人工智慧不同於傳統學科，人工智慧是通用學科，涉及到計算機，數學，心理學，神經學等多門學科，學習人工智慧基礎，不建議學習底層邏輯，因為不是兩三年學會的，也不是一般人學會的。學習人工智慧基礎建議從人工智慧三大要素去學習基礎書籍，三大要素:資料，演算法，算力，學習這三個領域基礎知識，掌握如何使用人工智慧與自己工作學習生活結合就行。

資料:

推薦書籍:《大資料時代》《資料化穿越》《智慧商業》《AI工業化應用》

演算法:

推薦書籍:《演算法之美》《我的第一本演算法書》《改變未來的九大演算法》《深度學習與機器視覺》

算力:

《雲計算戰略》《雲計算基礎架構及基礎應用》《大資料走向雲計算》

總結:人工智慧的知識學習主要是為了更好的應用人工智慧技術，所以大家學習時候多去思考如何結合自己的場景進行使用，圍繞提升效率，擴大效能來學習知識，讓知識產生價值。

什麼是人工智慧？

人工智慧（artificial intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。人工智慧是計算機科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言識別、影象識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的“容器”。人工智慧可以對人的意識、思維的資訊過程的模擬。

人工智慧不是人的智慧，但能像人那樣思考、也可能超過人的智慧。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智慧才能完成的複雜工作。但不同的時代、不同的人對這種“複雜工作”的理解是不同的。

learning opencv的作者是gary bradski和adrian kaehler，兩位都是opencv庫的發起人。其中，bradski是斯坦福大學人工智慧實驗室的顧問教授 kaehler在2014 2016年間做過magic leap副Quattroporte。本書適合對計算機視覺和影象處理有基本瞭解的人群，透過本書能更好地瞭解opencv如何讓程式設計任務更容易。

兩位作者將眾所周知的演算法編碼成可呼叫的函式庫，可以用來完成更復雜的任務。當然，這也作為一本使用者手冊，目錄結構清晰，遇到問題時可進行查閱。這本書的中譯本叫《學習opencv》

artificial intelligence: a modern approach是人工智慧領域經典教材，作者是stuart jonathan russell和peter norvig。russell是加州大學伯克利分校的計算機科學教授，已發表超過100篇關於通用人工智慧的論文 norvig是google research主管，aaai fellow acm fellow。本書提供了現代技術中關於人工智慧理論與實踐最全面和前沿的介紹，透過智慧決策、搜尋演算法、邏輯推理、神經網路和強化學習等方面來介紹最先進的人工智慧技術，推薦給對人工智慧感興趣的專業研究人員。

作者是Haralambos Marmanis和Dmitry Babenko，前者是用機器學習解決工業問題的先驅，後者參與設計了用於銀行 保險和供應鏈管理的應用程式

本書會讓你學會該如何捕獲、儲存和構建網路中的使用者資料，並透過數理統計、神經網路和深度學習等方法實現資料分類，進而構建推薦系統。本書還提供瞭如線上廣告的點選預測等案例分析，附有相關程式碼。市面上比較多的是第2版，第一版封面是藍白配色，第二版變成了黑白。中譯本名叫《智慧web演算法(第2版)》定價69元。這本書的作者是dan jurafsky和james h. martin，兩人都是斯坦福大學語言學系和計算機科學系教授。

本書涵蓋了經典自然語言處理、統計自然語言處理、語音識別和計算語言學等方面。聊天機器人、智慧問診和對話系統等等讓語音和語言處理成為21世紀最令人興奮的一個研究內容。本文采用統計學方法和其他機器學習演算法，透過例項來說明各種方法的相對優勢和不足，分別涉及序列標註、資訊提取、智慧問答、語音識別和語音合成等多個前沿研究方向。對於語音學領域專業人員，這是一本重要的參考書籍。中譯本的書名丟掉了“語音”，叫《自然語言處理綜論》，人民郵電出版社有英文影印版《語音與語言處理》。好像都不太容易買到。

作者Mat Buckland

本書是遊戲人工智慧方面的經典之作，暢銷多年，主要講述如何使遊戲中的角色具有智慧，先介紹了遊戲角色的基本屬性及常用數學方法，接著深入探討遊戲智慧體狀態機的實現，提到了圖在遊戲中的用途及各種不同的圖搜尋演算法，還以lua指令碼語言為例來介紹了遊戲指令碼語言的優點。綜上，本書適用於對遊戲ai開發感興趣的愛好者和遊戲ai開發人員。有中譯本，定價79元，容易買到。

