這樣能增強我們的信心，增加我們對人工智慧的熱愛。

其次，概覽式瞭解專業知識結構

培養信心和熱愛這個基礎工作還有一些非常好的辦法，那就是對人工智慧的整個專業結構和體系要先了解。

就像我們瞭解一個建築房屋，我們先要看到它的建築圖，它的藍圖。看到了這個建築圖藍圖概覽圖，我們就能夠了解這個建築的大致方位和結構。

我們這裡有一種叫做動物園式的瞭解方法，就是當你去過動物園的時候，動物園裡有很多動物，有很多遊樂設施，有很多好看的場景。那麼我們首先從哪裡開始看呢？這麼多好看的東西，沒有參觀路線圖不行啦。

所以我們就必須登高望遠，先找一處地方能夠對動物園的整體風貌，整體地貌，整個設施一覽無遺，這樣我們的心裡才有數噢。原來動物園有這麼多好玩的東西啊。只有心中有數以後我們才能夠把信心建立的更可靠更牢固，把熱情建立的更充分。

所以對初學者來說，這個動物園概覽式的方法是非常好的。

下面我們就用這個動物園概覽式方法，幫大家建立起對人工智慧的信心和熱情。前面說過，人工智慧是一個龐大的知識體系，而且現在還在以很快的速度增加專業門類和知識。透過這種概覽方式，可以將它分出三個大類。

基礎專業知識。這些基礎專業知識實際上應用比較少，但它是基礎，對人工智慧專業起到潛移默化的作用。那麼這種基礎有哪些呢？它包括數學，醫學，工程學。也包括包括社會學的一些專業，像社會心理學，認知科學，經濟學等。核心知識部分，也叫做人工智慧的工程學部分。這部分內容是經常用到的，也是學習的重點和難點，包括大資料，雲計算，人工智慧演算法，算力，算料等。還有神經網路，深度學習，網路配置，資料庫等。還有機器視角技術，自然語言處理，語音識別，智慧機器人等等，以及未來不斷增加發展的知識技術。這些都是屬於它的核心應用部分，是重點要學好的，也是有難度的知識。運用場景中使用的一些專業知識。因為人工智慧是要具體運用到某些部門，某些場景當中去，比如說農業部門，工業部門，服務業。在這三大產業裡面還有很多具體細分的產業，像金融業，網際網路，高科技領域。這些都是大量經常用到人工智慧的。

那麼我們必須對這些應用場景的專業方向，專業知識要有所瞭解。這就涉及到經濟學，涉及到金融學，涉及到企業管理，涉及到工業製造，涉及到農業知識技術等等。

這些我們都要學習瞭解。特別是對於人工智慧職業的中後期，我們作為專案主管，或者發展做產品經理，都得必須有這種專業知識背景。

所以，我們透過這種動物園概覽式的方法，對人工智慧專業有了一個初步的瞭解，知道這裡面有很多很好的專業知識需要學習，信心和熱情就建立起來了。

上面說到的這些都是在培養熱情，樹立信心階段要了解到的內容。只有做到了第一部曲，我們的專業熱情和專業信念才能牢固地建立起來，而不是心血來潮式。第二部曲，打牢專業基礎一個好的學習計劃十分重要。打好基礎就得要多讀書，要有自己細緻的長期的學習計劃。學習的方式可以採取自學，也可以採取跟班培訓，拓展學習等等。兩種方式單獨都可以，這兩種方式摻雜結合起來也可以的，但是共同的都是要有一個長期的學習計劃。制定好學習計劃後，要選準學習路徑，先易後難，由淺入深，建議先從數學學起。數學知識很豐富。但我們只需要學習人工智慧涉及到的知識，主要包括微積分，線性代數，統計機率，資訊理論，集合論和圖論博弈論等。數學對人工智慧和計算機都很重要。學習同時也可以結合腦科學和認知科學一起學。這些都是最核心的基礎，學好了，基本人工智慧就沒有多大問題了。在此基礎上就可以進一步學習計算機技術和人工智慧專業。這裡特別強調，打牢專業基礎，重點是打牢數學基礎。第三部曲，建立智慧思維

