让我们试着来给人工智能下个定义！

Intelligence，一般也简称AI）是指用机器去实现所有目前必须借助人类智慧才能实现的任务，它本质上是基于学习能力和推理能力的不断进步，去模仿人类思考、认知、决策和行动的过程。人工智能的发展以算法、计算和数据为驱动力，其中，算法是核心，计算和数据是基础。近些年，随着三大因素的共同进步，人工智能已经在机器视觉、语音识别、语义识别、图像识别、动作控制等众多领域实现重大突破，并开始广泛渗透到金融、客服、安防、医疗、无人驾驶、教育和家居等行业，为经济的转型升级发挥重要作用。Horizon Insights认为，2025年，机器人和人工智能对传统经济带来的冲击将达到14-33万亿美元/年。埃森哲的一项新研究也表明，随着人工智能的繁荣发展，到2035年，全球企业利润将实现38%左右的增长，共为16个行业增加大约14万亿美元。一些行业的年度增长数据将会翻一番，部分传统行业，例如制造业和食品服务业等，会增加一倍甚至更多。也因此，人工智能被认为将是引领新一轮产业革命的核心力量之一，业界普遍看好该产业未来将实现爆发式增长，并对其进行巨额投入。

人工智能是信息技术发展的必然结果。数据、算力和算法是信息技术的三大基石。近年大数据从海量数据处理方面、云计算从海量IT资源组织方面取得突破，从而释放了深度学习等传统机器学习算法的潜力，掀起了人工智能的浪潮。从云计算到大数据再到深度学习本质上是从算力到数据再到算法的迭代创新波浪。

人工智能将带来新一轮的产业革命。无人驾驶、服务机器人、智能家居对乘用车、家电产业产生巨大的变革。无人工厂、无人物流正成为企业重要的生产手段。智能客服、智能投资顾问、智慧医疗、智慧教育正塑造现代服务业的新形态。人工智能在生产生活中发挥的作用日渐显现。从农业到工业再到信息，生产生活的决策从依赖经验，到依赖信息，最终进化到依赖算法。基于大规模数据和算力，人工智能将主导人类生活和生产。人类的生活将从逐渐重视算法的建议到直接接受算法的指令。以餐饮为例，从一开始的在家自己做，到通过信息平台寻找，到最终由算法定制食谱自动下单。同时，人类的贸易、制造和投资也正从逐渐重视算法的决策支持到接受算法的自动驱动，比如从早期ERP系统提供定期的库存分析到目前大型电商平台的实时自动分布式库存管理。

---

关于这个问题，中国科普博览邀请寒武纪CEO陈天石来回答：

人工智能的这个定义，第一这个人工智能其实是比较复杂的事情，但是从字面上来说的话，人工智能就是，用人工的方式去实现的这个智能。其实更确切的说，就是说人造的智能。

人工智能的目标其实就是说，人是一种有智能的生物，那么机器如果想拥有智能的话，应该从哪个方面去做，应该实现哪些功能。

大的来说话，人工智能现在可能可以把它分为感知智能和认知智能两块。感知就是对应了人，比如说我们去看，去听，和物理世界进行交流，说白了就是说从物理世界来获取信息的这个过程就叫做感知。还有一块是认知智能，那就是说我们人进行思考，进行推理、联想、判断这些，更复杂和高级的这个行为。人区别于其他一般的动物，最大的区别其实在于认知智能。那么感知智能，其实很多动物它都具备一定的能力，比如说有眼睛就能看，有耳朵就能听，等等。那么所以人工智能其实要做的事就是感知和认知两块，去逼近这种自然界的生物的能力。

同时，也逐渐发展出一些生物界的，比如说人或者其他生物不具备的智能能力，比如说做非常大，非常复杂的这种运算，其实现在大家会觉得，这个就是简单的算术，计算器就能做，但从另一个角度来看，这也是机器一种智能的方式，因为人算不了那么快，算加减乘除，当然机器可以算的非常非常快。

所以简而言之就是，感知和认知两件事情。当然还有一些其他的维度，比如说从计算的角度看，计算的能力也是一种智能，我们叫计算智能，等等。

---

关于人工智能，学界至今未有普遍承认的定义。1956年的达特茅斯会议首次提出人工智能

的概念，将其定义为使一部机器的反应方式像一个人，在行动时所依据的智能。麻省理工大学的Patrick Winston则认为，人工智能是关于知识的学科，怎样表示知识以及怎样获得知识并使用知识的学科。

达特茅斯会议后，人工智能因感知神经网络软件的出现和神经网络及BT算法的出现先后迎来两次发展热潮。目前，人工智能发展正处于第三次热潮，这主要源于三个重要因素：计算能力、深度学习算法和大数据。随着云计算技术和芯片处理能力的迅速发展，GPU、FPGA等并行计算工具及人工智能专用芯片的使用使得人工智能的发展成为可能。建立在大数据基础上的深度学习算法使得机器更加 “智能”，大大提升了机器学习的效率。

普遍认为，人工智能可能带来颠覆性变化。麦肯锡全球研究院就认为人工智能正在促进人类发生转变。这种转变将比工业革命“发生的速度快 10倍， 规模大300倍，影响几乎大3000倍”。目前，人工智能的发展已经进入前所未有的高峰期，据乌镇指数，年，全球人工智能企业新增5154家，是此前12年的1.75倍。仅2016年的融资规模就达到92.2亿美元，是2012年的5.87倍，与2000年-2013年累积融资规模相当。

2016年1月，全球首款智能驾驶公交车在荷兰投入运营。如今人工智能的产品无处不在，例如Apple的Siri，谷歌的无人车，IBM的Watson。这使的各界对人工智能的关注前所未有地高涨。值得注意的是，虽然人工智能已经无处不在，但目前的人工智能还是处在弱人工智能阶段，只能解决特定的具体任务类问题。关于意识起源、人脑机理等方面的基础理论研究仍有待突破。

