人工智能的基礎(chǔ)書籍有什么推薦？

早期，人類必須通過如輪子、火之類的工具和武器與自然做斗爭。15世紀(jì)，古騰堡發(fā)明的印刷機(jī)使人們的生活發(fā)生了廣泛的變化。19世紀(jì)，工業(yè)革命利用自然資源發(fā)展電力，這促進(jìn)了制造、交通和通信的發(fā)展。20世紀(jì)，人類通過對天空以及太空的探索，通過計算機(jī)的發(fā)明及其微型化，進(jìn)而成為個人計算機(jī)、互聯(lián)網(wǎng)、萬維網(wǎng)和智能手機(jī)，持續(xù)不斷地向前進(jìn)。過去的60年已經(jīng)見證了一個世界的誕生，這個世界出現(xiàn)了海量的數(shù)據(jù)、事實和信息，這些數(shù)據(jù)、事實和信息必須轉(zhuǎn)換為知識（其中一個實例是包含在人類基因編碼中的數(shù)據(jù)，如圖1.0所示）。本章介紹了人工智能學(xué)科的概念性框架，并闡述了其成功應(yīng)用的領(lǐng)域和方法、近期的歷史和未來的前景。

圖1.0 包含在人類基因編碼中的數(shù)據(jù)

1.0 引言

對人工智能的理解因人而異。一些人認(rèn)為人工智能是通過非生物系統(tǒng)實現(xiàn)的任何智能形式的同義詞；他們堅持認(rèn)為，智能行為的實現(xiàn)方式與人類智能實現(xiàn)的機(jī)制是否相同是無關(guān)緊要的。而另一些人則認(rèn)為，人工智能系統(tǒng)必須能夠模仿人類智能。沒有人會就是否要研究人工智能或?qū)崿F(xiàn)人工智能系統(tǒng)進(jìn)行爭論，我們應(yīng)首先理解人類如何獲得智能行為（即我們必須從智力、科學(xué)、心理和技術(shù)意義上理解被視為智能的活動），這對我們才是大有裨益的。例如，如果我們想要開發(fā)一個能夠像人類一樣行走的機(jī)器人，那么首先必須從各個角度了解行走的過程，但是不能通過不斷地聲明和遵循一套規(guī)定的正式規(guī)則來完成運(yùn)動。事實上，人們越要求人類專家解釋他們?nèi)绾卧趯W(xué)科或事業(yè)中獲得了如此表現(xiàn)，這些人類專家就越可能失敗。例如，當(dāng)人們要求某些戰(zhàn)斗機(jī)飛行員解釋他們的飛行能力時，他們的表現(xiàn)實際上會變差 [1]。專家的表現(xiàn)并不來自于不斷的、有意識的分析，而是來自于大腦的潛意識層面。你能想象高峰時段在高速公路上開車并有意識地權(quán)衡控制車輛的每個決策嗎？

想象一下力學(xué)教授和獨(dú)輪腳踏車手的故事[2]。當(dāng)力學(xué)教授試圖騎獨(dú)輪車時，如果人們要求教授引用力學(xué)原理，并將他成功地騎在獨(dú)輪車上這個能力歸功于他知道這些原理，那么他注定要失敗。同樣，如果獨(dú)輪腳踏車手試圖學(xué)習(xí)這些力學(xué)知識，并在他展現(xiàn)車技時應(yīng)用這些知識，那么他也注定是失敗的，也許還會發(fā)生悲劇性的事故。關(guān)鍵點(diǎn)是，許多學(xué)科的技能和專業(yè)知識是在人類的潛意識中發(fā)展和存儲的，而不是通過明確請求記憶或使用基本原理來學(xué)會這些技能的。

1.0.1 人工智能的定義

在日常用語中，“人工”一詞的意思是合成的（即人造的），這通常具有負(fù)面含義，即“人造物體的品質(zhì)不如自然物體”。但是，人造物體通常優(yōu)于真實或自然物體。例如，人造花是用絲和線制成的類似芽或花的物體，它不需要以陽光或水分作為養(yǎng)料，卻可以為家庭或公司提供實用的裝飾功能。雖然人造花給人的感覺以及香味可能不如自然的花朵，但它看起來和真實的花朵如出一轍。

另一個例子是由蠟燭、煤油燈或電燈泡產(chǎn)生的人造光。顯然，只有當(dāng)太陽出現(xiàn)在天空時，我們才可以獲得陽光，但我們隨時都可以獲得人造光，從這一點(diǎn)來講，人造光是優(yōu)于自然光的。