我們學習人工智慧不是僅僅為了學習知識點，學習它的一些具體的技術，更重要的是要學習和建立人工智慧的思維模式。

學好了人工智慧的思維模式，對於我們的工作和以後的學習都有非常大的好處，至少可以讓我們避免沉入到純粹的技術思維當中去。

那麼人工智慧的思維包括哪些呢？

首先，要有數學思維。

數學是所有認識物質世界活動的科學，甚至是宇宙最基礎的思維表達模式。它的思維模式具有這樣幾個特點，一個就是精確性，強調所有的思維必須建立在量化和精確性的基礎上，建立在量化論證和推理的基礎上，這是它的一個特點。另外強調系統性，全面性，邏輯性，開放性。數學思維是人工智慧思維的基礎。

其次，要有產業的思維。

我們做人工智慧必須要落地，具體到產業當中去，那麼我們就必須要有產業的思維。現在產業的門類越來越多，越來越新，每個產業都不一樣。這種產業思維就是要熟悉產業門類，特點，市場，產品，技術結構，發展方向等。核心就是產業分析，市場調查，根據具體的產業來決定人工智慧的技術方案。真正樹立人工智慧根植於產業，來源於產業，又要高於產業，指導產業，甚至顛覆產業，創造產業的觀念思維。

產業思維的主要特點就是強調了落地應用與實際的結合，也就是人工智慧的市場檢驗，實踐檢驗的觀念。

再次，要有綜合思維。

人工智慧是至今為止綜合性最強的學科專業。它的思維模式也特別強調綜合思維。既要綜合運用各種科技文化知識，又要綜合運用各個專門技術產品，凡屬於有用的知識，有用的技術，有用的模式，有用的產品，都可以為人工智慧所用。

最後，要有創新思維。

人工智慧是創新的結果。人工智慧目前面臨的很多瓶頸問題，如人工智慧演算法模型單一，實用性不強，急需突破目前的神經網路設計原理的侷限性，在學習演算法，意識演算法，思維演算法等方面創新，推出更好的核心技術，才能推動人工智慧邁向新的階段。

總結人工智慧入門要有正確的指導。師傅引進門，修行在個人。建立信念意志，保持熱情激情是學習人工智慧的條件。刻苦攻克難關，打牢專業基礎，是學習人工智慧的關鍵。建立思維模式，形成科學研究習慣，是人工智慧學習的根本。

俄羅斯的“火星男孩”——波力斯卡（Boriska Kipriyanovich）、為廣大網友所熟知。今年已經22歲，其知識掌握能力至今是科學難解之謎。

波力斯卡1996年1月出生於俄羅斯伏爾加格勒北部地區沃爾茲斯基鎮，他的母親娜德茲達是一名醫生，父親是一位退役軍官。

波力斯卡的母親描述他在出生後幾周能抬頭，幾個月就會說話，兩歲時即可閱讀、寫字和繪畫。尤其是，他們從未教過他天文知識，而波力斯卡卻能描述火星、行星系統及外星文化等等。

內容是我的一個朋友發過來的檔案，對話是他在2018年10月份在俄羅斯見到了傳說已經的“火星男孩”，進行了深度交流。資訊寶貴，啟示非凡。

火星男孩近照

大家好，應大家要求整理了與火星男孩的談話記錄，是在2018年10月18日下午五點於莫斯科。聊天記錄回憶如下：

我：“你好，我們終於見面了，感謝你的到來。”

火男：“我先提問你來回答，你來俄羅斯是訪客， 我是這裡的主人，所以應該先由我提問開始。”

我：“客隨主便，那你先問吧。”

火男：“為什麼來找我，非要我出面呢，已經沉寂了很久，在俄羅斯沒有人再找我了。這是為什麼？”

我：“是這樣，大家呢，都喜歡你輪迴火星這個話題，或者是獵奇你的想法，或者想聽聽故事，或者是受你啟發吧，所以就派我來找你，結果就是今天大家見面了。”

火男：“好，明白了。知道有你們將來留下的歷史資訊，還有你們對社會的推動及努力，這在將來歷史中是很顯眼的功績，你們會受到歷史的榮耀，我沒有預想到你們能來找我，這個在歷史中沒有記載，是什麼動力促使我們會面的今天？”