---

试着从人工智能“工作流程”的角度解答一下您的问题。

人工智能(AI)正席卷全球，目前已有很多创新用例，几乎应用于所有行业。虽然说，要做出用智能机器人代替医生这种听起来就很科幻的东西，还有几十年的路要走，但现在人工智能也正为各行各业的专家们，提供着决策与解决问题方面的帮助。也会为我们消费者提供一些非常便利的功能，比如听歌识曲。

大多数人关注的是AI的一些成果性的东西，一些实际的用例。当然，还有霍金的“人工智能威胁论”。但对于我来说，我更喜欢透过外表去看这台“机器”是如何“运转”的，此处我们会谈到需要去理解的四个基本要素：分类、分级、机器学习和协同过滤。

分类涉及到创建特定于待解决问题领域的度量(如金融、网络)。分级包括确定数据与待解决问题的相关程度。机器学习涉及到异常检测、群集、深度学习和线性回归。协同过滤涉及到跨大数据集去寻找应用模型。

AI需要大量与解决问题相关的数据，创建一个人工智能解决方案的第一步是创建一个我称之为“设计意图指标”，用于将问题进行分类。无论用户试图建立一个系统去帮助医生诊断癌症还是去帮助IT管理员诊断无线网络问题，都需要定义度量，使问题被分解成一个一个的小块。例如，在无线网络中，关键指标是用户连接时间、吞吐量、覆盖面积和漫游。在癌症诊断方面，关键指标则是白细胞计数、种族背景和X射线扫描。

一旦用户的待解决问题有了一个明确的分类，下一步就是对每个分类进行分级，帮助用户走向可获得有意义结论的方向。例如，在训练人工智能系统时，用户首先必须对问题属于单纯性文本还是双关语进行分等，然后按时间、人、事或位置进行分等。在无线网络中，一旦用户知道问题的类别，就需要开始对导致问题出现的因素进行分等：关联规则、认证、动态主机配置协议(DHCP)或其他的无线、有线和设备因素。

现在的问题是将其划分为元数据的特定领域块，用户需要将这些信息“喂给”神奇的、强大的计算机，让其进行吞食及学习，也就是机器学习。机器学习领域有很多算法和技术，使用神经网络的监督机器学习(即深度学习)现在已经成为最受欢迎的方法之一。神经网络的概念现于1949年，随着计算和存储能力的增强，神经网络已经开始被训练用以解决各种实际问题，从图像识别到自然语言处理再到网络性能预测。其他的应用包括异常特性发现、时间序列异常检测和事件关联根本原因分析。

大多数人在线上视频网站看视频或电商平台购物的时候，都会体验到协同性的过滤，并收到他们可能喜欢的电影或商品的推荐。除了推荐，协同过滤还被用来对大量数据进行排序，并在人工智能解决方案的制定上落下最后一笔。在这一过程中，所有的数据收集和分析都变成了有意义的见解和行动。无论是在中，还是对医生、网络管理员，协同过滤都是能够提供高可信度答案的手段。它就像一个虚拟助手，能够帮助你解决各种复杂的问题。

人工智能仍然是一个新兴的领域，但它的影响是深远的，也会越发强烈，因为它会慢慢成为我们生活的一部分。选择一个人工智能解决方案，其实和选购很相似，我们不仅要看车的外形，还要了解引擎盖下面那些真正能够代表车的性能的东西。这样，我们才能知道这辆车是否能达到我们的需求。

觉得这个回答对于理解人工智能有帮助就点个赞吧！

---

人工智能（AI）是计算机科学的一个分支。人工智能，又称为机器智能，指使机器展示出与人或其他高等动物相类似的智能行为。人工智能有很多不同的定义。例如，AI的先驱Kaplan将AI定义为“一个系统正确解释外部数据，从这些数据中学习，并利用学习的结果来灵活适应环境，以实现特定目标和任务的能力”。通俗的讲，人工智能指利用机器模仿人类的“认知”功能（例如“学习”、“创作”和“解决问题”等功能）。

人工智能所包含的实际理论和技术范畴是不断随时间变化的。因此，对什么技术属于AI技术是有很大争议的。由于计算机的能力在不断的增强，以前被认为属于AI的技术，可能会在工程实现之后被剔除出AI的范畴。著名的认知科学家Douglas Richard Hofstadter曾开玩笑说：“人工智能就是我们还没实现的技术。”比如，由于手写数字识别的准确率非常高，因此就逐渐不再被认为属于AI的研究范围了。目前，学术界比较关注的AI问题包括人类语音和文字的识别与理解，机器参与复杂的博弈（比如围棋），自动驾驶，创作艺术作品如小说和绘画等等。

Kaplan提出AI可以分为三类：分析型（analytical），人类行为启发型（human inspired）和人性化型（humanized）。分析型AI对应人类的认知行为，指理解世界和外部环境，并通过学习过去的经验来为未来的决策提供信息。人类启发型AI指除了认知行为之外，还能考虑人类的，并在决策时考虑因素。人性化型AI指能够模仿一切人类的智能，具有自我意识的AI。

AI中的常见的研究问题包括推理、知识表示、机器学习、自然语言处理、感知、移动及操纵物体等等。通用人工智能（general AI）是人工智能研究的长期目标。人工智能是一个交叉研究学科，里面涉及到各种不同的理论与方法，包括概率论与统计学、搜索与优化、神经网络、符号逻辑、信息论、心理学、语言学、认知科学、经济学、哲学等等。

AI研究的哲学基础是“人类智能可以精确的描述并用机器模拟”。这实际上涉及到“人的思想和心灵到底是什么”这样本质性的哲学问题。有大量的科幻小说和哲学著作在尝试探讨这个问题。另外，AI对于人类的影响也存在巨大的争议。很多人认为随着AI技术的不断发展，AI可能会失去控制，反过来威胁人类。另外，也有人担忧AI可能造成规模巨大的失业浪潮。

在上，由于过度的宣传和对AI过高的预期， AI曾几次经历所谓的“AI的冬天”，即大众对于AI的发展丧失信心。但由于新技术的不断出现，AI又几次从低谷中重新崛起。最近的一次是由于深度学习的提出特别是AlghaGo战胜人类围棋冠军，这又再次点燃了政府、产业界和公众对于AI的热情。在这一波浪潮中，AI技术开始大规模的得到工程实用，这是在前几次的AI浪潮中没有见过的。

