最近幾年人工智能概念的火熱很大程度上是因?yàn)殡S著計(jì)算能力的發(fā)展（此處可cue英偉達(dá)）深度學(xué)習(xí)算法在應(yīng)用落地方面大放異彩（主要是圖像和語音的識(shí)別和分類上）。
在2012年的ImageNet圖像大賽上，多倫多大學(xué)的Geoffrey Hinton教授（現(xiàn)在的深度學(xué)習(xí)三巨頭之一）就帶領(lǐng)著團(tuán)隊(duì)使用深度學(xué)習(xí)進(jìn)行機(jī)器訓(xùn)練與圖像識(shí)別，錯(cuò)誤率只有15.3%，成為圖像識(shí)別學(xué)科歷史上的一個(gè)重要節(jié)點(diǎn)。
2015年的ImageNet圖像大賽上，微軟亞洲研究院團(tuán)隊(duì)的系統(tǒng)錯(cuò)誤率低至3.57%，第一次超越了人類。
2016年，人工智迎來了自學(xué)科建立60年以來最大規(guī)模的市場(chǎng)應(yīng)用爆發(fā)潮。承借著深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的首先爆發(fā)，云計(jì)算平臺(tái)、顯卡、芯片等的研發(fā)成為行業(yè)熱點(diǎn)，而數(shù)字醫(yī)療、智能家居、自動(dòng)駕駛、語音助手等應(yīng)用也獲得了極大的突破。
扯遠(yuǎn)了，在回答這個(gè)問題前，首先要把幾個(gè)概念搞清楚，“人工智能(AI)”、“機(jī)器學(xué)習(xí)”、“深度學(xué)習(xí)”、“卷積神經(jīng)網(wǎng)絡(luò)”。
以下概念范圍從大到小：
所以我們回到問題上，“想做一個(gè)人工智能的東西”這個(gè)表達(dá)比較含糊，如果你說想造一個(gè)素子小姐那短期內(nèi)還是不太可能的……如果你說想利用深度學(xué)習(xí)、機(jī)器學(xué)習(xí)來打造一款A(yù)I應(yīng)用，比如圖像分類、視頻處理、人臉識(shí)別之類的，還是可行的。
上文提到的Yann LeCun大神就曾經(jīng)回答過這個(gè)問題：
首先人工智能，你需要盡一切可能把所有具有連續(xù)性的數(shù)學(xué)和物理課程都上一遍。微積分（I）、 微積分（II）, 微積分（III）、線性代數(shù)、概率論、統(tǒng)計(jì)學(xué)這幾項(xiàng)是必不可少的，另外你還需要盡可能多的去聽物理學(xué)的課程，貝葉斯推理、反向傳播算法、傅立葉變換等等未來都會(huì)用到。
如果必須要在“iOS編程”和“量子力學(xué)”之間選一門，一定要選量子力學(xué)。不過與此同時(shí)，你還是要確保學(xué)習(xí)編程……
看到這里還沒有點(diǎn)小叉叉的同學(xué)人工智能，給你一朵小紅花。
全部學(xué)完之后，[劃掉]導(dǎo)師就會(huì)來邀請(qǐng)你申獎(jiǎng)學(xué)金了[/劃掉]，接著選一個(gè)你感興趣的AI問題。然后獨(dú)立對(duì)這個(gè)問題進(jìn)行思考。（比如我想做一個(gè)人臉識(shí)別的軟件，我應(yīng)該用什么方法采集數(shù)據(jù)，如何分類人臉特征，如何識(shí)別等等）
一旦你形成了自己的想法，就開始讀書、讀論文。網(wǎng)上也有很多關(guān)于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的材料、教程和視頻課程，但是建議你先思考－再讀書－最后看教程。
小智插話：對(duì)于中國學(xué)生而言，你還需要確保自己的英語水平常年保持在6級(jí)以上。畢竟所有大牛的論文都是英文的……
讀完之后你將會(huì)發(fā)現(xiàn)，（1）你之前的想法有點(diǎn)幼稚，但是（2）你對(duì)這個(gè)問題的看法開始有點(diǎn)不一樣了。
接著，如果你是個(gè)本科生，你就可以去勾搭教授了，清華、中科院、北航等都是業(yè)內(nèi)不錯(cuò)的院校，英語好的可以去勾搭國外教授。但是鑒于你現(xiàn)在也沒有發(fā)表什么作品，教授勾搭不到的話，轉(zhuǎn)而勾搭博士/博士后也是可以的。
對(duì)于已經(jīng)工作了的人來說，有幾個(gè)線上文獻(xiàn)/課程可以參考。
地址戳：
地址戳：
此外，F(xiàn)acebook、英偉達(dá)等也都設(shè)立了AI相關(guān)的線上/線下課程教程、還有Caffe、Torch、TensorFlow、Theano等這幾大開源平臺(tái)的使用手冊(cè)、最近國內(nèi)外各類的AI大會(huì)也都層出不窮……想學(xué)東西的方法很多，這只是其中一條路而已。