我：“你說的我有些發懵了，我們對將來社會的影響？為什麼呢？至於來找你的動力，應該是緣分使然，沒有任何背景促使這次的會面，我保證。”

火男：“我相信你，也相信歷史。好吧，我現在沒有問題了，你提問吧，但是之前聊過的話題就不要再問了。”

火男：“好，實際上還沒有人問我這些事情，記者、官方都是對技術、戰爭、天文地圖等資訊感興趣。現在隨著年齡漸大，很多事情我都忘記了。好像是我轉生前跟輪迴管理者有個契約，是不能帶所有火星記憶到地球轉生的，只有2%的記憶是允許帶著的，還要求我十歲之前就給抹去，有時夢境中的深刻回憶，醒後馬上記錄下來，才有今天能夠回答這些問題的前提吧。火星上的生活對於我都是碎片化的記憶，只是記得準備輪迴走之前有非常多的火星‘類人’為我送行，知道我要冒整個人生的風險，過來地球輪迴轉世，我也是下了非常大的念，抱著為自己星球將來永世的幸福而來。目地是為了結識緣分。火星是一個非常古老的國家。我用你們人類能理解的語言來敘述，但不一定能準確的能表達我全部的含義，好嗎？”

我：“好，你說吧，我都開始聽入迷了。”

火男：“火星在我們認識中其實不是一個星球，是N多個不同空間緯度與時間場的立體構造集合，還包括不同橫向與縱向空間，在理解中都是同一個火星。這個國家其實它也不是國家與民族的概念，我先這樣稱呼，否則每一句話都要講很久，每一個用詞都要有它無數的內含，地球詞語中表達不了這些含義。”

我：“明白了，你接著說。”

火男：“火星這個星球基本上是一個長老群管理制的社會，長老是用‘道德’來衡量或者是技術提升到這個位置的。那‘道德’在我們的概念大致是什麼呢？就是付出，無私的付出。誰能更大無私的付出為了別人，為了社會，為了巨大的將來越多，誰就是長老。還有一種晉升模式是’技術’，也叫’技術’提升。假設地球現在使用的手機，是火星上一個’類人’發明的，無私奉獻給火星社會，為大眾帶來了便利和共享使用，那這個火星人就提升了他的層次，如果他還能在技術上繼續突破，那這個火星人就離長老位置更近了一步，而他的技術突破是跟他的‘道德’必然同步的。整體火星的科技水平、發展方式就是這樣，也是火星長老制的模式。再回來說地球，科技也在發展，網際網路、飛機、汽車都在做技術提升，可是這個社會是以積累財富，為私、為集體利益、為自我而生存的社會架構，人類為了錢可以無惡不作，還想技術提升？那不等於是準備將來搞星球大戰嗎？比較火星’類人’與地球’人類’的思維模式、生活模式整體都是反向的衝突和矛盾的。”

我：“火星社會有沒有錢的概念，大家彼此如何相處？”

火男：“火星社會是靠技術升級來維持生存體系的，而技術升級是需要由‘道德’相互支撐，也就是無償為人與社會付出，才能享受這所有一切。彼此之間也是透過互相幫助，勞動多少得到多少，這也是大部分宇宙生存維持的法則，高級別的"象形人"有他們的生活方式，跟我們還不一樣，但是確實比我們所有都更加美妙，他們所有方面都比我們美好。”

我：“我是準備做飛碟發動機技術研究的，雖然沒有什麼理論基礎，能給些啟示嗎？”

火男：“哈哈，你也開始問我技術了，所有人都是問這個， 我已經被噁心的煩透了，鑑於我們第一次見面，以後不用再問，我也沒有特殊記憶，已經有意識的忘記了，這些東西對地球人不好，提前做出來只能打亂宇宙平衡。核武器就是案例，為什麼近幾十年那麼多飛碟事件都跟這有關，核戰爭會影響、汙染太陽系。監督核戰爭衝突不發生，是太陽系生物圈的職責，分子層正負能火星的核戰爭就是教訓。當人類道德沒有昇華，沒有自我改變，沒有認同精神世界必然存在之前，在完全認同純唯物觀念之時，什麼也改變不了，什麼也做不出來，只能是滑向負面勢力設計好的深淵。飛碟是一種工具，還不能算交通工具，外星沒有交通這個概念。