---

有关人工智能的相关知识很多，各种概念满天飞，一般人弄得云里雾里的。经常有几个词会被混用，我认为至少要理清楚四个相关概念：人工智能、机器人、IOT（物联网）、虚拟现实与增强现实。这些都是未来趋势，但比较容易混淆。

了解人工智能，至少要区别这些概念吧。

简单的说，人工智能主要指算法，相当于人的大脑，运用功能模拟的方法，制造电脑模拟人脑的部分功能，把人的部分智能活动机械化，其中更侧重在模拟的算法。

人工智能由高人才和实验室支撑着，偏重前沿技术领域。如谷歌收购的DeepMind就属于深度学习算法公司，重在高人才对算法的新研发。

机器人更多的是各项的整合。机器人整机，相当做整个人的概念。牵扯的东西很多很多，既要能行动，又要能够交互。机器人是各个科学的结晶，从材料科学、机械工程、电子工程、计算机工程、软件工程等。如中国目前出名的机器人公司“优必选”。

IOT是什么？它是Internet Of Things的缩写，指的是智能家具、可穿戴，这些可以连上网的低智能含量的东西，统称为物联网。这类东西有运算能力，也叫智能，但算法的复杂度远达到被称为人工智能的地步。另外，它们也称不上是机器人，因为这个东西实在太简单，太简陋了。较为常见的智能灯泡、茶座，智能手表等，都叫IOT。如中国人工智能新秀“出门问问”，就有研发可问答的智能穿戴手表。

当然，如果把大家伙连上网也算，比如工业互联网、农业互联网，都算物联网的话，就复杂许多了，变成万联网了。

另一个大的发展方向是虚拟现实和增强现实。

这两年美国CES国际消费电子展览，增强现实领域的产品尤为出彩。它是人感官的延伸，它其实不是机器人，更像把人变成朝人机混合体发展。

你带着增强现实的眼镜，其实你看到的世界是经过增强的，利用的算法不是指导一个机器人去行动，而辅助人类去行动。比如增强现实眼镜和所谓车载的HOD辅助驾驶。它通过人对环境的理解，做出更好的行动。

将来增强现实眼镜会做成隐性眼镜的大小，之后就直接做成眼球，把人的眼球换掉，换成人工的眼球。可以推测，朝这个方向发展下去，会诞生更多的人机混合体。

目前人类的识别还是比计算机识别强许多，大多数所谓人工智能的计算机，它们只能做简单识别。计算机识别能力不及蜜蜂，哪些是花，哪些是蜂巢，它们都识别不了。人脑在做另外一些事情上就特别差，比如说做数学预算。把二者的优势结合起来，做一个变形处理器，就跟做增强现实眼镜一样，在我们大脑里再装一个处理器，基于符号运算的变形处理器，专门做主处理器没有优势的事，这个方向就是人机混合体。

人工智能和机器人，是奔着独立的物种进化发展的；IOT奔着小智能零件大面积地智能普及而去；虚拟现实与增强现实奔着人机混合体的方向发展，这就是几大领域的区别。

这四个方向代表着不同的未来。很多人不懂智能领域的投资，听到很多概念但又不知道这些概念的区别，导致投资动作混乱，错误横出。

当下很多实力强大的大公司如谷歌、百度开始全面覆盖各领域。但作为小公司和初创企业，应深入到细分市场，专挖一块。如当今上榜世界100强AI的国内四家公司，他们的成功无不在于在细分市场上的能力。比如，优必选专心于机器人市场，出门问问主要研发可穿戴智能手表。

---

人工智能是什么？这是一个非常宽泛的问题，笔者想从以下几个方面来解释。

人工智能并不想想象中的那么高大上，最普通的就是在我们的手机使用中。这其中有苹果的Siri、百度度秘、微软小冰等工作类软件，以及美图秀秀自动美化等功能类软件。

简单来说弱人工智能就是我们现在已经出现的人工智能，它的特点是可以根据人类的需要进行相应的人工智能计算，例如Alpha Go就是典型的弱人工智能，他通过人们给它的棋谱并通过人们给它的程序计算得出最优的方案。

强人工智能是我们正在研制的人工智能，也是所谓的可以深度学习的人工智能。如果还拿Alpha Go来举例的话，强人工智能的Alpha Go应该是只提供围棋的规则，然后它通过自己学习来战胜人类，这就是强人工智能。

超人工智能的定义界限就更加模糊，它是指超越人类最高水平的智慧，这种智慧没有人知道是什么。通俗的讲，这就好比人们幻想的超能力。

人工智能在未来将会充斥着生活的每个角落，大体有这三个方面：自动驾驶、智慧生活、智慧医疗。这三个方向正是人工智能最有潜力超越人类的三个方面。人工智能的大数据计算分析，自主学习判断能力将会为它在这些方面提供巨大的优势。

---

拨开喧闹复杂的表象，一文结构化读懂人工智能产业图谱

笔者本周最早以人工智能2.0事件为切入点，梳理了人工智能领域的几个方面。在搜集资料过程中，要想理清思路搞清楚，发现有很多资料和说法因在不同层次，容易造成理解上的混乱。今天笔者试图从结构化视角入手，让没有技术基础的人，也能搞清楚人工智能产业图谱。

---

你有没有发觉，也不确定从什么时间开始，有关人工智能的论坛、大会突然冒出来，一个接一个，甚至更多与之没有多大关系的论坛，都会有人工智能的分论坛。有关智能制造热度的余温仍在，赶潮的人们又迫不及待地追向下一个热点。

都知道这个世界的常态是“变化”，可是，你有没有觉得，追赶的变化越多，人变得越来越兴奋，却越来越看不懂这个星球了？当你在问“这个星球怎么了”的时候，其实，最该问的是“我肿么了”？

回到话题中来，其实，人工智能技术已在金融、保险、媒体、消费等领域有应用。本轮制造业的变革已然超越工业企业和领域本身，随着大数据、云计算能力的提升，更多的、信息技术在充分发展之后，开始深入应用到制造业态中，并带来重构效应。

