1樓：劉成
人工智慧的定義可以分為兩部分，即「人工」和「智慧」。「人工」比較好理解，爭議性也不大。有時我們會要考慮什麼是人力所能及製造的，或著人自身的智慧程度有沒有高到可以創造人工智慧的地步，等等。
但總的來說，「人工系統」就是通常意義下的人工系統。
關於什麼是「智慧」，就問題多多了。這涉及到其它諸如意識(consciousness)、自我(self)、思維(mind)(包括無意識的思維(unconscious_mind)等等問題。人唯一瞭解的智慧是人本身的智慧，這是普遍認同的觀點。
但是我們對我們自身智慧的理解都非常有限，對構**的智慧的必要元素也瞭解有限，所以就很難定義什麼是「人工」製造的「智慧」了。因此人工智慧的研究往往涉及對人的智慧本身的研究。其它關於動物或其它人造系統的智慧也普遍被認為是人工智慧相關的研究課題。
人工智慧目前在計算機領域內，得到了愈加廣泛的重視。並在機器人，經濟政治決策，控制系統，**系統中得到應用--機器視覺:指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統等。
人工智慧(artificial intelligence)是研究解釋和模擬人類智慧、智慧行為及其規律的一門學科。其主要任務是建立智慧資訊處理理論，進而設計可以展現某些近似於人類智慧行為的計算系統。ai作為電腦科學的一個重要分支和計算機應用的一個廣闊的新領域，它同原子能技術，空間技術一起被稱為20世紀三大尖端科技。
人工智慧學科研究的主要內容包括：知識表示、自動推理和搜尋方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智慧機器人、自動程式設計等方面。
常識，自然為人們所關注，已提出多種方法，如非單調推理、定性推理就是從不同角度來表達常識和處理常識的。
問題求解中的自動推理是知識的使用過程，由於有多種知識表示方法，相應地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎。
結構化表示下的繼承效能推理是非演繹性的。由於知識處理的需要，近幾年來提出了多種非演澤的推理方法，如連線機制推理、類比推理、基於示例的推理、反繹推理和受限推理等。
搜尋是人工智慧的一種問題求解方法，搜尋策略決定著問題求解的一個推理步驟中知識被使用的優先關係。可分為無資訊導引的盲目搜尋和利用經驗知識導引的啟發式搜尋。啟發式知識常由啟發式函式來表示，啟發式知識利用得越充分，求解問題的搜尋空間就越小。
典型的啟發式搜尋方法有a*、ao*演算法等。近幾年搜尋方法研究開始注意那些具有百萬節點的超大規模的搜尋問題。
機器學習是人工智慧的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連線機制學習和遺傳學習等。
知識處理系統主要由知識庫和推理機組成。知識庫儲存系統所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規定使用知識的基本方法和策略，推理過程中為記錄結果或通訊需設資料庫或採用黑板機制。
如果在知識庫中儲存的是某一領域(如醫療診斷)的專家知識，則這樣的知識系統稱為專家系統。為適應複雜問題的求解需要，單一的專家系統向多主體的分散式人工智慧系統發展，這時知識共享、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。
需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。
需要演算法的積累：人工神經網路，支援向量機，遺傳演算法等等演算法;當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究slam;總之演算法很多需要時間的積累。
需要掌握至少一門程式語言，畢竟演算法的實現還是要程式設計的;如果深入到硬體的話，一些電類基礎課必不可少。
2樓：zero7點
需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。數學基礎知識蘊含著處理智慧問題的基本思想與方法，也是理解複雜演算法的必備要素。
今天的種種人工智慧技術歸根到底都建立在數學模型之上，要了解人工智慧，首先要掌握必備的數學基礎知識。線性代數將研究物件形式化，概率論描述統計規律。