地球人總是計算長度，其實要改變思維的，沒有距離，只有空間維度與時間屬性的不同。從某地到另一個某地可能用距離、長度計算，非常遙遠，實際上在空間緯度與時間場的不同大大小小層次穿梭中，只用一秒就足夠來往了 。還存在有沒有時間屬性的空間緯度的地方，這個跟你們無關，就不說了。就是科學發展道路的不一樣，任何一個宇宙文明體都有屬於自己的科學發展道路，中國古代的科學也是，如果沒有地球近代的西方工業革命，中國古代的科學比這個西方物質實證科學要升級快很多。它是外星負面勢力覆蓋過來的產物，中國古代繼承的傳統科學才是你們自己的。

所以，西方科學進入地球后，所有地球古代傳統科學都是被批判的，被否定的，也應該明白原因了吧。西方科學它是外星負面力量，有意授權的體現，在強行灌輸給地球科學家同時，透過暗示等方式，科學家還認為是自己的創新。地球社會沒有科學碩士、博士、教授等職稱，就等於沒有高水平物質生活保障。

它的認知模式是純物質化的，用科學公式在敲打與阻礙人類，嚮往精神世界的障礙。再說說人類身體。大致從顯微鏡角度看，是由水分子和分子組成的，分子到原子的排列順序大致上是百萬個小分子排列組合，人類的死亡是分子細胞的解體，小分子到原子以至更小的粒子是觸及不到改變或消失的。核彈大致是透過爆炸加壓原子核分裂進行的，火化人類屍體的火焰溫度是觸及不到小於分子以下的任何排列次序的改變。地球科學家一直都是在研究分子、原子、原子核的單獨成分及排列次序。如果能設計出一種機器，它可以展現出不是一個單一粒子，而是把粒子像面牆一樣的排列展示，穿透過去就是另一個空間世界。

分子世界就是我們的世界，小分子世界的不同空間，就有鬼怪的存在。依據地球現代科學物理學定義，密度越大應該其空間時空越大，分子之外的小分子密度一定大於普通分子密度，那就是一個更廣闊的空間。血液的水分子密度是大於人骨分子的密度，利用突破空間緯度與時間相對較快的場，飛碟可以穿梭其間。所以飛碟是否能夠反重力、反引力並不重要。

中國古代科學是直接研究人體入手，比如對穴位、脈絡的知識掌握，與利用及用途，已經超過現代西方科學。在中國古代傳統科學裡，穴位是由經絡相連。經絡的聯絡現代科技水平是看不到的，人體內都是縱橫交錯的微小細管，上萬條之多，哪裡有能透過現代機器裝置驗證經絡連線穴位的存在？那經絡在哪裡？就在另外小分子空間。人類的身體也是由無數的縱向橫向空間組成，其中一個小分子空間就是人體經絡的存在形式。這個空間的時間場快於我們地球的時間場，大致是24小時的三分之一。所以，用針灸治療人類身體昏迷、胃痛（痙攣）等疾病馬上就能起到療效。它是透過另外時空，比吃西藥、打針效果從時間上快3 倍。近代的人類已經開始注意到這個事實差別，也在沒有西醫醫學的基礎上，透過做人體解刨，已經發現了這個事實， 準備突破空間維度與時間場的概念時，近代西方工業革命的成果，以全物質化手段，破壞了這種程序。中國傳統科學就要突破空間緯度與時間場的障礙了 ，是比現代實證科學更為直接、符合這個宇宙規律的發展道路。今天的人類也已經不知道古人的生活方式了。我在火星的時候，曾經考察到過中國的古代，看到各行各業都是天天要打坐、靜心的，要符合‘道德’標準的，這樣的社會，這樣的科學發展，才有可能更快的提升。這也是我們去考察地球古代的原因所在。”