所以，关注先进和新一代信息技术，及其在制造业各个场景里的应用，是非常重要的事情。

趋势的发展总离不开当初的初心，让我们回到的起点。记的是1956年，美国计算机协会组织的达特莫斯（Dartmouth）学会上提出“人工智能”一次，主要由计算机专家和数学专家组成，John McKarthy、Marvin Minsky、Nathaniel Rochester、Claude Shannon等，当时初定义为：“使一部机器的反应方式就像是一个人在行动时所依据的智能”。

来，让我们正经一把，看看人工智能的正儿八经的定义，：

人工智能（Artifical Intelligence）是指使用机器代替人类认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟，是一门综合了计算机科学、生理学、哲学的交叉学科。

也就是说，凡是使用机器替代人类实现认知、识别、分析、决策等功能，均可认为使用了人工智能技术。

现在想来，当初那些提出人工智能的脑袋是多么聪明，不但自己特聪明，还想让计算机像人一样更聪明，让计算机帮人们处理一些自身能力边界之外的事情。Oh my God ！

60年来，人工智能在经历了诞生、黄金时代、遭遇障碍、繁荣、低潮等数个阶段之后，人工智能迎来了爆发期。在这段历程中，供出现了三个学派：逻辑学派、连接学派和行为学派。

如今，在中国工程院潘云鹤院士看来，人工智能已发展到AI2.0的当口，即基于重大变化的信息新环境，发展新目标的新一代的人工智能。对于中国人工智能2.0的重点方向在哪？潘院士给出了五个主要方向：大数据智能、群体智能、跨媒体智能、人机混合增强智能、自主智能系统。

其实，对于绝大部分非技术派人员，只要简要了解其发展节奏就好了。可以利用时间，更多的关注应用场景领域和产品类型，这样更能享受AI+产品/服务带来的。

---

对于人工智能60年来的历程，会有很多视角去观察和总结。在这里，笔者选择从驱动力视角梳理三个阶段：技术驱动阶段、数据驱动阶段，场景驱动阶段。

1、技术驱动阶段：集中诞生了基础理论、基本规则和基本开发工具。在此阶段，算法和计算力对AI的发展起到主要推动作用。计算力的三驾马车：芯片、超级计算机、云计算。

值得一提的是，人工智能领域作为一个数据密集的领域，传统的数据处理技术难以满足高强度并行数据的处理需求。为解决此问题，继CPU之后，相继出了GPU、NPU、FPGA、DSP等“AI”芯片。

2、数据驱动阶段：算法和计算力将变成人工智能领域的基础设施——“水、电、媒”。人工智能发展的第二阶段，算法和计算力已基本不存在壁垒，数据将成为主要驱动力，推动人工智能更迭。

此阶段，大量结构化、可靠的数据被采集、清洗和积累，甚至变现。例如，大量的数据基础上可以精确地描绘消费者画像，制定个性化营销方案，提高成单率，缩短达到预设目标的时间，推动运行效率提升。

当然，针对不同行业特点，会出现技术驱动型应用领域和数据驱动型领域并存的局面。

来源：中国人工智能产业创新联盟

人工智能发展的第三阶段，场景作为主要驱动力，不仅可以针对不同用户做个性化服务，而且可在不同的场景下执行不同的决策。

这也是为何在2017年贵阳数博会上，马云说数据是能源，在新工业时代最重要；李彦宏说算法是驱动引擎，而马化腾认为场景最重要，也就是说数据只有来源于场景，更有效的算法唯有反馈和应用到场景里，才能真正创造价值。

所以，AI+场景（各个具体行业）才是未来。

---

这是本文的关键，就是以结构化视角观察人工智能产业链，只要掌握了这个分析版图和框架，就会对人工智能新闻事件呈现的纷繁之象看得清楚。

来源：36氪人工智能报告

技术支撑层主要由AI芯片、传感器等硬件和算法模型（软件）等两部分构成，其中传感器与IoT的感知层相似，包括GPU、FPGA、NPU等在内的AI芯片负责运算，算法模型则负责训练数据；

基础应用层的技术主要是为了让机器完成对外部世界的探测，主要由计算机视觉、语音识别等感知层和语义识别等认知层构成，这些技术是机器能够做出分析判断的基础。此外，在感知与认知技术之下还有数据标注作为其底层支撑。

来源：36氪人工智能报告

应用场景层是集成了某种或多种基础应用技术的、面向如工业、自动驾驶、家居、仓储物流、金融、医疗等不同应用场景的产品或方案。

来源：36氪人工智能报告

---

人工智能将深刻影响各个领域，在由中国人工智能产业创新联盟编制的中指出，无论你是在To C 企业还是To B 企业里，都有可能与人工智能有关。

总体来讲，人工智能对于人类和从事的职业来讲，有两个角色，一是替代人工，一是辅助角色，前者将随着技术的成熟度和广泛的场景应用，将逐渐对其中岗位完成替代，目前已经在翻译、生产线等岗位变成现实。而在一些创意、经营分析与决策方面，人工智能起着辅助角色，要协助这些岗位的核心人员处理的更快、更好、更如意。

一切正在起变化，当明白这种结构图时，就要思考自己的职业方向了。

---

欢迎关注【军观察】头条号，聚焦智能制造、创新（人工智能等）、内容创业的产业新媒体

---

虽然1956年就提出了人工智能的概念，但是直到今天要想解释清楚什么是人工智能依然是件比较困难的事情，因为人工智能涉及到的领域太广泛了。早期我们希望做一个能像人一样思考的智能体，但是具备合理思考的智能体也许更重要。所以，现在我们在研究领域更多谈论的是智能体（Agent），而不是人工智能。