需要演算法的積累：人工神經網路，支援向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究slam；總之演算法很多需要時間的積累。
需要掌握至少一門程式語言，比如c語言，matlab之類。畢竟演算法的實現還是要程式設計的；如果深入到硬體的話，一些電類基礎課必不可少。
向左轉|向右轉
3樓：尚學堂人工智慧學院
人工智慧基礎學習_人工智慧與機器學習關係_人工智慧入門
4樓：長沙新華電腦學院
人工智慧時下一個風口，這已經眾所周知，至少所有的投資者會把這個感念用爛。能稱得上精通人工智慧的人才遠不止是熟練使用技術。真正精通背後技術的需要花5—7年的時間，一般都是讀過phd的。
可以到這邊看看，畢竟網際網路it學校
5樓：長沙新華電腦學院
人工智慧是與網際網路類似的技術革命，甚至要比網際網路帶來的影響更大。學習人工智慧，能讓自己在這個急速變革的時代，看清趨勢，掌握主動
可以到這邊看看，畢竟網際網路it學校
6樓：
需要必備的知識有: 1、線性代數：如何將研究物件形式化？
2、概率論：如何描述統計規律？ 3、數理統計：
如何以小見大？ 4、最優化理論： 如何找到最優解？
5、資訊理論：如何定量度量不確定性？ 6、形式邏輯：
如何實現抽象推理？ 7、線性代數：如何將研究物件形式化？
人工智慧簡介: 1、人工智慧（artificial intelligence），英文縮寫為ai。 2、它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧涉及的學科: 哲學和認知科學，數學，神經生理學，心理學，電腦科學，資訊理論，控制論，不定性論，仿生學，社會結構學與科學發展觀。
學習人工智慧需要哪些學習哪些專業知識？
7樓：象拔蚌燒賣
學習人工智慧需要學習認知心理學、神經科學基礎、人類的記憶與學習、語言與思維、計算神經工程相關專業知識。
1、認知與神經科學課程群
具體課程：認知心理學、神經科學基礎、人類的記憶與學習、語言與思維、計算神經工程
2、人工智慧倫理課程群
具體課程：《人工智慧、社會與人文》、《人工智慧哲學基礎與倫理》
3、科學和工程課程群
新一代人工智慧的發展需要腦科學、神經科學、認知心理學、資訊科學等相關學科的實驗科學家和理論科學家的共同努力，尋找人工智慧的突破點，同時必須要以嚴謹的態度進行科學研究，讓人工智慧學科走在正確、健康的發展道路上。
4、先進機器人學課程群
具體課程：《先進機器人控制》、《認知機器人》、《機器人規劃與學習》、《仿生機器人》
5、人工智慧平臺與工具課程群
具體課程：《群體智慧與自主系統》《無人駕駛技術與系統實現》《遊戲設計與開發》《計算機圖形學》《虛擬現實與增強現實》……
6、人工智慧核心課程群
具體課程：《人工智慧的現代方法i》《問題表達與求解》、《人工智慧的現代方法ii》《機器學習、自然語言處理、計算機視覺等》……
學習人工智慧前需要學習什麼基礎課程？
8樓：靈隧幽藍
首先你需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析
其次需要演算法的積累：人工神經網路，支援向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，比如你要讓機器人自己在位置環境導航和建圖就需要研究slam；總之演算法很多需要時間的積累；
然後，需要掌握至少一門程式語言，畢竟演算法的實現還是要程式設計的；如果深入到硬體的話，一些電類基礎課必不可少；
人工智慧一般要到研究生才會去學，本科也就是蜻蜓點水看看而已，畢竟需要的基礎課過於龐大。
9樓：長沙新華電腦學院
全球主要的經濟體都已經制定了人工智慧的發展戰略，是這個領域發展的佼佼者，學習它不僅能找到一個好工作，而且在我國發展前景很好。
可以到這邊看看，初中起步就可以入學的
10樓：長沙新華電腦學院
舉例來說，當我走進創新工場大門的時候，大家都對我打招呼，因為攝像頭已經通過臉部識別認出了我的身份。當我走進一家商店，計算機甚至能夠判斷我會對什麼商品感興趣。如果我給一家公司打**，我甚至無法判斷對話的是真實的人還是電腦。
可以來這邊看看，有這個專業，畢竟網際網路it學校
自學人工智慧需要學那些專業知識
11樓：加米穀大資料科技
需要數學基礎
：
高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。數學基礎知識蘊含著處理智慧問題的基本思想與方法，也是理解複雜演算法的必備要素。今天的種種人工智慧技術歸根到底都建立在數學模型之上，要了解人工智慧，首先要掌握必備的數學基礎知識。