火星男孩近照

我：“原來是這樣啊，那我想知道史前文明是否存在？”

火男：“是存在啊，以地球西曆前4500年吧，或者是更早，我記不清了。大洪水氾濫時期，達到了5000米高度，歐洲人全部被滅種了，亞洲人生活在崑崙山，海拔5000米以上的土著亞洲人保留了下來。保留的八卦啊、河圖洛書等是史前文明的科學。只是這些土著亞洲人生活在偏遠地區，對於這些技術沒有系統的掌握運用，也不知道是需要裝置輔助的，最後就是圖片保留了，內在技術要領都失傳了，他們沒有看見是哪些裝置配合在使用了。我印象中八卦、河圖洛書等就是多種裝置的使用工具手冊，透過一種螺旋波型振動器使用，透過裝置就可以突破空間緯度與時間場障礙，能夠瞬間到達銀河系任何地方。還能當作動力輔助使用，但是我都忘記了，不記得原理了。月球也是非常遠古時代的’類人’史前文明，在地球上分模組製造好，放到月球這個位置的人工球體，當時主要作用是防止地球可能被毀滅撞擊的盾牌，一直到未來幾十萬年計算出不同天體執行過程中，成為地球保護傘，它的材料基本來自地球，只是時間久了宇宙塵埃積累很厚而已。當然還有很多其他實用功能。”

我：“那些史前文明遺蹟都是真的嗎？”

火男：“都是真的，太陽系內各個星球基本都有史前文明存在過，毀滅也是因為’道德’凋落了，才被更高階生命銷燬。”

我：“是否可以這樣理解，偏向對物質化的科技發展模式， 慢於精神化的科技水平速度呢？”

火男：“精神與物質是一性的，缺一不可，兩者是配合關係， 不是矛盾也不相斥，也沒有先後區別。”

我：“什麼是更高階生命？”

火男：“我記憶中以火星為中心，三千個銀河系那麼多的星雲團組成了第一層宇宙，它是有殼存在的，以地球的語言就是邊界，這是我們火星‘類人’對第一層宇宙的認識，實際上是火星上最古老的書上寫的，我夢中在翻閱記憶，回憶起這些內容。但是，我們誰也沒有到達過那個邊緣，不要說距離，就是跳躍空間緯度與極速穿越時間場，都是無窮盡的遙遠。我們最老一代的長老，快臨近解脫昇華之前，口述了他看到過的高層宇宙認識，說上面的多層宇宙都比下面一層宇宙大三千倍之多。我所說的更高階生命就應該在第二層。知道他們模糊存在，是什麼樣子，如何生活都不清楚。

我在火星生活期間為什麼去地球了呢，就是參觀地球人，據傳說人類身體的構造，是第二層宇宙生命依據自己身體結構造就的，地球歷史上各個古老民族口述傳說中都有，是神用泥土造了人，是不同膚色的神造了不同種族的人，沒有膚色貴賤，也沒有血統之分的。火星’類人’沒有你們人類身體構造完美，外觀漂亮，也沒有人類趨於完美的粒子結構，你們‘人類’身體結構，也是史前文明的產物，遠遠不是基因學這麼簡單。現代地球科學還不具備揭開人類身體構造之謎。”

我：“如何相信有神的存在？”

火男：“我是自願選擇輪迴轉世到地球的，為什麼地球人知道輪迴轉世這個概念呢？一個是宗教裡面有，一個是多民族民間傳統也有這個說法，這個也是地球傳統科技文明的發現，再下一步就是突破空間緯度和時間場的臨界點了，可惜被外星負面勢力以西方科學注重物質的實證科學為主導，不相信神的存在，透過石化能源的發展，導致環境被破壞，使地球人慢慢變異，用某些技術替代地球人類，毀滅人類靈魂。

