人工智能需要什么基础？

Question

如题所述

Answer 1

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、分类器、等算法的特性、性质、和其他算法对比的区别等内容。
5.工具基础知识：opencv、matlab、caffe等
要进入人工智能行业，首先要有一定的数学功底，因为人工智能不同于app开发，网页开发、游戏开发等传统的互联网职位，先看看51cto学院人工智能的课程，会有不少帮助。人工智能是从数学中的“逼近理论”逐步演化而来的，当今人工智能所使用的方法，最开始的时候大部分是数学家为了逼近某些比较难表示的非线性函数而使用的。后来随着计算机性能的提高，计算机工作者，统计学家，开始尝试用这套“逼近理论”解决一些分类问题。逐步发展成为现在的人工智能局面。现在属于人工智能行业发展初期，各种可用的api函数都比较少，所以自己编写算法是必须要会的。
“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、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科技产品，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。

Answer 2

人工智能（AI）基础：
1、核心三要素——算力、算法、数据（三大基石）：
算法、算力、数据作为人工智能（AI）核心三要素，相互影响，相互支撑，在不同行业中形成了不一样的产业形态。随着算法的创新、算力的增强、数据资源的累积，传统基础设施将借此东风实现智能化升级，并有望推动经济发展全要素的智能化革新。让人类社会从信息化进入智能化。
（1）算力：

在AI技术当中，算力是算法和数据的基础设施，支撑着算法和数据，进而影响着AI的发展，算力的大小代表着对数据处理能力的强弱。
（2）算法：
算法是AI的背后“推手”。

AI算法是数据驱动型算法，是AI的推动力量。
（3）数据：
在AI技术当中，数据相当于AI算法的“饲料”。

机器学习中的监督学习和半监督学习都要用标注好的数据进行训练，由此催生了大量数据标注公司，它们将处于未经处理的初级数据，转换为机器可识别信息。只有经过大量的训练，覆盖尽可能多的各种场景才能得到一个良好的模型。
2、技术基础：
（1）文艺复兴后的人工神经网络。
人工神经网络是一种仿造神经元运作的函数演算，能接受外界资讯输入的刺激，且根据不同刺激影响的权重转换成输出的反应，或用以改变内部函数的权重结构，以适应不同环境的数学模型。

（2）靠巨量数据运作的机器学习。
科学家发现，要让机器有智慧，并不一定要真正赋予它思辩能力，可以大量阅读、储存资料并具有分辨的能力，就足以帮助人类工作。

（3）人工智慧的重要应用：自然语言处理。
自然语言处理的研究，是要让机器“理解”人类的语言，是人工智慧领域里的其中一项重要分支。
自然语言处理可先简单理解分为进、出计算机等两种：
其一是从人类到电脑──让电脑把人类的语言转换成程式可以处理的型式；
其二是从电脑回馈到人──把电脑所演算的成果转换成人类可以理解的语言表达出来。

