自學相對來說還是有點困難的。

現在網際網路發展迅速，人工智慧的應用也相對廣泛。較之幾年前，其學習深度和寬度都增加了，難度不言而喻。

唯一可以值得慶幸的是，現在社會資訊程度發展比較快。你可以在多渠道搜尋到所需要的學習資料，論壇學習社群也提供一定的方便。但是要真正系統的學習，還是需要完整有深度的課程體系，以及一定的實戰訓練。

另外跟你的學歷也有關係，高職高專學起來會相對吃力。本科類或者研究生計算機相關專業學起來能稍微快一點。就業方面來說，高學歷也相對比較容易能找見高薪資的工作。

學會了就不難，學不會就難。

人工智慧是以後的趨勢，職業生涯是不用擔憂。

但是跟大多數專業一樣，同樣的專業有拔尖的學生，定然就有墊底的學生，全靠自己去學習和領悟。

我們團隊最近也在做這方面的事情，我來簡單回答一下這個問題，是這樣，人工智慧最最起碼要涉及兩個方面的事情，一是程式設計，二是演算法。那麼如果你有程式設計基礎，然後上學的時候數學還挺不錯，那麼入門是不會困難的，如果只有其中一樣補另一樣也稍微好點，如果兩樣都沒有，那麼入門就要下些苦功夫了，舉個例子說，剛入門的時候你可能會碰到這樣一個基礎問題：無限假設空間下的撞牆機率跟霍夫丁不等式和VC維之間的關係是怎樣的？這就需要一些數學基礎來理解它，雖然不一定要在數學上研究太過深入，但最起碼你在看到這些基礎推理的時候你有辦法能看懂消化掉，第二就是程式設計，雖然也不一定要成為程式設計專家，但起碼要能把你的想法碼出來，才能看到效果。當然啦這是假設你想要在這個行業有所發展而言的，如果你只是想要用一下這門技術來做某一件事情那麼也沒那麼複雜，比方說日本就有一個農民用機器學習的方法幫它選瓜，他是照著葫蘆畫瓢跟跟別人做的，也達成了目的。

人工智慧目前是大熱門，值得學習，想要在這個行業取得比較好的成績需要一些基礎並肯花些苦功夫，只是想要達成某個單一的目標，花一兩個月在網上找找資料再實踐實踐就能做出來。

　　對於真正的人工智慧而言，重要的永遠是大資料，只有擁有完整的資料，人工智慧才能真正發展起來。就像是一把寶刀，需要有一塊好的磨刀石才能讓它更加銳利，而大資料恰好就是我們需要的磨刀石。

　　如果你是還沒上大學的同學，想學習人工智慧，可以選擇資料科學與大資料技術這個專業，這個專業與人工智慧的關係較為密切，其次，這個專業是今年新增的專業，很多學校都新增了這個專業。

　　現在屬於人工智慧行業發展初期，各種可用的api函式都比較少，所以自己編寫演算法是必須要會的。而且AI技術現在也進入了家庭：

　　智慧電腦的增加吸引了公眾興趣;一些面向蘋果機和IBM相容機的應用 軟體例如語音和文字識別已可買到;使用模糊邏輯，AI技術簡化了攝像裝置。對人工智慧相關技術更大的需求，促使新的進步不斷出現。人工智慧已經並且將繼續不可避免地改變我們的生活。