人類出生時，是會被注入靈魂體的，也就是小分子空間那邊在等待轉生的靈體，但是靈魂與鬼不是一個概念也不止一個，一共有十五種不同各類靈體，在嬰兒快出生前，拿著不同空間的鑰匙注入嬰兒身體，開啟穴位的密碼鎖，啟動入住身體內不同層層空間模式和逐漸甦醒。以此同時，各個身體不同空間同時登場上演，從這個生命開始到結束的全過程，由於空間緯度內時間場的快慢不同，人類的一生都擺放在不同空間上演著，人類的人生就像一場大戲一樣，開始上裝出演，每個人都要扮演好自己的角色。出現的任何偏差也都在被同時計算當中，並調整成新的無數劇本，這無數劇本的編造者就是更高階生命的智慧，也是神的偉大。”

我：“轉世輪迴如何存在？它意味著什麼？”

火男：“這是一個複雜的問題，我只清楚它存在於太陽系之內。地球內部往下20-30公里處，有個可以變換與穿越空間緯度。我從火星死亡空間，輪迴經過地球內部地獄空間的地方，應該就是‘人類’死亡轉世出入口。在人的周身還有一個特殊空間維度存在，能夠把所有一生幹過的事情都記錄下來儲存，在人類死亡之後可以提取這個影像記錄，你一生所有經歷就像慢鏡頭，包括思維運動、思考的細節都能展現出來，評判後根據不同歸類模式，懲罰與榮譽都是結果，痛苦與高興的昇華，顯而易見。地獄懲罰的痛苦比現實活在地球的感受到的痛苦還要真實化，你會後悔你所作的所有錯事，你會去一個空間場非常慢的時空，償還你在人生過程中那些錯誤，除了償還受害者身體上痛苦外，還要償還其精神層面的痛苦，這是非常痛苦的迴圈過程。這意味著你在地球世間的意義，就是為昇華打基礎，而不是享樂與體驗人生。”

我：“我是聽得越來越糊塗了，感覺腦容量開始放不下了。現在有研究超體科學（超自然科學），你覺得人類潛力有多大？”

火男：“不是這個概念，研究者研究方向錯了，人類身體就存在很多自身特異功能，大部分是先天帶來的，無序的使用與表演顯示，只是慢慢在消耗殆盡。本來是讓你提升層次增強信心的。在大洪水時期，崑崙山5000米以上地區，土著亞洲人存活下來，經歷過一個新的史前文明時代，具體怎麼滅亡或者說怎麼沒落的，因為時間關係不說了，要講一天都說不清楚，大致是西曆前4500年至3500年，存在一個具有功能型人類的一千年時期，歐洲人種重新產生也有過這個時期，就是人類道德非常好的時候才出現的。人體就是一個功能體，不是人有多大的潛力可以挖掘，是人有多大的功能能力可以體現，是身體自帶的功能起作用，與潛力無關。我自己也是功能退化了，跟潛力無關。透過這樣的昇華，人體可以直接進入到第二層宇宙，那裡才是人類靈魂真正的家，不管出生在哪個星球中，已經輪迴轉世無數次了，有輪迴成人類、類人、動物、植物等等，在輪迴中成為你父母兄弟姐妹等等太多了。真正你的父母在第二層宇宙等你回家。人類的身體是通往第二層宇宙的通行證；是第一層宇宙生命們的夢想得到的，宇宙是公平的。”

我：“不敢相信你說的這一切，但能感受到我靈魂已經淚流滿面了。這是為什麼呢？”

火男：我們在等待一個共同的時間點。現在地球從2000年新年伊始，就被加速調整過了。以前地球24小時一天，現在被調成1秒就過去了。整體時空場、物質都在改變，人類在地球上感知不到而已，只能將來回過頭看才能明白。”

我：”那些借用外力獲得的特異功能呢，比如宇宙語啊，作畫啊，發功什麼的是怎麼回事。”

火男：“凡是借用外力的，不是人體自身的功能，大部分是跟其他負面勢力簽了契約，那些功能都不是自己的，可能你知道也可能你不知道，在小分子空間特別多，比如宇宙語， 我們曾經去過那裡，那是非常昏暗的空間，裡面到處都是各種動物，而且都是同類親屬關係，他們透過在你身邊控制你，說出的宇宙語，可以使人的疾病或事情得到好轉與微觀改變，但都是契約關係。一個人類文明歷史看是否衰敗，可以先從文化層面就可以獲得，很多文藝畫家放棄了自己的意識，在非自我控制意識下作畫，大部分都是負面勢力就跟你簽訂契約，透過你的筆來作畫，大部分都是不同低階空間的場景。利用他人的外力能量治病都是得不償失的，對自己對他人都不好。”

