人工智能领域需要具备哪些知识呢？_ZNDS问答

fengkepeng

人工智能领域需要具备哪些知识呢？

可以从如下几个方面学习：

1、学习人工智能发展史，了解目前处于什么发展阶段，例如：从算法驱动到数据驱动，计算、数据和算法驱动。

2、了解人工智能产业布局，上下游生态链，例如：底层深度学习平台、中间层通用算法、上层应用领域+AI和AI+。

3、了解机器学习算法，熟悉深度学习算法和强化学习算法，知道谁是三剑客：LeCun\Bengio\Hinton。

4、熟悉人工智能芯片，从GPU、到FPGA、再到TPU。

5、熟悉深度学习框架，例如：Tensorflow、Caffe、CNTK等，可以进行二次开发，可以进行社区贡献。

6、熟悉人工智能通用技术，例如：图像识别、语音识别、人机交互等。

7、熟悉上层应用领域，例如：汽车、安防、教育、征信、农业、传媒、芯片等。

8、当然，可以学一点大数据技术，这是现阶段人工智能基础。还可以学习云计算支持，人工智能可以与云端相结合。

人工智能技术体系涉及到的知识或是比较多的，基础知识包括数学、计算机、控制学、哲学、神经学和语言学等内容，所以人工智能也是典型的交叉学科，不仅学习难度比较大，涉及到的知识量也非常大，因此长期以来人工智能领域的人才培养都是以研究生教育为主。

对于当前的职场人来说，如果想在不读研的情况下，进入人工智能领域发展，通常可以从以下几个方面入手：
第一：学习人工智能平台知识。对于基础比较薄弱的初学者来说，目前进入人工智能领域最快速的方法之一就是学习人工智能平台知识，随着各大科技公司纷纷开放自个的人工智能平台，使得人工智能技术的开发门槛得到了很大程度的降低。通过人工智能平台，即使不掌握人工智能技术的细节，也能够开发出各种人工智能应用，随着产业互联网的发展，未来人工智能平台在促进人工智能技术落地应用方面，会起到越来越大的作用。
第二：学习机器学习知识。如果要深入学习人工智能知识，可以考虑从机器学习开始入手，一方面机器学习领域的知识体系相对完善，而且机器学习在大数据领域也有广泛的应用（两种主要数据分析手段之一），另一方面计算机视觉、自然语言处理等方向也需要机器学习的支撑。
第三：应用场景知识。应用场景知识对于从事人工智能领域的研发也有非常直接的影响，实际上场景对于人工智能产品是否能够实现落地应用起到决定性的作用，所以掌握应用场景知识（构建）对于进入人工智能领域发展也是比较重要的。目前物联网被认为是人工智能产品实现落地应用的重要场景，所以应该掌握一定的物联网知识。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