　　人工智慧入門需要掌握這些知識：

　　1.基礎數學知識：線性代數、機率論、統計學、圖論

　　2.基礎計算機知識：作業系統、linux、網路、編譯原理、資料結構、資料庫

　　3.程式語言基礎：C/C++、Python、Java

　　4.人工智慧基礎知識：ID3、C4.5、邏輯迴歸、SVM、分類器、等演算法的特性、性質、和其他演算法對比的區別等內容。

　　5.工具基礎知識：opencv、matlab、caffe等

　　要進入人工智慧行業，首先要有一定的數學功底，建議參加專業的學習訓練。因為人工智慧不同於APP開發，網頁開發、遊戲開發等傳統的網際網路職位。

人工智慧（AI）是對人的意識、思維資訊過程的模擬。人工智慧技術擁有核心技術平臺、資料迴圈兩大要素，只有將人工智慧技術與資料相結合才能形成實用性的業務。隨著人工智慧與傳統行業的逐步結合，以及政策的不斷扶持，人工智慧產業鏈將進一步完善。目前全球人工智慧企業已經超過了900家，主要集中在北美和西歐。谷歌、Facebook、微軟、IBM等科技巨頭都已進軍人工智慧領域。其中IBM把人工智慧視為未來最具增長潛力的領域之一。去年11月IBM將認知計算系統（Waston）整合了諸多人工智慧基礎平臺SystemML的功能，使其善於認知、理解、推理和學習。目前IBM Waston已經應用於智慧醫療、金融服務等領域。谷歌在2011年成立了AI部門，目前公司產品和服務主要依靠AI技術驅動，谷歌使用深度學習技術改善搜尋引擎、識別手機指令、鑑別社交網路影象等。另外谷歌的無人駕駛主要以技術驅動，側重於基礎技術研究及AI核心科技開發。

隨著國外科技巨頭加速佈局人工智慧領域，國內企業也紛紛搶灘。目前百度積極參與無人機和無人駕駛等領域的開發，百度的後期人工最佳化將使無人駕駛更適應終端環境使用，進一步推動AI技術的商用化步伐。阿里的雲計算是其面向未來的核心部分，在人工智慧方面很多來自雲平臺領域。2016年10月全國首個“城市資料大腦”在雲棲大會上釋出，其核心就是採用阿里雲ET人工智慧技術，該技術可以對整個城市進行全域性實時分析，自動調配公共資源，最終將進化成能夠治理城市的超級人工智慧。

政策方面，2016年5月發改委印發了《“網際網路+”人工智慧三年行動實施方案》，主要任務是推動網際網路與傳統行業融合創新，加快人工智慧技術在家居、汽車、無人系統、安防等領域的推廣應用。《方案》提出，到2018年打造人工智慧基礎資源與創新平臺，人工智慧產業體系、創新服務體系、標準化體系基本建立，基礎核心技術有所突破，總體技術和產業發展與國際同步，應用及系統級技術區域性領先。

分析人士認為，人工智慧是產業變革的基石，對於不同行業和場景的智慧化改造將成為未來趨勢。安防、金融、醫療、汽車、製造業、智慧家居等領域都是人工智慧的發展方向。未來幾年人工智慧有望在語音識別、工業、輔助醫療、服務機器人、無人駕駛、虛擬現實等前沿領域嶄露頭角，千億級市場盛宴將開啟。

謝謝邀請回答。正如《奇點臨近》所描述的人類發展加速度越來越快，進入20世紀後，在科技助力下，特別是人工智慧，加速度呈現出臨近奇點，無限大的趨勢。人工智慧是從今到以後的發展趨勢，無論學與不學，在生活，工作裡都不會缺少人工智慧。所以， 現在學習人工智慧，不僅僅只是為了提高工作競爭力，更是適應未來趨勢的一種必然性。

說完了學習人工智慧的必要性，現在來談一談學習方法。作為從it轉人工智慧的過來人，有著很多心得和教訓。

首先，如前面發帖的朋友所說，要鋪墊好相應的數學基礎，線性代數，機率，高數，永遠是必要的入門基礎。如果想少花力氣達到熟悉的目的，完全可以找網路免費或收費的影片教程進行學習。但是有需要掌握一個度，畢竟不需要有考研那麼精深，只要讓數學基礎能讓自己能順利學習人工智慧即可。

其次，人工智慧離不開實踐。學習只是讓人瞭解和理解理論，真正的掌握和提高，需要個人真正的理解了理論並應用於實踐。這樣才能又快又好的掌握人工智慧技術。另外，國外的kaggle,阿里的天池等網站都有很豐富的由淺入深的實踐課題可供學習和實踐。

最後，python作為人工智慧領域公認的實踐程式語言，值得要進入人工智慧領域的同學熟練掌握。從機器學習到深度學習，從sk_learn到tensorflow,pytorch等機器學習庫，深度學習模型應有盡有，不愧於是一門寶藏豐富的人工智慧語言。

所以，只要認識到人工智慧是未來的趨勢，有學習的足夠動力，現在就開始入門，實踐，透過正確的方法+努力，學習人工智慧也不是難事。