我：“我想回到初始話題。你說我們將來是被歷史頌揚的， 這是為什麼？能否告訴我到底什麼含義？”

火男：“歷史有歷史的脈路，提前知道了不好，按照你們的心去做，越做越順利的時候，我來地球是結緣的，咱們有關也無關聯，不管是地球還是火星，科技提高，文明上升都只有唯一的途徑，那就是按照‘道德’去做，要幫助啟迪那些沒有精神信念、無法 無天的人類，讓社會相信有外星人、人類不是進化存在。透過提升精神境界發展，這是你們唯一能存在的使命。你們不做這件事情，意義也就凋落了。今天地球的歷史跟以往不同，將來都是未知的。所以我才想在未知的世界重新被擺放我自己，你們都是一樣，不去做應該做的，同樣也是擺放了自己。能交流時間不多了，我還有事情，以後有時間你請我來中國，我非常想念那裡，天天期盼著那一天的到 來。也謝謝你來莫斯科看我，這些交流資訊止限於你我之間。”

在你開始從事人工智慧之前，你需要先了解人類的智慧。

我曾經問過別人、也被別人問過關於學習人工智慧（AI）最好的方式是什麼？我應該去閱讀什麼書？我應該去看什麼影片？後面我將講到這些，但是，考慮到人工智慧涉及很多領域，我把這個問題分開來講可能更好理解。

學習人工智慧很重要的一點是區別開研究方面和應用方面。Google 的 Cassie Kozyrkov 在近日於倫敦舉行的 O"Reilly 人工智慧會議的一個演講中 描述了這個區別，並且這是一個很好的演講。

人工智慧研究在本質上是學術性的，在你能夠獲得人工智慧的某些細節之前，需要大量的跨各類學科的數學知識。這部分的人工智慧關注於演算法和驅動人工智慧發展的工具。比如，什麼樣的神經網路結構能夠改善視覺識別的結果？我們如何使無監督學習成為更有用的方法？我們能否找到一個更好的方法，去理解深度學習流水線是如何得出答案的？

另一方面，人工智慧應用更多是關於使用現有工具去獲取有用的結果。開源在這裡發揮了一個重要的作用，那就是免費提供了易於使用的、各種語言的軟體。公有云提供商也致力於提供大量的機器學習、模型、以及資料集，這使得人工智慧的入門比其它的要簡單的多。

在這個問題上我想補充一點，那就是人工智慧的從業者不應該將他們的工具視為神秘地輸出答案的黑匣子。至少，他們應該去了解不同技術、模型、和資料採集方法的限制和潛在偏差。只是不需要去深入研究他們工具鏈中每個部分的理論基礎。

雖然在日常工作中人工智慧可能並不那麼重要，但理解人工智慧的大量的背景知識還是很有用的。人工智慧已經超越了神經網路上深度學習的狹窄範圍，目前神經網路上的強化學習和監督學習已經取得重要成就。例如，人工智慧經常被視為是增強（而不是替代）人類判斷和決策的一種方法。但是在機器和人類之間交換資訊還有其自身的缺陷。

有了這些背景知識，下面是的一些研究領域和資源，你可能發現會很有用。

研究人工智慧

在很多方面，用於人工智慧研究的一個資源清單，可以反映出本科（甚至是研究生）的計算機科學專案都是專注於人工智慧。最主要的區別是，你起草的教學大綱比起傳統的大綱更關注於跨學科。