虽然解释人工智能的概念比较复杂，但是人工智能研究的内容却是比较明确的，目前集中在以下几个大的方面：

1. 自然语言处理。主要研究人与智能体之间用自然语言进行沟通交流的理论和方法，人与智能体之间的语言沟通对未来智能体的应用意义重大。
   

2. 知识表示。对知识的描述，描述知识的数据结构。人工智能领域目前有多种知识表示方法，包括说明型表示、过程型表示。
   

3. 自动推理。从已知条件得出一定推理的过程。
   

4. 机器学习。从杂乱无章的数据中寻找出一定的规律，机器学习涉及到数据收集、整理、训练算法、验证算法等过程。
   

5. 计算机视觉。让智能体能像人一样“看见”世界（或特定场景）。
   

6. 机器人学。具备一定移动能力的智能体。
   

以上六大部分涵盖了绝大部分人工智能研究的内容，所以目前解释人工智能都从这几个方面来进行具体的解释。

人工智能涉及的领域广、难度高、研发周期长，所以做人工智能是一个系统的过程，需要有长时间的积累。另外，人工智能对基础学科的要求比较高，而目前我国的基础学科总体上来说还是比较薄弱的。虽然如此，人工智能领域我们也有自己的优势，比如数据的积累、大环境的支持等等。

目前在很多特定场景的智能体研究方面，我们已经做出了一些成绩。

我在头条上会陆续写一些关于人工智能方面的科普文章，感兴趣的朋友可以关注我，相信一定会有所收获。

---

「人工智能」英文全称：Artificial Intelligence，英文缩写为AI，是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的产品，将会是人类智慧的“容器”。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能技术。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。

人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”这样比较好理解，争议性也不大。

有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。

关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND）（包括无意识的思维（UNCONSCIOUS_MIND））等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。

因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。

如今，人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用，这是为什么，我们越来越经常可以看到很多人工智能报道的原因。

目前提到人工智能，我们看到最多的还是人工智能机器人相关报道，简单来说，它就是让机器人能产生类似人的学习能力，能够不断通过学习，做到更智能的服务。比如前不久的，李世石与谷歌AlphaGo机器人之间的阿尔法围棋人机大战，这个AlphaGo机器人就采用了人工技术，具备学习能力，使得下棋技术能不断提升，大胜李世石。

毫无遗憾，人工智能的前途是光明的，发展前景巨大，人们已经开始依赖人工智能的各种计算服务，这种计算化于无形，从购物网站的精准推送到电视剧的剧情设计，再到无人驾驶中的识别技术，可谓无处不在。

AlphaGo所用技术就已被应用在包括图像识别、文本翻译、音频／文本处理、脸部识别、无人驾驶以及机器人等领域。人工智能的水平恰恰折射出人类自身的发展能力，人类在前进，人工智能也在前进。可以预见，在新世纪里，人工智能应用将更加广泛。

也有人认为，今后人工智能大量普及，大量的机械工作可能可以用人工机器人代替，很多人可能会丢失了工作，这种观点目前还得不到验证，但可以肯定的是，人工智能今后可以改善人们的生活，更好更智能的做好服务。

前言：我是一名从事PC/移动互联网的产品经理，从今年年初开始有意向转型进入人工智能领域。毕竟这是一个非常前沿科技型的新要素，越早进入的人，越能享受新科技所带来的各种红利。将此新技术应用到相关业务场景后，也必定会带来新一轮的市场发展。

但是，当我搜索了很多资料以后发现，并没有任何人工智能产品经理相关体系化的培训或学习指导。相反，各种应用理论、基础科学技术、编程知识、行业应用成为了“必要”的学习基础，一股脑的让我冲昏了头，都不知道该如何开始了。如果你也想开始，相比你也已经领教了吧？不过，经过这一阵子的集中学习，也确实找到了一些门路。

下面给大家做一次分享，内容围绕三个问题展开：

1. 目前市场上火热的人工智能产品到底是个什么样子？

2. 一个人工智能产品经理(下文简称AIPM)应当具备哪些职业技能？

3. 如何从零开始修炼AIPM？

---

一、人工智能的市场与产品介绍

当我决定想开始学习AIPM时，第一件事儿就是看看市场当前的情况。毕竟最终目的是为了就业啊！

1.1 人工智能市场情况简介

国家对人工智能方向的重视：自2016年至今，中国多部委协同多次推动人工智能技术发展与产业化；

大型科技企业快速转向人工智能领域：谷歌、微软、facebook、amazon、百度、科大讯飞、腾讯、阿里巴巴等，全部进入人工智能领域，以前的互联网云栖大会目前已经基本变为人工智能大会了；

市场AIPM就业薪资：产品或技术薪资基本都在年薪50万以上

AIPM市场需求：目前真正有1年经验的AIPM只有两位数， 未来一段时间市场会出现井喷现象。

虽然市场情况良好，不过到底哪些才是人工智能产品呢？

一旦去浏览网页，就会发现诸如：聊天机器人、自动驾驶、图像识别、机器人、智能音箱、虚拟现实眼镜等等，比较杂乱啊，这些产品或技术领域到底是怎样与人工智能产品相关的呢？那么下面就来看看当前技术领域对人工智能产品的定义吧！

1.2 人工智能的定义与当前发展的技术阶段

其实目前很多人都在关注与讨论着人工智能，但是这门技术到底发展成熟了么？

大家看看下面这些常见的声音吧：

a. 微软小冰可傻了，多问几句就所答非所问了！

b. 智能自动驾驶前两天刚刚撞死人了，在中国这么多的人，实现真正的自动驾驶还久远着呢！

c. 机器人发展出灵魂还早着呢，人多精呢，目前的机器根本无法形成逻辑推理，现在还不是发展人工智能技术的好时候！

针对以上的声音，可以做如下的解答：

a.  小冰傻是因为面向语言场景太宽，而与此对应的亚马逊echo音箱可就非常实用了！

b.  智能自动驾驶预计是在2021年推出成熟的自动驾驶技术，汽车中都可以不设置方向盘与油门刹车了！

c.  机器人具备灵魂或是推理能力可能还需要发展很久，但目前所应用的人工智能技术不是只这种强人工智能技术！弱人工智能技术本身就已经能够颠覆现有的市场了！

指使用机器代替人类实现认知、识别、分析、决策等功能，其本质是对人的意识与思维的信息过程的模拟

制造出真正能推理和解决问题的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。

看起来像是智能的，不能真正地推理和解决问题的智能机器，且不真正拥有智能，也不会有自主意识。

那么怎样理解弱人工智能“看起来像是智能的”？

京东与科大讯飞联合出品的叮咚智能音箱

他是一个24小时待命的家庭语音助手，当我们进入家门后，随口喊出“叮咚，帮我打开空调，烧上热水，打开电视并播放到《那年花开月正圆》”后，叮咚识别语音后就会自动完成上述内容。

