感覺人工智能前景比較好？

在學(xué)習(xí)之前不應(yīng)該先問難不難，而是問自己喜歡不喜歡？喜歡的話，即使難，你也會迎難而上；不喜歡，即使再簡單，你也提不起興趣。

作為一個(gè)這方面的從業(yè)者，我要奉勸各位新手，不要被眼前的景象所誘惑，入行需謹(jǐn)慎！千萬別被廣告上宣傳的那些幾個(gè)月學(xué)會人工智能所引誘，因?yàn)閹讉€(gè)月只是他們講完一套教程的時(shí)間，至于你能否學(xué)會，就不好說嘍。

不要看人工智能當(dāng)前非常火熱，其實(shí)在它的發(fā)展過程中也是幾起幾落，在1956年的達(dá)特茅斯會議正式提出人工智能之后，它經(jīng)歷了一個(gè)短暫的繁榮，然后受現(xiàn)實(shí)的限制，在70年代又陷入低谷，到了80年代隨著新的神經(jīng)網(wǎng)絡(luò)模型的提出，它又激發(fā)了人們的熱情，但是好景不長，就又陷入低谷，直到21世紀(jì)隨著卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)、以及其它各種深度學(xué)習(xí)模型的出現(xiàn)，特別是基于GPU的硬件支持，使得基于大數(shù)據(jù)的深度學(xué)習(xí)變?yōu)楝F(xiàn)實(shí)，特別是在谷歌阿爾法狗戰(zhàn)勝世界圍棋冠軍之后，更是將人工智能推向了頂峰。然而人工智能，不管是基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)，還是基于演繹推理的專家系統(tǒng)，都有其缺陷，未來會不會再次陷入低谷也并不是不可能。

知道了它的簡要?dú)v史和現(xiàn)狀，如果你還是堅(jiān)定信心想學(xué)，那么我告訴你，想要真正理解人工智能，還是有很大難度的。它需要的基礎(chǔ)知識比較多，除了離散數(shù)學(xué)、微積分、線性代數(shù)、概率論等數(shù)學(xué)知識，還需要涉及計(jì)算機(jī)科學(xué)、心理學(xué)、控制學(xué)、認(rèn)知學(xué)、神經(jīng)科學(xué)等諸多領(lǐng)域，而在具體應(yīng)用中，比如計(jì)算機(jī)視覺需要用到圖像處理的知識，自然語言處理要用到語音相關(guān)的知識，還有根據(jù)領(lǐng)域進(jìn)行的各種機(jī)器學(xué)習(xí)算法除了懂人工智能的知識，還需要各個(gè)相關(guān)領(lǐng)域的專業(yè)知識。

總的來說，人工智能專業(yè)難度還是比較大的，主要是因?yàn)樯婕暗蕉囝I(lǐng)域的數(shù)學(xué)，可以這么說，大部分的機(jī)器學(xué)習(xí)算法最終都是化作一個(gè)數(shù)學(xué)優(yōu)化問題。

下面是我進(jìn)入這行看的一些書，也就是勉強(qiáng)入門，能做一般的開發(fā)，還不包括編程和數(shù)學(xué)方面的書。

如果類似下面的這些數(shù)學(xué)推理不會讓你感到恐懼，那么來吧，人工智能需要你這樣的人才！