作者是Christopher D. Manning和Hinrich Schütze，兩人都是斯坦福大學教授

這是國內外多所著名大學的計算語言學教材，全面系統地介紹了統計自然語言處理技術。本書涵蓋的內容十分廣泛，包括了構建自然語言處理軟體工具將用到的幾乎所有理論和演算法。全書的論述過程由淺入深，從數學基礎到精確的理論演算法，從簡單的詞法分析到複雜的語法分析，適合不同水平的讀者群的需求。中譯本《統計自然語言處理基礎》由電子工業出版社出版，定價55元，易斷貨。

作者是Richard O. Duda Peter E. Hart和David G. Stork，其中Duda是聖何塞州立大學名譽教授

本書是模式識別和場景分析領域的經典著作，第1版出版於1973年，2000年的第2版保留了第1版的關於統計模式識別和結構模式識別的主要內容以外，還新增了許多近25年來的新理論和新方法，其中包括神經網路、機器學習、資料探勘、進化計算、不變數理論、隱馬爾可夫模型、統計學習理論和支援向量機等。中譯本《模式分類》定價59元，某東某寶某當等等都有售。

作者和我們前邊提到的 模式識別與機器學習 一樣，也是Christopher Bishop，愛丁堡大學計算機系教授

從統計模式識別的角度來看，這本書完整地介紹了前饋神經網路。本書在介紹基本數學知識後，研究了機率密度函式的建模方法以及多層感知機和徑向基函式網路模型的性質和優點，還提到了誤差函式的主要演算法、神經網路調參技巧及貝葉斯技術的應用。本書的目標人群為涉及神經計算和模式識別領域的相關研究人員。

作者是Steven John Metsker和William C. Wake，其中Metsker是Dominion Digital公司的管理顧問，擅長運用面向物件技術構建結構清晰 功能強大的軟體系統

本書透過一個完整的java專案對經典著作design patterns一書介紹的23種設計模式進行了深入分析與講解，實踐性強，卻又不失對模式本質的探討。本書創造性地將這些模式分為5大類別，以充分展現各個模式的重要特徵，並結合uml類圖與對應的java程式，便於讀者更好地理解。同時本書給出了大量練習及參考答案，使讀者印證比較，尋找不足。中譯本《java設計模式》出版於2007年，定價49元，似乎同樣嚴重斷貨。

作者是Steven Bird Ewan Klein和Edward Loper，三人分別是墨爾本大學軟體工程系副教授 愛丁堡大學語言技術教授和賓夕法尼亞大學博士

本書基於自然語言工具包nltk庫，不要求讀者有python程式設計的經驗。內容按照難易程度順序編排，先介紹了語言處理的基礎，講述如何使用小的python程式分析感興趣的文字資訊；接著討論了結構化程式設計，以鞏固前面幾章中介紹的程式設計要點；然後介紹了語言處理的基本原理，包括標註、分類和資訊提取等；進而再介紹了句子解析、句法結構識別和句意表達方法和如何有效管理語言資料。後記部分簡要討論了nlp領域的過去和未來。綜合評價，本書是自然語言處理領域的一本實用入門指南。國內有中譯本和英文影印本，都叫《python自然語言處理》，中譯本定價89元。

作者是Peter Seibel，加州大學伯克利分校教授

本書是一本不同尋常的common lisp入門書，介紹了作者的學習經歷，分別講述了各種基礎知識，主要包括：repl及common lisp的各種實現、s-表示式、函式與變數、標準宏與自定義宏等，然後透過9個章節詳細介紹了幾個有代表性的例項，包含如何構建垃圾過濾器、解析二進位制檔案、構建id3解析器，以及如何編寫一個完整的mp3 web應用程式等內容。本書適合common lisp初學者及對其感興趣的相關人員。中譯本《實用common lisp程式設計》定價89元，各大電商平臺都有，偶爾斷貨。

科普類的書，應該看那些呢，這一類書實在是太多了。

《浪潮之巔》 作者吳軍博士

李開復的書《人工智慧：李開復談ai如何重塑個人、商業與社會的未來圖譜》

李彥宏的書《智慧革命:迎接人工智慧時代的社會、經濟與文化變革》

周鴻禕的《智慧主義：未來商業與社會的新生態》

吳霽虹的《未來地圖:創造人工智慧萬億級產業的商業模式和路徑》

《AI：人工智慧的本質與未來》，瑪格麗特·博登老太太寫的，她是英國薩塞克斯大學認知和計算機科學學院第一任院長，從1997年起，她就是該系認知科學研究教授。“她擁有醫學科學、心理學、哲學等學科背景，並能夠將這些學科的理論融會貫通，與自己對人工智慧的研究相結合。她被譽為是“人工智慧領域的女性牛人”。