一个购物客户进入超市后没有任何人来服务，可以自行完成所有的购物过程，由人工智能程序记录购买的商品，并在客户对应的支付宝账户完成消费业务。

因此，我们可以将弱人工智能简单的理解为：

根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序。

也许你可以想象，在所有的工作场景中输入都可以转换为语音控制，所有视频监控系统都可以变为计算机自动监控等。

1.3  目前较为著名的人工智能产品：

百度duerOS:百度度秘事业部研发的对话式人工智能系统；

百度Apollo:智能自动驾驶的开放平台；

科大讯飞开放平台:以语音交互为核心的人工智能开放平台；

商汤科技核心算法:通过视觉技术赋予计算机视觉感知和认知的能力，业务覆盖金融、商业、安防、互联网+等行业，意图为企业提供低门槛的计算机视觉技术，打造“商汤驱动”的人工智能商业生态。

寒武纪科技全球智能芯片:领域内的先行者，宗旨是打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。

1.4 行业方面较为成熟的人工智能应用场景：

在行业方面较为成熟的有：AI+安防、AI+医疗、AI+金融、AI+家居、AI+教育等等。

我感觉对于一直战斗在软件系统与后台的产品经理们的机会来临了。因为目前2C产品的场景过于开放，而2B的工作场景范围相对限定。弱人工智能可以在有限的场景下进一步工作人员的工作效率并降低企业成本。

说了这么多人工智能方面的概念与产品，这么分散的行业领域，这么深入前沿的学术领域，那么具备什么样的职业技能才能进入人工智能领域呢？

---

二、AIPM所需要具备的职业技能

在了解相关AIPM的职业技能时，我首先查询现有招聘网站对AIPM的技能要求，并且搜索了相关职业技能培训机构所提供的课程。

2.1 汇总网络招聘需求与培训课程对AIPM技能需求

从各大招聘网站浏览了一遍之后，发现目前对AIPM的定义各不相同，并且差异较大。基本可以理解为两大类型：

1. 智能方向的产品经理：依旧是PC或移动端产品经理，只不过需要更多的了解其他智能竞品的情况，或是捕捉、挖掘目标客户对产品的智能化需求。

2. 偏算法型的AIPM：这种类型的产品经理与传统PC/移动端产品差别很大，基本上需要深入了解机器学习、深度学习、CNN、RNN、DNN等技术的原理及简单实现方法，对于数学、统计学方面有较高要求，并且有学校与学历方面的要求。

对于第2类型的AIPM，有朋友给了一个示例，是关于新闻类型的APP如何做智能推荐算法的需求文档。此处大多是线性代数、离散数学、统计学、物理学、社会学、心理学等理论与算法说明，完全没有Axure那样的原型界面，也更不需要什么业务流程。

不过我也感觉只有这个方向的产品经理才是AIPM，因此，接下来我就去找一找相关的培训课程吧。

在一番搜索后，虽然找到了一些相关的AI方面的培训，但根本没有完整的AIPM培训课程与体系。而更多看到的则是很专业的基础理论、框架、编程的培训课程，我做了一下简单的汇总：

1. 数学基础：高等数学、离散数学、概率论与数理统计等；

2. 基础科学：生物学、物理学、社会学等；

3. 计算机科学：机器学习、深度学习、CNN、RNN、DNN等；

5. 硬件：树莓派、传感器、控制器、制动器等。

看看吧，上面至少有20多项学科，随便拿出来一个科目都不可能在3个月内玩耍熟练的啊！！！

后面有通过一些社群了解到，目前大部分企业还都是由创始人来担任产品经理，然而他们就是该领域的专家或科学家，因此对于这类公司所招聘的产品经理，必然是需要在学术领域有一定能力的人。

看来要成为AIPM是一件不可能完成的任务了...不过后来在看到了一篇名为《人工智能产品经理的新起点_黄钊》的PPT后，成为AIPM的希望重新点燃，并且终于有点眉目了。

2.2 业内大咖给出的学习路径

首先，我们必须了解目前人工智能的产业结构。对于结构中不同层次的领域所关注的学习科目是不同的，就例如一个互联网产品经理不需要去搞懂怎样编写JAVA程序，更不需要去了解JAVA语言的基础原理，只要知道使用这项技术在描述需求时，如何完成输入输出的需求撰写即可(互联网产品经理使用Axure就可以描绘事件、输入、输出)。

1. 应用层：该层是直接接触用户的，分为平台层与服务层。其中平台层是各个服务应用的汇集地，例如叮咚音箱就是一个平台，该平台上可以增加各种特定场景下的应用，例如叮咚音箱上提供儿童教学的应用，提供对话式学习。而服务层就是具体应用提供的具体软件服务。

2. 技术层：提供基础理论算法与框架，如机器学习、深度学习、强化学习等基础算法，与TensorFLow、Caffe、ROS等技术框架；

3. 基础层：解决计算能力与数据存储问题，以提供计算芯片、云计算服务等为主；

对于上述三层，可能最容易转型到AIPM的就是应用层中服务层，可理解为转型成为软件服务提供商的产品经理。只不过原来的操作系统变化了、用户交互的终端变化了，对于服务层系统的输入输出方式也变化了。

