一本书，读懂人工智能-InfoQ



 写点什么

人工智能虽然复杂，但并不神秘。

它建立在基础数学上，通过简单模型的组合实现复杂功能。

从事年薪百万的高端 AI 研究固然需要非凡的头脑，但理解人工智能的基本原理、迈入 AI 行业却是普通技术人可以实现的职业规划。

InfoQ 推出的第三本极客精品书：《裂变：秒懂人工智能的基础课》，就是希望为人工智能的入门者提供对这一学科的初步认识和基础知识，从而为深入的钻研做好准备。

出于可读性和理解力的考虑，本书尽可能地减少复杂数学公式的使用，力图以通俗的语言解释清楚公式背后的道理，在数学细节之外先建立起原理与概念的框架，以了解整个人工智能基础领域全貌。

本书作者为王天一教授，去年 12 月他在极客时间开设了《人工智能基础课》专栏，至今付费订阅用户已超过 5000 人，在文末，可以看到读者的评价。

内容简介

《裂变：秒懂人工智能的基础课》特点：

零基础入门人工智能

贯穿数学基础、机器学习、人工神经网络、深度学习、神经网络实例、深度学习之外的人工智能和应用场景。

结合人工智能发展的历史与趋势，本书围绕机器学习与神经网络等核心概念展开，并结合当下火热的深度学习技术，勾勒出人工智能发展的基本轮廓与主要路径，包含以下七大模块：

数学基础。数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。这一模块覆盖了人工智能必备的数学基础知识，包括线性代数、概率论、最优化方法等。
机器学习。机器学习的作用是从数据中习得学习算法，进而解决实际的应用问题，是人工智能的核心内容之一。这一模块覆盖了机器学习中的主要方法，包括线性回归、决策树、支持向量机、聚类等。
人工神经网络。作为机器学习的一个分支，神经网络将认知科学引入机器学习中，以模拟生物神经系统对真实世界的交互反应，并取得了良好的效果。这一模块覆盖了神经网络中的基本概念，包括多层神经网络、前馈与反向传播、自组织神经网络等。
深度学习。简而言之，深度学习就是包含多个中间层的神经网络，数据爆炸和计算力飙升推动了深度学习的崛起。这一模块覆盖了深度学习的概念与实现，包括深度前馈网络、深度学习中的正则化、自编码器等。
神经网络实例。在深度学习框架下，一些神经网络已经被用于各种应用场景，并取得了不俗的效果。这一模块覆盖了几种神经网络实例，包括深度信念网络、卷积神经网络、循环神经网络等。
深度学习之外的人工智能。深度学习既有优点也有局限，其他方向的人工智能研究正是有益的补充。这一模块覆盖了与深度学习无关的典型学习方法，包括概率图模型、集群智能、迁移学习、知识图谱等。
应用场景。除了代替人类执行重复性的劳动，在诸多实际问题的处理中，人工智能也提供了有意义的尝试。这一模块覆盖了人工智能技术在几类实际任务中的应用，包括计算机视觉、语音处理、对话系统等。