這是一本教材，也可以說是最權威、最經典的人工智慧教材，已被全世界100多個國家的1200多所大學用作教材。900多頁的大部頭，很耐看，關於人工智慧技術的都囊括在裡面了，想往這塊發展的一定要看這本

這是由全球知名的三位專家Ian Goodfellow Yoshua Bengio 和Aaron Courville撰寫的書，是深度學習領域奠基性的經典教材，全書500多頁

機器學習與人工智慧參考書 基於java語言撰寫。

比較深

首先你得有語言基礎，其次有數學基礎，人工智慧的基礎語言是python

這份白皮書發表於 2016 年 10 月。它介紹了人工智慧目前在社會中所處的狀態以及其在經濟中所發揮的作用。它也提出了關於人工智慧的短期和長期願景的問題。這份白皮書絕對值得一讀，因為它不僅時間非常近，而且其資訊源非常權威。美國國家科學技術委員會旗下的機器學習和人工智慧小組委員會是該白皮書的主要作者。

該白皮書的作者是 eliezer yudkowsky，其得到了 machine intelligence research institute 的贊助。這份白皮書研究了人工智慧如果像現在這樣繼續高速發展可能在未來造成的多種後果。因為我們還不知道人工智慧將向哪個方向發展，所以我們也不清楚其所帶來的影響哪些是積極的、哪些是消極的；因此 yudkowsky 同時研究了這兩個方面。

在這份白皮書中，我們可以看到我們總是會不得不面對新的先進技術，而且最終我們會認識到這些技術將能夠以這樣或那樣的方式使我們的生活更好。這份白皮書認為人工智慧（ibm 喜歡稱其為「增強智慧（augmented intelligence」）也是這樣。人工智慧將會越來越多地出現在我們的生活之中，我們會適應它，我們的生活也將因為它而變得更加美好。這份人工智慧白皮書的作者是 guruduth banavar 博士，他是 ibm 研究院的副院長以及認知計算部門的首席科學官。

德勤聯合 ibm 專門投入資源做了此份報告，讓各種商業與個人能用到這一技術。在此白皮書中，你會學到他們如何做人工智慧，期待的收穫是什麼，以及期待什麼時候發生文中提到的里程碑。在讀此報告時，你會學到大量 watson 的工作機制以及目前是如何部署機器的。裡面也有如今的使用案例。

這個主題是歐盟在馬拉喀什的一場會議上討論的，此白皮書於今年 10 月釋出，主題集中在隨著人工智慧和機器人的崛起，為什麼開始討論資料保護和隱私問題如此重要。因為這些計算機像超級計算機一樣有著前所未有的能力，也因為隨著技術進一步發展我們需要現在就開始考慮如何保護地球上每個人的資料與隱私。

由 evry 釋出的此份白皮書是來教育讀者為什麼新的人工智慧公司要透過升級舊的人工智慧概念來進行變革？為什麼它們要在眾多產業使用人工智慧技術創造全新的未來？觀測為什麼、什麼時候來創造人工智慧商業非常的重要，即使最後結果與舊商業一樣，你也需要從頭開始做人工智慧。在你使用一項完全不同的技術時，整個流程是獨一無二的。

關於機率與統計學的初階介紹類書籍

這本書主要是介紹一些可以用來處理實際資料和討論相關問題的基本方法。這本書討論了一個基於美國國家衛生研究院（national institutes of health）資料的實際案例，來開展相關話題和知識點的討論。這本書鼓勵讀者們去做一些基於真實資料集的project。

《貝葉斯方法:機率程式設計與貝葉斯推斷》這本書相比於數學更注重與對貝葉斯方法論（bayesian method）和機率性程式設計的理解。

1.《人工智慧》（美）尼爾森 鄭扣根譯 機械工業出版社

2. 人工智慧智慧系統指南（英文版·第2版） （澳）尼格內維特斯基（Negnevitsky,M.） 機械工業出版社

3.《人工智慧：理論與實踐》（美）迪安 等著，顧國昌 等譯 電子工業出版社

4.《人工智慧：複雜問題求解的結構和策略》（美）George F.Luger 著，史忠植，張銀奎 等譯 機械工業出版社

5.《遊戲程式設計中的人工智慧技術》（美）布克蘭德　著，吳祖增，沙鷹　翻譯 清華大學出版社

6.《人工智慧遊戲程式設計真言》（美）拉比（Rabin,S.） 主編，莊越挺，吳飛 譯清華大學出版社

在機器學習上，首先要推薦的是兩部國內作者的著作：李航博士所著的《統計學習方法》和周志華教授的《機器學習》。

人工智慧不僅會影響到各個行業和工作場所，而且會影響人類之間的互動的方式。隨著人工智慧旅程的繼續，我們將日益看到它在日常生活中所發揮的先進性。

現在有許多的技術人員、科學家、企業家都在思考我們的AI的未來和對社會的影響，各種作者都已經探討了這個話題。對於那些著迷於人工智慧或想進入這個領域的人來說，閱讀關於技術的發展及其潛力將會是一個很好的起點和出發點。