Answer 3

人工智能已进入加速发展阶段
人工智能发展到今天，已经进入了一个加速发展的阶段。其实早在1950年，美国的艾伦图灵已经提出了人工智能的概念，由于面临在将研究成果落实到应用时面临种种挑战，所以七八十年代经历了人工智能的寒冬。直到过去10-20年后，人工智能才重新回到了大家的视野当中来。有几个原因，第一是硬件传感器设备得到了更好的发展，例如像摄像头、压力传感器、热传感器等；第二是互联网发展使得我们数据量显著提升，万物都可以数据化；第三是计算机存储及计算能力，相比过去5-10年有了非常大的增长，使得人工智能在各行各业实际落地变成了可能。我数了一下近期在科创板及港股马上就要上市的人工智能的公司，有不下十家。所以，我觉得明年很有可能这是科技领域里面会引起大家非常重视的一条赛道。
人工智能已经离我们的生活很近了
大家可能觉得人工智能是一个很高大上的事情，但其实我们平时生活当中已有方方面面的应用，是离不开人工智能的。从应用讲起，比如我们手机里的一些助手，例如iPhone的Siri，跟它讲话它会听得懂，这就是自然语言处理（NLP）的能力，是人工智能中的一个细分应用。再小到今年比较火的家用扫地机器人，里面也融入了人工智能的算法，能够看得见路、自己行驶、把家里打扫干净。包括我们的互联网领域，有一些电商平台上看到个性化的推荐使用的算法也是人工智能的一种应用。所以，这些其实离我们的生活是非常近的。当然在资本市场上，还有可能更高阶一点的应用，比如自动驾驶技术，我们都说电车和智能化是息息相关的，智能化的能力最大的体现就是自动驾驶的体验，车开的聪明与否，可以决定未来消费者选择新能源车的一个决策。这个也是兵家必争之地，不管海外新能源车龙头，还是国内领先企业，在这方面投入比较大。
人工智能基础化后，简单的应用将很难胜出
人工智能基础化以后，公司需要提供更多的附加价值，真的扎入到场景中，才能给客户创造价值。像现在互联网一样，在上面做一个网站是非常同质化的一件事情了。我相信在未来人工智能的人才及基础设施越来越好的时候，如果是简单的算法模型、提供算力等业务，将很难成为一家公司的核心竞争力。
机器视觉将成为重要的人工智能应用场景
在人工智能的大蛋糕中，机器视觉将是非常大的一块蛋糕。我们人类去获取信息，大概70-80%来源于眼睛。所以在人工智能里面也一样，机器视觉是非常大的一块蛋糕。跟机器视觉相关的场景包括自动驾驶，自动驾驶未来可以衍生出非常多的商业模式。落到实际展望明年,自动驾驶的整体的落地形式可能会远一些，而且自动驾驶可能商业模式上会以一个卖整车，在我们的新能源汽车竞争里面通过自动驾驶功能的附加价值提升销量，这么体现出来的。

Answer 4

首先，当前学习人工智能是不错的选择，随着人工智能技术的不断发展和应用，整个行业领域会释放出大量的相关人才需求。学习人工智能技术通常要根据自身的知识基础来选择一个学习切入点，对于初学者来说，可以按照三个阶段来学习人工智能技术，分别是基础知识阶段、人工智能平台阶段和实践阶段。
人工智能技术目前有六大主要研究方向，其中计算机视觉、自然语言处理、机器人学和机器学习这几个方向的热度比较高，相关领域正在有越来越多的产品开始落地应用，比如目前大型互联网（科技）公司推出的人工智能平台，多以视觉和语言处理为基础进行打造。对于初学者来说，从机器学习开始学起则是不错的选择。
机器学习本身的定义可以理解为从一堆杂乱无章的数据中找到一定的规律并予以应用，所以机器学习也是目前大数据分析的两种主要方式之一。学习机器学习需要有两方面基础，其一是数学基础（线性代数、概率论），其二是编程语言基础，目前Python语言在机器学习领域的应用比较广泛。初期学习机器学习知识并不会遇到非常复杂的数学知识，所以即使数学基础比较薄弱，也可以学习。

作者：IT人刘俊明
链接：https://www.zhihu.com/question/307162104/answer/1081831982
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

Answer 5

人工智能需要学习的基础内容包括认知与神经科学、人工智能伦理、先进机器人学、人工智能平台与工具等方面的课程。此外人工智能的学习还需要脑科学、神经科学、认知心理学、信息科学等相关学科的配合。

人工智能需要学习的基础内容——

1、认知与神经科学：具体包括认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程等课程。

2、人工智能伦理：具体包括人工智能、社会与人文，人工智能哲学基础与伦理等课程。

3、科学和工程：需要脑科学、神经科学、认知心理学、信息科学等相关学科的配合。



4、先进机器人学：具体包括先进机器人控制、认知机器人、机器人规划与学习、仿生机器人等课程。

5、人工智能平台与工具：具体包括群体智能与自主系统、无人驾驶技术与系统实现、游戏设计与开发、计算机图形学、虚拟现实与增强现实等课程。

6、人工智能核心：具体包括人工智能的现代方法、问题表达与求解、人工智能的现代方法、机器学习、自然语言处理、计算机视觉等课程