什麼是人工智能（AI）？
你在想Chappie，終結者和露西嗎？ 有意識的，自我意識到的機器人比你想象的更接近現實。 開發等於或超過人類智能的計算機系統是人工智能的關鍵。 人工智能（AI）是計算機科學的研究，專注於開發展示人類智能的軟件或機器。 一個簡單的定義，對嗎？
顯然，它還有很多。 AI是一個廣泛的主題，從簡單的計算器到自動轉向技術，再到可能從根本上改變未來的東西。
AI的目標和應用
人工智能的主要目標包括演繹和推理，知識表示，規劃，自然語言處理（NLP），學習，感知以及操縱和移動物體的能力。 人工智能研究的長期目標包括實現創造力，社會智能和一般（人類水平）智力。
人工智能嚴重影響了我們可能無法識別的不同領域。 Ray Kurzweil說：“成千上萬的人工智能應用程序深深嵌入到每個行業的基礎設施中。”人工智能的創始人之一約翰麥卡錫曾說過“一旦它起作用，就再也沒有人稱它為人工智能”。
從廣義上講，AI分為以下幾類：
AI的類型
雖然有各種形式的人工智能，因為它是一個廣泛的概念，我們可以根據人工智能的能力將其分為以下三類：
弱AI（也稱為窄AI）專注於一項任務。在AI較弱的情況下，沒有自我意識或真正的智慧。
iOS Siri是弱AI的一個很好的例子，結合了幾種弱AI技術來運行。它可以為用戶做很多事情，當你嘗試與虛擬助手進行對話時，你會看到它的確如此“縮小”。
強AI（也稱為True AI）是一種與人腦一樣聰明的計算機。這種AI將能夠執行人類可以完成的所有任務。這個領域有很多研究，但我們還有很多工作要做。你應該想象Matrix或我，機器人在這裡。
如果強大的AI給你留下深刻印象，人工超級智能會讓你大吃一驚。領先的AI思想家尼克博斯特羅姆（Nick Bostrom）將其定義為“比幾乎所有領域中最優秀的人類智慧更聰明的智力，包括科學創造力，一般智慧和社交技巧。”
人工超級智能是許多著名科學家和技術專家，包括斯蒂芬霍金和埃隆馬斯克，對人類滅絕可能性提出質疑的原因。
怎麼開始？
您需要做的第一件事是學習編程語言。 雖然你可以從很多語言開始，但許多人更喜歡Python，因為它的庫更適合機器學習。
以下是Python的一些很好的資源：
CodeAcademy
Learn Python the hard way
Coursera Python
Introduction to Computer science
Bots簡介
BOT是弱AI的最基本的例子，可以代表您執行自動化任務。 Chatbots是最早被稱為“機器人”的自動程序之一。你的聊天機器人需要AI和ML。 像谷歌這樣的搜索引擎使用的網絡抓取工具是複雜而先進的BOT的完美範例。
在開始編程機器人之前，您應該學習以下內容，以使您的生活更輕鬆。
xpath - 這將幫助您檢查和定位HTML並根據您在那裡看到的構建機器人。
regex - 這將幫助您通過清理或定位（或兩者）與您的邏輯相關的部分來處理您為機器人提供的數據。
REST - 這非常重要，因為您最終將使用API。 您可以使用請求執行此操作。
如何建立你的第一個Bot？
您還可以從使用能夠構建最終用戶應用程序的API和工具開始。 這可以幫助您實際構建一些東西，而不必過多擔心理論。 您可以使用的一些API是：
Google Cloud Prediction API Documentation
DiffBot
Machine Learning for Language Toolkit
Scrapy
Wolfram Alpha API
這裡列出了一些BOT問題，供您在嘗試最終挑戰之前進行練習和嘗試。
Tic Tac Toe
Hex
Dots & Boxes
現在怎麼辦？
一旦您對首選的編程語言有了全面的瞭解，並且對基礎知識進行了充分的練習，您就應該開始瞭解有關機器學習的更多信息。 在Python中，開始學習Scikit-learn，NLTK，SciPy，PyBrain和Numpy庫，這些庫在編寫機器學習算法時非常有用。您還需要了解高級數學。
以下是供您學習和練習的資源列表：
A Visual Introduction to Machine Learning
Machine Learning (By Andrew Ng)