作為一名熱愛讀者和人工智慧技術的追隨者，這裡有一些關於人工智慧的話題的頂級書籍推薦。

近年來，人工智慧的興趣激增是由深度學習驅動的，在感性工作中獲得了顯著的成果。但是AI有悠久的歷史，作者尼爾斯·尼爾森（Nils Nilsson）的“對人工智慧的探索”（Nuest Nilsson）是一篇在許多重要進步領域和一些“死衚衕”中發揮重要作用的人，對這段歷史進行了詳盡而全面的回顧。這本書以易於理解的方式描述了人工智慧中的許多重要技術，講述了他們發展的有趣故事以及他們背後的個性。總的來說，這是一個相對輕鬆、有趣的閱讀，照亮了一個深刻而重要的話題。

https://www.cambridge.org/core/books/the-quest-for-artificial-intelligence/32C727961B24223BBB1B3511F44F343E

佩德羅·多明戈斯的“主演算法”是對人工智慧的領域的總結采用論了一種哲學的方法。本書回顧了機器學習的一些關鍵子領域，以綜合“主演算法”。雖然作者的綜合的大方向比較難懂，但是本書提供了對機器學習更廣的角度的迷人介紹，這就是人工智慧中從支援向量機到進化演算法的最重要的神經網路技術。作為另一種簡單易懂的閱讀書籍的一種，以及最近出現的一些可用的AI書籍，“主演算法”的樂觀之處在於AI將以各種積極的方式改變世界，從改善衛生保健到應對氣候變化等方面。

https://www.basicbooks.com/titles/pedro-domingos/the-master-algorithm/9780465065707/

這本書記錄了把紙張作為一種技術的歷史指引，讓讀者透過紙張的演變及其對社會的影響領略技術的變化。 Kurlansky在技術開發和採用方面具有獨特和引人入勝的視角。引用：

“研究紙張的歷史揭露了一些歷史誤解，其中最重要的是這種技術謬誤：技術改變社會的觀念。正好相反。社會開發技術來解決正在發生的變化。”

“紙張”是一個簡單而有說服力的閱讀材料，可以深入瞭解技術和社會如何在人工智慧的背景下共同進化。

http://books.wwnorton.com/books/Paper/

尤瓦爾·諾亞·哈拉里的“人類簡史”從“認知革命”的概念出發，即語言的發展和現代文化的共同發展。哈拉里關鍵的一致性概念是“神話”的概念，或者是為了給我們的存在提供意義或方向的故事。這些“神話”包括道德、價值觀、宗教和政治哲學。有趣的是，Harari將這個討論更進一步，透過人工智慧和奇點等迷人的新技術來研究文化認知。對於那些希望質疑我們正在努力創造的未來的人來說，這本書是必讀的。

https://www.harpercollins.com/9780062316097/sapiens

Michio Kaku創作的“心靈的未來”迷人而有趣。它提供了廣泛的研究和主題，包括腦機介面和人工智慧。本書開篇的前提是，“我們在過去的十五年中比以往的人類歷史更多地瞭解了大腦”，並著手描述這些教訓。Kaku以一種有趣而高度可讀的方式，將大腦研究與我們的“頭腦”和“意識”的概念聯絡起來。在一個引人入勝的軼事中，Kaku描述了一個實驗，研究人員為一隻接入大腦的老鼠製造了一個人造小腦，它看起來是正常運作的。具體的內容要去讀一讀書，才知道真正的樂趣。

https://www.penguinrandomhouse.com/books/89414/the-future-of-the-mind-by-michio-kaku/9780307473349/

最後，丹尼爾·卡內曼（Daniel Kahneman）的“思考，快與慢”這本偉大的書詳細介紹了我們的頭腦是如何實際工作、作出決定、進而理順這些決定的。 “思考，快與慢”中一個特別有趣的線索是，意識（複述）是我們告訴自己的一個“故事”。換句話說，我們對自己的行為進行解釋，而這些行為可能沒有現實的基礎。

在一個開始要求解釋人工智慧為什麼會做出這樣的決定的世界裡，一個解釋的合理性是否會比其準確性更重要？

https://us.macmillan.com/thinkingfastandslow/danielkahneman/9780374533557/