你的計算機科學和數學背景知識決定了你的起點。

典型的基礎課程包括：

MIT 的微積分課程，從微分開始學習

線性代數 （德克薩斯大學）

機率與統計，比如 MIT 的 機率 —— 不確定性與資料科學

從一個研究的角度去深入人工智慧，你可能需要深入所有的這些資料領域，甚至更多。但是上面的內容應該讓您在深入研究機器學習和AI之前大致瞭解可能是最重要的研究分支。

除了 MOOC 之外，像 MIT OpenCourseWare 這樣的資源也提供了大量的數學和計算機科學課程的大綱和各種支援材料。

有了這些基礎，你就可以學習更專業的人工智慧課程了。吳恩達從他在斯坦福大學時教的 “AI MOOC” 就是整個線上課程領域中最早流行起來的課程之一。今天，他的 神經網路和深度學習 也是 Coursera 深度學習專業的一部分。在 edX 上也有相關的一些專案，比如，哥倫比亞大學提供的一個 人工智慧 MicroMasters。

除了課程之外，也可以在網上找到各種範例和其它學習材料。這些包括：

神經網路和深度學習

MIT 出版的 Ian Goodfellow、Yoshua Bengio、Aaron Courville 的《深度學習》

應用人工智慧

人工智慧應用更關注於使用可用的工具，而不是去構建新工具。對一些底層的數學，尤其是統計學的瞭解仍然是非常有用的 —— 甚至可以說是必需的 —— 但對這些知識的瞭解程度不像研究人工智慧的要求那麼高。

在這裡程式設計是核心技能。雖然可以使用不同的程式語言去做，但是一些庫和工具集 —— 比如 Python 的 PyTorch，依賴於 Python，所以這是一個應該掌握的好技能。尤其是，如果你有某種程度上的程式設計背景，MIT 的 計算機科學入門和使用 Python 程式設計，它是基於 MIT 的 6.001 在校課程，是一個非常好的啟蒙課程。如果你程式設計零基礎，來自密歇根大學的 Charles Severance 的 人人學程式設計（Python 使用入門） 是個很好的開端，它不會像 MIT 的課程那樣，把你一下子扔進程式碼的汪洋大海。

R 程式語言 也是一個應該增加到你的技能庫中的很有用的技能。雖然它在機器學習（ML）中使用的很少，但它在其它資料科學任務中很常見，並且經常與人工智慧/機器學習和資料科學的應用實踐結合在一起。例如，與組織和清理資料相關的許多工同樣適用於您最終使用的任何分析技術。像哈佛的 

人工智慧雖然經過了60多年的發展，期間也有眾多著名科學家的參與，但是目前人工智慧領域的發展依然處在初級階段，整個人工智慧領域還有大量的課題需要攻關，所以目前人工智慧領域更關注中高階人才。

要想系統的學習人工智慧一方面需要具備紮實的基礎知識，另一方面還需要透過具體的崗位實踐（課題研發）來完成，因為目前人工智慧領域的很多方向還依然有待完善，所以對於初學者來說選擇一個方向並完成入門學習是比較現實的選擇。

人工智慧的入門學習需要具備以下知識結構：

第一：程式語言。程式語言是學習人工智慧的基礎內容之一，掌握了程式語言才能完成一系列具體的實驗。推薦學習Python語言，一方面原因是Python語言簡單易學，實驗環境也易於搭建，另一方面原因是Python語言有豐富的庫支援。目前Python語言在人工智慧領域有廣泛的應用，包括機器學習、自然語言處理和計算機視覺等方向。

第二：演算法設計基礎。目前人工智慧的研究內容集中在六個大的方向上，分別是自然語言處理、知識表示、自動推理、機器學習、計算機視覺和機器人學，這些內容都有一個重要的基礎就是演算法設計，可以說演算法設計是研究人工智慧的關鍵所在。學習演算法設計可以從基礎演算法開始，包括遞迴、機率分析和隨機演算法、堆排序、快速排序、線性時間排序、二叉樹搜尋、圖演算法等內容。

第三：人工智慧基礎。人工智慧基礎內容的學習是開啟人工智慧大門的鑰匙，人工智慧基礎內容包括人工智慧發展史、智慧體、問題求解、推理與規劃、不確定知識與推理、機器學習、感知與行動等幾個大的組成部分。

在完成以上內容的學習之後，最好能參加一個人工智慧的專案組（課題組），在具體的實踐中完成進一步的學習過程。

隨著大資料的發展，人工智慧也進入了一個全新的發展時代，對於基礎薄弱的初學者來說，透過大資料進入人工智慧領域也是一個不錯的選擇。