我们仅基于应用层中的服务层来说明AIPM应当具备的职业技能。

2.3 服务层AIPM需要具备的职业技能

下面我们就这等式右侧的三个参数进行解析。

参数AI：如同移动互联网一样，只不过原来需要了解的各种移动终端(IOS、Android手机)与技术特性变为了AI的交互终端与AI技术特性。基于这些终端与技术特性，更要去了解他们结合后，如何进行事件出发、输入、输出(这就是需求文档中应当定义的产品设计内容，类似于Axure交互原型)：

a. 众多的交互终端，与移动互联网终端不同，AI交互终端可谓是多种多样，而且科技更新的速度也是极快的，这里仅例举出一些目前常用的交互终端，包括：移动端、PC端、智能音箱端、机器人、全系投影、智能手表/手环、头戴式设备、其他穿戴式设备与众多类型的传感器；

b. 人工智能的三种主要技术，包括：机器学习，例如计算机视觉、情感分析、自然语言处理等技术，需要大量的标签样本数据；模式识别，例如文字、语音、指纹、人脸等识别技术，则偏重于信号、图像、语音、文字、指纹等非直观数据；人机交互，如智能机器人技术，则需要积累大量的用户数据。

参数PM：这个参数和互联网产品经理的技能是一样的，需要具备用户需求、软件项目管理、产品营销、产品运营等方面的知识。只不过目前会更加倾向于商业化的软件业务，基于现有业务系统进一步提升工作效率、降低企业管理成本。因此对产品经理要求有更强的业务需求挖掘能力。

参数X：这个是行业属性参数，也就是说需要具备一定的行业业务知识。我理解只有深入的理解行业与业务，才能挖掘出辅助或替代人力为基础的人工智能产品应用场景。

以上的内容也可以通过行业内另外一位大咖的话来做总结：现在的市场在寻找有两种能力的“AI产品经理”，一是能洞察业务链条上的最大、最核心的需求，二是能整合技术、利用生态、开发独特的产品，利用产品能力把技术落地。

写了这么多概念性的内容，来点实际的小想法，让大家找找感觉吧。

2.4 两个人工智能产品的小想法

2C的小想法：制作一个基于移动端斗地主游戏的人工智能的自动玩耍工具。

目前市场上很多斗地主游戏都有提供实物奖励，部分玩家在游戏消磨时间的同时，还是非常期望获得实物奖励的。而在技术上，前几天（好像是2017年5月份还是6月份）一个人工智能玩德州扑克的程序已经完全超过了人类，不但技能强而且还有关于情感分析的能力，可以说已经实现到与人类斗智斗勇的能力了。对于出钱购买了该款工具的人群，可以同时打开N部手机同时进行游戏(可以理解为赚钱)，最终持续赢得很多的实物奖励。（虽然这是明显的作弊行为，但我也只是YY一下哦）

2B的小想法：制作一个高端专营店提供人脸识别会员与指纹付款功能的工具。

让高端专营店客户感受到更加简洁方便的店内服务，在客户进入店铺内时，通过人脸识别出客户情况，并通过蓝牙耳机将客户基本信息传送至迎接该顾客的服务专员。通过服务专员获知的顾客姓名，直接向顾客至欢迎词，并且向顾客介绍顾客可能感兴趣的商品，最终实用服务专员随身携带的指纹付款机器来完成交易支付过程，以此来提高顾客满意度与交易成功率。

在这个例子中，我们可以理解，在人工智能时代的应用产品，可能需要更多的终端交互来提供整体完整产品应用体验。

AIPM需要具备的职业技能就介绍到此了，那么接下来就要开始正式零起步的学习啦！后面我将分享我的学习计划给大家，也希望得到大家的指点与建议。

---

三、如何从0开始修炼AIPM

根据上面介绍了那么多的学习领域，我采取的策略将会是：

围绕能够辅助或替代人类的人机协作的2B类型的AI产品，从AI的概念与应用层入手，逐步深入并找到AIPM所需要理解的技术边界。因此，我暂时还不打算直接深入到python编程(虽然我有过6年多java编程经验)、CNN、RNN、DNN、物理学方面。

我制定的初步学习范围为：

1. 了解各种AI技术功能特性与输入输出方式：语音处理、文字处理、视频/图像处理、深度学习等应用技术；

2. 了解AI目前市场化的各种相关终端设备与应用场景；

3. 了解市场化的传感器组件与可操控模块；

立刻开始阅读的书籍为：

1. 《漫谈人工智能》（已经读完：入门级读物，可以了解人工智能的发展历史，以及一些当前的科研/科技理论，最终给了两个小例子。第5、6、13章对我来说比较难懂，公式套用太多，我的理论基础不够读不懂——但我对第5章与第6章是最感兴趣的，只能去看其他书籍了。14个章节有10个作者分别写的章节，连贯性不强且内容在不同章节中有一定重复。）

2. 《终极算法：机器学习和人工智能如何重塑世界》

3. 《传感器实战全攻略》

“在转型为人工智能产品经理的道路上，我已经开始了。后续，我会督促自己不断将我认为有意义的书籍与相关资料整理好分享给大家。也希望有更多的伙伴加入我们一同学习、互相促进、相互研讨。这样才能进一步加快我们转型的步伐！祝我们一切顺利。”

为了解决用户可能碰到关于"自学人工智能需要学那些专业知识"相关的问题，突袭网经过收集整理为用户提供相关的解决办法，请注意，解决办法仅供参考，不代表本网同意其意见,如有任何问题请与本网联系。"自学人工智能需要学那些专业知识"相关的详细问题如下:我是一个三流大学的电气工程毕业生，现由于自身兴趣想进行人工智能的研究，基于研究生考试不理想，无法上研究生，现希望专业人士能告诉我一些必须的专业课程及其所用的书籍，自动化专...我是一个三流大学的电气工程毕业生，现由于自身兴趣想进行人工智能的研究，基于研究生考试不理想，无法上研究生，现希望专业人士能告诉我一些必须的专业课程及其所用的书籍，自动化专业方面的也行，我很想知道对于C++和汇编需要多深的要求，希望现在在研究的本专业研究生或导师能对我的问题指导一下我需要学习的东西展开

首先你需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析
其次需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法；当然还有各个领域需要的算法，比如你要让机器人自己在位置环境导航和建图就需要研究SLAM；总之算法很多需要时间的积累；
然后，需要掌握至少一门编程语言，毕竟算法的实现还是要编程的；如果深入到硬件的话，一些电类基础课必不可少；
人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。