人工智能领域和其他最新发展的技术一样是一台奠基数理科学上的一门技术。
1）所以最基础知识就是数学，也看到有的回答说需要逻辑。这个也是对的，其实严格上来讲逻辑与数学也不分家。多少数学家想把完备的数学大厦建立在逻辑的基础上，后来或是失败了（搜索David Hilbert, Bertrand Rusell）。这种失败也是逻辑学家哥德尔(Kurt Godel)用数学的方法来完成的。离散数学中讲到的很多就是逻辑，也是计算机科学发展的基础。一句话计算机与数学不分家，人工智能一般或是认为是计算机科学或信息科学的一台分支，所以一样离不开数学。
2）作为一台普通的人工智能工程师，不是所有的数学都需要。主要是高等数学（微积分、优化）、线性代数、概率与统计这三门是非常重要而且必要的数学基础。很难相信不懂什么是高斯分布可以用贝叶斯方法做推理，不懂线性代数可以理解高维空间流形，不懂微积分可以理解反向传播，和不懂优化能理解SVM. 这些必要的数学基础，也是在教机器学习和数据挖掘中一次次被复习的内容。甚至很多课程要花大量的时间，确定学生有这样的基础。
3）编程是实现人工智能的方法，我们懂了理论，就要实践，代码是我们实现我们算法的唯一路径。如果我们代码能力不好，我们无法正确表述我们的理论模型，无法发现代码中的错误还以为是理论错了。甚至不够熟练，会把一台简单问题，变得很复杂，是算法的计算复杂度超级大，需要很长的时间求解。我印象中一台特别清晰的例子，一台算法中涉及到的一步是从一台超大的数据库中需要找到3个最大的数，结果一台学生把整个数据库进行排序算法之后取前三个，可想而知。这个算法能快吗？还有跟多的例子是我们设计了一台算法，最后结果出来不是对，我们就研究、讨论、分析和各种办法想理解我们以前的想法哪里错了，结果呢，经常是一台Bug!
4) 英文能力，人工智能学科发展快。大部分文献是英文的，代码的解释也是英文的。很多技术博客等等，都是英文中有大量的优秀资源，不是中文中就没有，但是英文好会让你学习的能力事半功倍，可以追到前沿，直接看MIT，Berkeley, Standford, CMU教授的一手课程和笔记。

这个咱是外行。[害羞]

涉及的专业知识

1、计算机类

计算机科学与技术、软件工程、网络工程、信息安全、物联网工程、数字媒体技术、智能科学与技术、空间信息与数字技术、电子与计算机工程电子信息类:通信工程、信息工程、水声工程、电子信息工程、广播电视机工程、医学信息工程、微电子科学与工程、光电信息科学与工程、电子科学与技术、电磁场与无线技术、电子信息科学与技术、电波传播与天线、电信工程及管理、应用电子技术教育、集成电路设计与集成系统

2、自动化类

自动化、轨道交通信号与控制

3、数学类

数学与应用数学、信息与计算科学、数理基础科学、数据科学与大数据技术

人工智能的发展近年是大热潮，对于人类市场而言,人工智能的发展已经逐渐参透到人类生活及生产的方方面面。

人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”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，或着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。人工智能目前在计算机领域内，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--机器视觉:指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统等。人工智能(Artificial Intelligence)是研究解释和模拟人类智能、智能行为及其规律的一门学科。其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算系统。AI作为计算机科学的一台重要分支和计算机应用的一台广阔的新领域，它同原子能技术，空间技术一起被称为20世纪三大尖端科技。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。

常用的知识表示方法有：逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。常识，自然为人们所关注，已提出多种方法，如非单调推理、定性推理就是从不同角度来表达常识和处理常识的。问题求解中的自动推理是知识的使用过程，由于有多种知识表示方法，相应地有多种推理方法。推理过程一般可分为演绎推理和非演绎推理。谓词逻辑是演绎推理的基础。结构化表示下的继承性能推理是非演绎性的。由于知识处理的需要，近几年来提出了多种非演泽的推理方法，如链接机制推理、类比推理、基于示例的推理、反绎推理和受限推理等。搜索是人工智能的一种问题求解方法，搜索策略决定着问题求解的一台推理步骤中知识被使用的优先关系。

可分为无信息导引的盲目搜索和利用经验知识导引的启发式搜索。启发式知识常由启发式函数来表示，启发式知识利用得越充分，求解问题的搜索空间就越小。典型的启发式搜索方法有A*、AO*算法等。近几年搜索方法研究开始注意那些具有百万节点的超大规模的搜索问题。机器学习是人工智能的另一重要课题。

机器学习是指在一定的知识表示意义下获取新知识的过程，按照学习机制的不同，主要有归纳学习、分析学习、链接机制学习和遗传学习等。知识处理系统主要由知识库和推理机组成。知识库存储系统所需要的知识，当知识量较大而又有多种表示方法时，知识的合理组织与管理是重要的。推理机在问题求解时，规定使用知识的基本方法和策略，推理过程中为记录结果或通信需设数据库或采用黑板机制。