最后，思考一下，人工交通裝置（如汽車、火車、飛機(jī)和自行車）與跑步、步行和其他自然形式的交通（如騎馬）相比，在速度和耐久性方面有很多優(yōu)勢。但是，人工形式的交通也有一些顯著的缺點(diǎn)——地球上無處不在的高速公路，充滿了汽車尾氣的大氣環(huán)境，人們內(nèi)心的寧靜（以及睡眠）常常被飛機(jī)的喧囂打斷[3]。

如同人造光、人造花和交通一樣，人工智能不是自然的，而是人造的。要確定人工智能的優(yōu)點(diǎn)和缺點(diǎn)，你必須首先理解和定義智能。

人工智能書單推薦：１、動手學(xué)深度學(xué)習(xí)

作者：阿斯頓·張（Aston Zhang） 李沐（Mu Li）[美] 扎卡里·C. 立頓（Zachary C. Lipton）[德] 亞歷山大·J. 斯莫拉（Alexander J. Smola）

人工智能機(jī)器學(xué)習(xí)、深度學(xué)習(xí)領(lǐng)域重磅教程圖書美亞科學(xué)家作品手學(xué)深度學(xué)習(xí)的全新模式，原理與實戰(zhàn)緊密結(jié)合

目前市面上有關(guān)深度學(xué)習(xí)介紹的書籍大多可分兩類，一類側(cè)重方法介紹，另一類側(cè)重實踐和深度學(xué)習(xí)工具的介紹。本書同時覆蓋方法和實踐。本書不僅從數(shù)學(xué)的角度闡述深度學(xué)習(xí)的技術(shù)與應(yīng)用，還包含可運(yùn)行的代碼，為讀者展示如何在實際中解決問題。為了給讀者提供一種交互式的學(xué)習(xí)體驗，本書不但提供免費(fèi)的教學(xué)視頻和討論區(qū)，而且提供可運(yùn)行的Jupyter記事本文件，充分利用Jupyter記事本能將文字、代碼、公式和圖像統(tǒng)一起來的優(yōu)勢。這樣不僅直接將數(shù)學(xué)公式對應(yīng)成實際代碼，而且可以修改代碼、觀察結(jié)果并及時獲取經(jīng)驗，從而帶給讀者全新的、交互式的深度學(xué)習(xí)的學(xué)習(xí)體驗。

２、深度學(xué)習(xí)

作者：【美】Ian Goodfellow（伊恩·古德費(fèi)洛）, 【加】Yoshua Bengio（約書亞·本吉奧）, 【加】Aaron Courville（亞倫·庫維爾）譯者：趙申劍, 黎彧君, 李凱, 符天凡

AI圣經(jīng)，deeplearning中文版，2018年圖靈獎獲獎?wù)咦髌罚瑯I(yè)內(nèi)人稱“花書”人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)領(lǐng)域奠基性經(jīng)典暢銷書長期位居美國ya馬遜AI和機(jī)器學(xué)習(xí)類圖書榜首！所有數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)從業(yè)者的bi讀圖書！特斯拉CEO埃隆·馬斯克等國內(nèi)外眾多專家推jian！

本書囊括了數(shù)學(xué)及相關(guān)概念的背景知識，包括線性代數(shù)、概率論、信息論、數(shù)值優(yōu)化以及機(jī)器學(xué)習(xí)中的相關(guān)內(nèi)容。同時，它還介紹了工業(yè)界中實踐者用到的深度學(xué)習(xí)技術(shù)，包括深度前饋網(wǎng)絡(luò)、正則化、優(yōu)化算法、卷積網(wǎng)絡(luò)、序列建模和實踐方法等，并且調(diào)研了諸如自然語言處理、語音識別、計算機(jī)視覺、在線推薦系統(tǒng)、生物信息學(xué)以及視頻游戲方面的應(yīng)用。最后，本書還提供了一些研究方向，涵蓋的理論主題包括線性因子模型、自編碼器、表示學(xué)習(xí)、結(jié)構(gòu)化概率模型、蒙特卡羅方法、配分函數(shù)、近似推斷以及深度生成模型。

３、人工智能（第2版）

[美] 史蒂芬·盧奇（Stephen Lucci），丹尼·科佩克（Danny Kopec） 著

人工智能百科全書易于上手的人工智能自學(xué)指南涵蓋機(jī)器學(xué)習(xí) 深度學(xué)習(xí) 自然語言處理 神經(jīng)網(wǎng)絡(luò) 計算機(jī)博弈等各種知識圖文詳細(xì) 講解細(xì)致 配備豐富的教學(xué)資源和學(xué)習(xí)素材美國經(jīng)典教材，在美亞上，被評價為自Russell & Norvig的《人工智能：一種現(xiàn)代方法》之后更好的教材，更加適合本科生使用。

