先學大資料，有了機器學習的基礎以後再學神經網路的基本概念，如果你有圖論的數學基礎會更好一些，沒有也沒關係。神經網路也不需要事無鉅細，主要搞明白卷積神經網路和迴圈神經網路的原理構架基本上就具備進一步學習的基礎了。我不建議你自己去從零開始，學習現有的成熟的開發框架就行，首選肯定是tensorflow。百度的PP（簡寫）相比來說不是很合適，發展起來的機會不大，不建議你學，還有微軟的都不太可能成氣候。其它這些開發框架，等你精通tensorflow以後再去了解不遲。

人工智慧就是模擬人類的。所以主要還是透過影片，影象和音訊輸入。像小度那樣的機器人，肯定是裝有攝像頭來識別人臉，有拾音器來辨別聲音。具體的，本質上是人臉的半結構化特徵的提取，和聲紋的半結構化特徵提取，然後在後臺的特徵資料集進行比對的結果。在這之前，分別需要對千萬級的人臉和聲紋資料進行模型訓練，“教會”機器人怎麼去檢測人臉和聲紋，怎麼去提取特徵，這個過程可以就是基於深度學習網路的訓練過程，而深度學習網路是模擬人腦的一種神經網路。現在比較流行的深度學習網路的訓練框架有caffe，TensorFlow等，流行的語言有python，c++，c等。想學的話，先百度一下我上面提到的所有不太理解的那些名詞吧，弄懂概念後才能繼續。

今天所講的人工智慧其實就是高階的機電聯動系統，就像以前一個建築設計師要設計一個建築要靠十字繪圖板和其它一些工具與模板將定好圖型組合起來，而今天用CAD在電腦上不斷點選就能完成效率與效果都大副提高。 現在回到你的問題，今後的人工智慧機器資料整合度更高，機械互聯動性也會更高，對指令執行力更強，對框架內問題應對性也會更靈活但不代表有獨立思考能力。要讓光電機械有人類智慧和學習能力那是永遠都不可能的，舉個例子在香焦園與人類同生活的猴子永遠都只會偷香焦而不會種香焦，人類可以讓猴子模仿種香焦的過程但猴子永遠不會理解其意義，當然從上只是我個理解。