Machine Learning Lectures (Tom Mitchell)
Artificial Intelligence (edX) (Specially for practice exercise in Python)
Intro to Statistics
Intro to Artificial Intelligence (Includes Logic and Robotics)
Artificial Intelligence
您還應該參加互聯網上不同地方的各種AI和BOT編程競賽：
Kaggle
Coding Game
HackerEarth
Robocup
拓展閱讀：零基礎的新手，如何快速入門機器學習和人工智能？
如何快速入門？如何掌握機器學習與人工智能的基礎知識。給大家推薦幾款權威的論文和機器學習資料。
UFLDL：非常好的DL基礎教程，由Andrew Ng編寫。有很詳盡的推導，有翻譯，且翻譯質量很高；
Deep learning （paper）：2015年Nature上的論文，由三位深度學習界的大牛所寫，讀完全篇論文，給人高屋建瓴，一覽眾山小的感覺，強烈推薦。如果只能讀一篇論文了解深度學習，我推薦此篇。這篇論文有同名的中文翻譯；
Neural networks and deep learning：這本書的作者非常擅長以淺顯的語言表達深刻的道理，雖然沒有翻譯，但是閱讀並不困難；
Recurrent Neural Networks：結合一個實際案例告訴你RNN是什麼，整篇教程學完以後，會讓你對RNN如何產生作用的有很清晰的認識，而這個效果，甚至是讀幾篇相關論文所沒有的。
Neural Networks for Machine Learning：大牛的視角就是與眾不同，看看Hinton對神經網絡是怎麼看的，往往會讓你有種“原來如此”的感悟。其實看這門課程也等同於讀論文，因為幾乎每節課的參考資料裡都有論文需要你讀；
CS231n：Convolutional Neural Networks for Visual Recognition：最新的知識，還有詳細的作業。國內應該有團隊對字幕進行了翻譯，網上應該可以找到下載；
PRML：作為一門經典的機器學習書籍，是很有閱讀必要的，會讓你對機器學習擁有一個別樣的觀察視角。
如果你想要深入學習和了解一門學科，就要遵循一萬小時定律，也就是說，只有當你在某一學科或領域付出長時間（一萬小時以上）的學習和實踐，才有可能達到了然的狀態。這一點適應於人工智能，也適用於學習任何其他的學科。
人工智能/機器學習實踐操作：
實踐出真知，看了那麼多論文學習人工智能和機器學習，那麼怎麼去檢驗自己的動手和動腦能力呢？
谷歌的AIY 項目（AIY Projects）全稱為 Artificial Intelligence Yourself，意為動手創造你的人工智能。該項目由 Google 於 2017 年啟動，目標是讓每個 Maker（創客）都可以 DIY 自己的 AI 人工智能產品。Google 先後在 5 月、12 月份分別推出該項目代表的兩組套件 Voice Kit 和 Vision Kit。
Voice Kit 是 Google 首個推出的 DIY 人工智能產品。它可藉助 Google Assistant SDK 和 Cloud Speech API，將樹莓派轉換為語音數字助理。用戶可在此基礎上創建虛擬語音助手，為自己的項目添加語音交互功能。
Vision Kit 則是 Google 推出的第二彈 DIY 人工產品。它是一套簡單的計算機視覺系統，可運行 3 種基於 TensorFlow 的類神經網路模型應用程序。
Voice Kit使用Google智能助理為您的Raspberry Pi添加語音控制，而Vision Kit則打開圖像識別並向創客們引入了神經網絡。它可以檢測千中常見物體，但也可以對您的臉部表情進行檢測，並顯示出您的情緒，比如憤怒、開心等等。
語音識別、圖像檢測、機器翻譯、風格遷移等技術已經在我們的實際生活中開始得到了應用，但機器學習的發展仍還在繼續，甚至被認為有可能徹底改變人類文明的發展方向乃至人類自身。
閱讀更多 引力空間站 的文章