首先学：编程语言Java、Python任选，如果将来走大数据方向学Java，如果走人工智能方向学Python，其次复习大学数学：高数、线性代数、概率论与数理统计、离散数学（如果不深入研究数据结构、算法可以先不学），最后如果研究人工智能方向的同学需要学习Python的企业框架、Python计算机编程语言领域+数学领域结合成的互联网领域的人工智能（在数学领域中的人工智能也叫数据科学，如果过程相近只是领域不同，需要解决的问题领域不同），其次如果将来研究大数据方向，这时就需要研究Hadoop生态圈的企业常用技术了（基础+企业框架），例如：Hadoop、HBase、Hive、Spark、Storm等等数据分析、数据挖掘，而最终大数据和人工智能两个大的方向都能走向或者实现当今互联网的人工智能

人工智能是一个综合学科，如楼上所说。而其本身又分为多个方面如神经网络、机器识别、机器视觉、机器人等。一个人想自学所有人工智能方面并不是很容易的一件事。对于你想知道人工智能在编程方面需要多深的要求。怎么说好呢无论C++还是汇编他都是一门语言主要会灵活运用。大多机器人仿真都用的混合编程模式，也就是运用多种编程软件及语言组合使用。之所以这样是为了弥补语言间的不足。prolog在逻辑演绎方面比突出。C++在硬件接口及windos衔接方面比较突出，MATLAB在数学模型计算方面比较突出。如果单学人工智能算法的话prolog足以，如果想开发机器仿真程序的话VC++ MATLAB应该多学习点。对于你想买什么书学习。我只能对我看过的书给你介绍一下，你再自己酌量一下。
人工智能算法方面:《人工智能及其应用》第三版、人工智能与知识工程。这两本感觉买一本就可以了~第一本感觉能简单并且全面点。这类书其实很多可是。大多内容都是重复的所以买一到两本即可。
机器视觉算法方面:《机器视觉算法与应用》这本书讲的大多都是工业化生产中机器视觉应用。从内容来说并不是很简单，建议不要当入门教材来学习。
机器人方面：新版《机器人技术手册》日译的书，可能这是我当初在当当网里找到唯一一本比较全面实用的机器人方面的书。这本书由基础到应用以及一些机器人实际问题上讲述得很全面。强烈建议买一本。
我本身其实也是自己研究。如果有说的不全面的地方请见谅。 本回答被提问者采纳

一、人工智能是一个综合学科，如楼上所说。而其本身又分为多个方面如神经网络、机器识别、机器视觉、机器人等。一个人想自学所有人工智能方面并不是很容易的一件事。对于你想知道人工智能在编程方面需要多深的要求。怎么说好呢无论C++还是汇编他都是一门语言主要会灵活运用。大多机器人仿真都用的混合编程模式，也就是运用多种编程软件及语言组合使用。之所以这样是为了弥补语言间的不足。prolog在逻辑演绎方面比突出。C++在硬件接口及windos衔接方面比较突出，MATLAB在数学模型计算方面比较突出。如果单学人工智能算法的话prolog足以，如果想开发机器仿真程序的话VC++ MATLAB应该多学习点。对于你想买什么书学习。我只能对我看过的书给你介绍一下，你再自己酌量一下。

1.人工智能算法方面:《人工智能及其应用》第三版、人工智能与知识工程。这两本感觉买一本就可以了。第一本感觉能简单并且全面点。这类书其实很多可是。大多内容都是重复的所以买一到两本即可。

2.机器视觉算法方面:《机器视觉算法与应用》这本书讲的大多都是工业化生产中机器视觉应用。从内容来说并不是很简单，建议不要当入门教材来学习。

3.机器人方面：新版《机器人技术手册》日译的书，可能这是我当初在当当网里找到唯一一本比较全面实用的机器人方面的书。这本书由基础到应用以及一些机器人实际问题上讲述得很全面。强烈建议买一本。

二、学习人工智能AI需要下列最基础的知识：

1.需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。

2.需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法；当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM；总之算法很多需要时间的积累。

3.需要掌握至少一门编程语言，毕竟算法的实现还是要编程的；如果深入到硬件的话，一些电类基础课必不可少。

人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。

首先你需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析

答：想要学习人工智应该怎么入门：业余爱好的话，最好把算法与数据结构学好，这是基础，最好有良好的编程水平，多思考什么才是智能这个问题，对实际的一些问题或者经典的问题提出自己的解法，然后去实现，逐渐地就会找到自己对人工智能的理解。 一、...

答：说实话，人工智能涉及到领域和课程太多，看了其他的回答，很专业，但我觉得对于你这样完全零基础的小白来说，其实并不适合，学习门槛还是很高的。我现在在科大讯飞工作，我们这边最近上线了一个AI大学，里面的课程浅显易懂很符合零基础的人学习...

有没有学人工智能的朋友，自学人工智能都要学那些...

答：物理，化学，生物，计算机

答：1学生的话买书看 2看视频 3参加社会培训班 4如果有相关学历，工作经验就直接入职人工智能公司，企业有内训

应该怎么自学人工智能呢

答：人工智能属于新兴复合领域。以仿造人体感官为主，由人体生物学作为框架，由电子技术（包括计算机软件，电子电路）作为手段。 你是计算机专业的学生，应该从算法的软件实现开始入手。就是实现将由传感器得到的数据，确定为是否需要的数据。 计算...

想往人工智能方向走，C语言基础学扎实后该怎么学习...

答：人工智能入门需要掌握这些知识： 1.基础数学知识：线性代数、概率论、统计学、图论 2.基础计算机知识：操作系统、linux、网络、编译原理、数据结构、数据库 3.编程语言基础：C/C++、Python、Java 4.人工智能基础知识：ID3、C4.5、逻辑回归、SVM...

人工智能技术自学能学会吗

答：首先你需要数学基础：高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析 其次需要算法的积累：人工神经网络，支持向量机，遗传算法等等算法；当然还有各个领域需要的算法，比如你要让机器人自己在位置环境导航和建图就需要研究...

请问自学AI算法需要懂什么知识？

自学要怎么学习AI,有大神可以列出方向吗

答：可行，多少人30岁开始学编程，都没问题，只要你有恒心，看那些白发苍苍的院士门，不用担心智力，大多数人靠的是努力！

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。