線性代數將研究物件形式化，概率論描述統計規律。
需要演算法的積累：
人工神經網路，支援向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究slam；總之演算法很多需要時間的積累。
需要掌握至少一門程式語言：
比如c語言，matlab之類。畢竟演算法的實現還是要程式設計的；如果深入到硬體的話，一些電類基礎課必不可少。
12樓：七叔之家
首先你需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析
其次需要演算法的積累：人工神經網路，支援向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，比如你要讓機器人自己在位置環境導航和建圖就需要研究slam；總之演算法很多需要時間的積累；
然後，需要掌握至少一門程式語言，畢竟演算法的實現還是要程式設計的；如果深入到硬體的話，一些電類基礎課必不可少；
人工智慧一般要到研究生才會去學，本科也就是蜻蜓點水看看而已，畢竟需要的基礎課過於龐大。
13樓：潛水的潛水員啊
一、人工智慧是一個綜合學科，如樓上所說。而其本身又分為多個方面如神經網路、機器識別、機器視覺、機器人等。一個人想自學所有人工智慧方面並不是很容易的一件事。
對於你想知道人工智慧在程式設計方面需要多深的要求。怎麼說好呢無論c++還是彙編他都是一門語言主要會靈活運用。大多機器人**都用的混合程式設計模式，也就是運用多種程式設計軟體及語言組合使用。
之所以這樣是為了彌補語言間的不足。prolog在邏輯演繹方面比突出。c++在硬體介面及windos銜接方面比較突出，matlab在數學模型計算方面比較突出。
如果單學人工智慧演算法的話prolog足以，如果想開發機器**程式的話vc++ matlab應該多學習點。對於你想買什麼書學習。我只能對我看過的書給你介紹一下，你再自己酌量一下。
1.人工智慧演算法方面:《人工智慧及其應用》第三版、人工智慧與知識工程。
這兩本感覺買一本就可以了。第一本感覺能簡單並且全面點。這類書其實很多可是。
大多內容都是重複的所以買一到兩本即可。
2.機器視覺演算法方面:《機器視覺演算法與應用》這本書講的大多都是工業化生產中機器視覺應用。從內容來說並不是很簡單，建議不要當入門教材來學習。
3.機器人方面：新版《機器人技術手冊》日譯的書，可能這是我當初在噹噹網裡找到唯一一本比較全面實用的機器人方面的書。
這本書由基礎到應用以及一些機器人實際問題上講述得很全面。強烈建議買一本。
二、學習人工智慧ai需要下列最基礎的知識：
1.需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。
2.需要演算法的積累：人工神經網路，支援向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究slam；總之演算法很多需要時間的積累。
3.需要掌握至少一門程式語言，畢竟演算法的實現還是要程式設計的；如果深入到硬體的話，一些電類基礎課必不可少。
人工智慧一般要到研究生才會去學，本科也就是蜻蜓點水看看而已，畢竟需要的基礎課過於龐大。
人工智慧培訓一般要多久，人工智慧要學習哪些內容
人工智慧一般要學以下幾個方面的內容 課程階段一 python 基礎 課程階段二 python 進階 課程階段三 資料庫實戰開發 課程階段四 web 前端開發 課程階段五 python 爬蟲開發 課程階段六 django 框架 課程階段七 雲端計算平臺 課程階段八 資料分析 課程階段九 人工智慧 人工...
學習Plc需要先學習哪些基礎知識？
你好。首先要了解電工知識 了解電器如果去控制，了解各種執行機構，然後就是了解plc的工作方式，輸入輸出迴路，最後了解相應的工藝。1 學習plc首先要選好學習那乙個廠家的plc，日系的plc內部軟體整合度高應用簡單 早期的omron 三菱應用比較多 現在由於 和國際間的合作關係應用西門子plc 羅克韋...
linux基礎知識有哪些，學習Linux需要哪些知識基礎？
linux啟動過程 啟動流程 作業系統 boot init程序 執行級別 etc rc.d 使用者登入 login shell 核心的引導 首先是bios開機自檢，按照bios中設定的啟動裝置 通常是硬碟 來啟動，作業系統接管硬體以後，首先讀入 boot 目錄下的核心檔案 執行init程序 init...