如果在知识库中存储的是某一领域(如医疗诊断)的专家知识，则这样的知识系统称为专家系统。为适应复杂问题的求解需要，单一的专家系统向多主体的分布式人工智能系统发展，这时知识共享、主体间的协作、矛盾的出现和处理将是研究的关键问题。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。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，比如要让机器人自个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。
需要掌握至少一门编程语言：毕竟算法的实现或是要编程的;如果深入到硬件的话，一些电类基础课必不可少。
人工智能的发展历程

时至今日，人工智能发展日新月异，此刻AI已经走出实验室，离开棋盘，已通过智能客服、智能医生、智能家电等服务场景在诸多行业进行深入而广泛的应用。可以说，AI正在全面进入我们的日常生活，属于未来的力量正席卷而来。让我们来回顾下人工智能走过的曲折发展的60年历程中的一些关键事件：
1946年，全球第一台通用计算机ENIAC诞生。它最初是为美军作战研制，每秒能完成5000次加法，400次乘法等运算。ENIAC为人工智能的研究提供了物质基础。
1950年，艾伦·图灵提出“图灵测试”。如果电脑能在5分钟内回答由人类测试者提出的一些列问题，且其超过30%的回答让测试者误认为是人类所答，则通过测试。这边论文语言了创造出具有真正智能的机器的可能性。
1956年，“人工智能”概念首次提出。在美国达特茅斯大学举行的一场为其两个月的讨论会上，“人工智能”概念首次被提出。
1959年，首台工业机器人诞生。美国发明家乔治·德沃尔与约瑟夫·英格伯格发明了首台工业机器人，该机器人借助计算机读取示教存储程序和信息，发出指令控制一台多自由度的机械。它对外界环境没有感知。
1964年，首台聊天机器人诞生。美国麻省理工学院AI实验室的约瑟夫·魏岑鲍姆教授开发了ELIZA聊天机器人，实现了计算机与人通过文本来交流。这是人工智能研究的一台重要方面。不过，它只是用符合语法的方式将问题复述一遍。
1965年，专家系统首次亮相。美国科学家爱德华·费根鲍姆等研制出化学分析专家系统程序DENDRAL。它能够分析实验数据来判断未知化合物的分子结构。
1968年，首台人工智能机器人诞生。美国斯坦福研究所（SRI）研发的机器人Shakey，能够自主感知、分析环境、规划行为并执行任务，可以柑橘人的指令发现并抓取积木。这种机器人拥有类似人的感觉，如触觉、听觉等。
1970年，能够分析语义、理解语言的系统诞生。美国斯坦福大学计算机教授T·维诺格拉德开发的人机对话系统SHRDLU，能分析指令，比如理解语义、解释不明确的句子、并通过虚拟方块操作来完成任务。由于它能够正确理解语言，被视为人工智能研究的一次巨大成功。
1976年，专家系统广泛使用。美国斯坦福大学肖特里夫等人发布的医疗咨询系统MYCIN，可用于对传染性血液病患诊断。这一时期还陆续研制出了用于生产制造、财务会计、金融等个领域的专家系统。
1980年，专家系统商业化。美国卡耐基·梅隆大学为DEC公司制造出XCON专家系统，帮助DEC公司每年节约4000万美元左右的费用，特别是在决策方面能提供有价值的内容。
1981年，第五代计算机项目研发。日本率先拨款支持，目标是制造出能够与人对话、翻译语言、解释图像，并能像人一样推理的机器。随后，英美等国也开始为AI和信息技术领域的研究提供大量资金。
1984年，大百科全书（Cyc）项目。Cyc项目试图将人类拥有的所有一般性知识都输入计算机，建立一台巨型数据库，并在此基础上实现知识推理，它的目标是让人工智能的应用能够以类似人类推理的方式工作，成为人工智能领域的一台全新研发方向。
1997年，“深蓝”战胜国际象棋世界冠军。IBM公司的国际象棋电脑深蓝DeepBlue战胜了国际象棋世界冠军卡斯帕罗夫。它的运算速度为每秒2亿步棋，并存有70万份大师对战的棋局数据，可搜寻并估计随后的12步棋。
2011年，Watson参加智力问答节目。 IBM开发的人工智能程序“沃森”（Watson）参加了一档智力问答节目并战胜了两位人类冠军。沃森存储了2亿页数据，能够将于问题相关的关键词从看似相关的答案中抽取出来。这一人工智能程序已被IBM广泛应用于医疗诊断领域。
2016~2017年，AlphaGo战胜围棋冠军。AlphaGo是由Google DeepMind开发的人工智能围棋程序，具有自我学习能力。它能够搜集大量围棋对弈数据和名人棋谱，学习并模仿人类下棋。DeepMind已进军医疗保健等领域。
2017年，深度学习大热。AlphaGoZero（第四代AlphaGo）在无任何数据输入的情况下，开始自学围棋3天后便以100:0横扫了第二版本的“旧狗”，学习40天后又战胜了在人类高手看来不可企及的第三个版本“大师”。