本書是作者結(jié)合多年教學(xué)經(jīng)驗、精心撰寫的一本人工智能教科書，堪稱“人工智能的百科全書”。全書涵蓋了人工智能簡史、搜索方法、知情搜索、博弈中的搜索、人工智能中的邏輯、知識表示、產(chǎn)生式系統(tǒng)、專家系統(tǒng)、機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)、遺傳算法、自然語言處理、自動規(guī)劃、機(jī)器人技術(shù)、高級計算機(jī)博弈、人工智能的歷史和未來等主題。本書提供了豐富的教學(xué)配套資源，適合作為高等院校人工智能相關(guān)專業(yè)的教材，也適合對人工智能相關(guān)領(lǐng)域感興趣的讀者閱讀和參考。

４、Python 神經(jīng)網(wǎng)絡(luò)編程人工智能深度學(xué)習(xí) 機(jī)器學(xué)習(xí)領(lǐng)域又一重磅力作自己動手用Python編寫神經(jīng)網(wǎng)絡(luò)美亞排名前茅榮獲眾多好評 全彩印刷 圖表豐富

本書將帶領(lǐng)您進(jìn)行一場妙趣橫生卻又有條不紊的旅行——從一個非常簡單的想法開始，逐步理解神經(jīng)網(wǎng)絡(luò)的工作機(jī)制。您無需任何超出中學(xué)范圍的數(shù)學(xué)知識，并且本書還給出易于理解的微積分簡介。本書的目標(biāo)是讓盡可能多的普通讀者理解神經(jīng)網(wǎng)絡(luò)。讀者將學(xué)習(xí)使用Python開發(fā)自己的神經(jīng)網(wǎng)絡(luò)，訓(xùn)練它識別手寫數(shù)字，甚至可以與專業(yè)的神經(jīng)網(wǎng)絡(luò)相媲美。

５、PyTorch深度學(xué)習(xí)

作者：[印度]毗濕奴?布拉馬尼亞(Vishnu Subramanian)譯者：王海玲, 劉江峰

使用PyTorch開發(fā)神經(jīng)網(wǎng)絡(luò)的實用指南深度學(xué)習(xí)框架PyTorch入門教程涵蓋機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、計算機(jī)視覺應(yīng)用等知識，提供本書彩圖和源代碼下載

本書對當(dāng)今前沿的深度學(xué)習(xí)庫PyTorch進(jìn)行了講解。憑借其易學(xué)習(xí)性、高效性以及與Python開發(fā)的天然親近性，PyTorch獲得了深度學(xué)習(xí)研究人員以及數(shù)據(jù)科學(xué)家們的關(guān)注。本書從PyTorch的安裝講起，然后介紹了為現(xiàn)代深度學(xué)習(xí)提供驅(qū)動力的多個基礎(chǔ)模塊，還介紹了使用CNN、RNN、LSTM以及其他網(wǎng)絡(luò)模型解決問題的方法。本書對多個先進(jìn)的深度學(xué)習(xí)架構(gòu)的概念（比如ResNet、DenseNet、Inception和Seq2Seq）進(jìn)行了闡述，但沒有深挖其背后的數(shù)學(xué)細(xì)節(jié)。與GPU計算相關(guān)的知識、使用PyTorch訓(xùn)練模型的方法，以及用來生成文本和圖像的復(fù)雜神經(jīng)網(wǎng)絡(luò)（如生成網(wǎng)絡(luò)），也在本書中有所涵蓋。

６、機(jī)器學(xué)習(xí)精講 全彩印刷機(jī)器學(xué)習(xí)原理算法與應(yīng)用教程，精簡機(jī)器學(xué)習(xí)入門手冊美亞機(jī)器學(xué)習(xí)深度學(xué)習(xí)暢銷書，全彩印刷掃描書中二維碼可閱讀補(bǔ)充內(nèi)容，人工智能和機(jī)器學(xué)習(xí)領(lǐng)域眾多知名專家推薦