学习python！
但是还不够！
人工智能，经过媒体的大肆渲染，热火朝天！
但是呢，要想深入研究，里面的水可不浅！
首先，python是人工智能领域比较推荐的编程语言，他比较简单，优雅，规范！
其次，人工智能涉及到的几大领域，NLP. ML. 等等，需要很深的罗辑思维和数学功底！

基础知识学习

Python语言学习

机器学习

数据挖掘

深度学习

自然语言处理

图像处理

项目应用案例

篇幅限制，只讲了个大概，没有细分知识点。
欢迎点赞、关注、转发。

一。如上所述，人工智能是一门综合性学科。它可以分为许多方面，如神经网络、机器识别、机器视觉、机器人等。一台人要自个学习人工智能的方方面面并不容易。因为你想知道人工智能在编程方面需要多深。无论是C++或是汇编，它都是一种可以灵活使用的语言。机器人仿真大多采用混合编程模式，即采用多种编程软件和语言相结合的方式。这是为了弥补语言的不足。Prolog在逻辑推理中更为突出。C++在硬件接口和windows链接方面更为突出，而Matlab在数学模型计算方面更为突出。如果你想单独学习人工智能算法，Prolog就足够了。如果你想开发机器仿真程序，VC++MATLAB应该学习更多。了解你想买什么。我只能给你介绍我读过的书，你可以考虑一下。
一。人工智能算法：第三版人工智能及其应用，人工智能与知识工程。我想买这两个中的一台是可以的。第一种感觉简单而全面。有很多这样的书。大部分内容都是重复的，所以你可以买一两本。
2。在机器视觉算法方面：《机器视觉算法与应用》一书主要探讨机器视觉在工业生产中的应用。从内容上讲不是很简单，建议不要作为入门教材来学习。
三。机器人：这是新版机器人技术手册的日文译本。也许这是我在当当网找到的唯一一本全面实用的机器人书。这本书从基础到应用以及机器人的一些实际问题都非常全面。强烈建议买一台。
2。学习人工智能需要以下基本知识：
一。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。需要算法积累：人工神经网络、支持向量机、遗传算法等算法；当然，各个领域也需要算法，比如slam的研究，让机器人在定位环境中导航和地图绘制；总之，很多算法需要时间积累。
三。你至少需要掌握一门编程语言，毕竟算法的实现还需要编程；如果你深入硬件，一些基础的电气课程是必不可少的。
一般来说，人工智能只能在研究生院学习。本科课程只是泛滥成灾。毕竟，所需的基础课程太多了。

		自动登录	找回密码
密码			立即注册

人工智能领域需要具备哪些知识呢？

相关问题更多>

最新回答