《機(jī)器學(xué)習(xí)精講》包含了監(jiān)督和非監(jiān)督學(xué)習(xí)、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、集成算法、梯度下降、聚類分類、降維、自編碼器、遷移學(xué)習(xí)、特征工程以及超參數(shù)調(diào)試等方面的知識。書中既有數(shù)學(xué)公式，又有圖解說明，一應(yīng)俱全。 本書具有以下特色: ● 精簡并直入主題——篇幅短小，讀者可以快速讀完并掌握機(jī)器學(xué)習(xí)技術(shù)的精髓。書中內(nèi)容是作者和其他從業(yè)者多年研究的成果。 ● 配套網(wǎng)頁——本書配有持續(xù)更新的網(wǎng)頁，對書中內(nèi)容進(jìn)行補(bǔ)充，包括問答、代碼、推薦閱讀材料、工具以及其他相關(guān)內(nèi)容。掃描書中二維碼即可查看。 ● 全彩印刷——色彩豐富，閱讀輕松。 ● 代碼基于Python語言。

７、貝葉斯方法 概率編程與貝葉斯推斷

[加] Cameron Davidson-Pilon（卡梅隆·戴維森-皮隆） 著，辛愿，鐘黎，歐陽婷 譯

機(jī)器學(xué)習(xí) 人工智能 數(shù)據(jù)分析從業(yè)者的技能基礎(chǔ)國際杰出機(jī)器學(xué)習(xí)專家余凱博士 騰訊專家研究員岳亞丁博士推薦下一個十年，掌握貝葉斯方——就像今天掌握C、C++、Python一樣重要

本書基于PyMC語言以及一系列常用的Python數(shù)據(jù)分析框架，如NumPy、SciPy和Matplotlib，通過概率編程的方式，講解了貝葉斯推斷的原理和實現(xiàn)方法。該方法常常可以在避免引入大量數(shù)學(xué)分析的前提下，有效地解決問題。書中使用的案例往往是工作中遇到的實際問題，有趣并且實用。作者的闡述也盡量避免冗長的數(shù)學(xué)分析，而讓讀者可以動手解決一個個的具體問題。通過對本書的學(xué)習(xí)，讀者可以對貝葉斯思維、概率編程有較為深入的了解，為將來從事機(jī)器學(xué)習(xí)、數(shù)據(jù)分析相關(guān)的工作打下基礎(chǔ)。本書適用于機(jī)器學(xué)習(xí)、貝葉斯推斷、概率編程等相關(guān)領(lǐng)域的從業(yè)者和愛好者，也適合普通開發(fā)人員了解貝葉斯統(tǒng)計而使用。

８、人工智能算法 卷1 基礎(chǔ)算法AI算法入門教程書籍，人人都能讀懂的人工智能書全彩印刷，實例講解易于理解的人工智能基礎(chǔ)算法多種語言版本示例代碼、豐富的在線資源，方便動手實戰(zhàn)與拓展學(xué)習(xí)

本書介紹了人工智能的基礎(chǔ)算法，全書共10 章，涉及維度法、距離度量算法、K 均值聚類算法、誤差計算、爬山算法、模擬退火算法、Nelder-Mead 算法和線性回歸算法等。書中所有算法均配以具體的數(shù)值計算來進(jìn)行講解，讀者可以自行嘗試。每章都配有程序示例，GitHub 上有多種語言版本的示例代碼可供下載。本書適合作為人工智能入門讀者以及對人工智能算法感興趣的讀者閱讀參考。

９、Python自然語言處理

《Python自然語言處理》是自然語言處理領(lǐng)域的一本實用入門指南，旨在幫助讀者學(xué)習(xí)如何編寫程序來分析書面語言。《Python自然語言處理》基于Python編程語言以及一個名為NLTK的自然語言工具包的開源庫，但并不要求讀者有Python編程的經(jīng)驗。全書共11章，按照難易程度順序編排。第1章到第3章介紹了語言處理的基礎(chǔ)，講述如何使用小的Python程序分析感興趣的文本信息。第4章討論結(jié)構(gòu)化程序設(shè)計，以鞏固前面幾章中介紹的編程要點(diǎn)。第5章到第7章介紹語言處理的基本原理，包括標(biāo)注、分類和信息提取等。第8章到第10章介紹了句子解析、句法結(jié)構(gòu)識別和句意表達(dá)方法。第11章介紹了如何有效管理語言數(shù)據(jù)。后記部分簡要討論了NLP領(lǐng)域的過去和未來。

《Python自然語言處理》的實踐性很強(qiáng)，包括上百個實際可用的例子和分級練習(xí)。《Python自然語言處理》可供讀者用于自學(xué)，也可以作為自然語言處理或計算語言學(xué)課程的教科書，還可以作為人工智能、文本挖掘、語料庫語言學(xué)等課程的補(bǔ)充讀物。