有哪些有關人工智慧的好書值得推薦？

01-28

對人工智慧很感興趣但是又無法確定具體方向。想尋找一本相關書籍了解人工智慧當前的現狀和研究領域。

在英國談AI，貌似不可能不提及Kevin Warwick，他的書——

Artificial Intelligence: The Basics

I, Cybrog

In the Mind of the Machine: Breakthrough in Artificial Intelligence

這個人的研究非常有意思（第一次聽說時，有點乍舌）：

http://www.kevinwarwick.com/

人工智慧(Artificial Intelligence)是個很大的方向

機器學習(Machine learning), 自然語言處理(Natural language processing), 遊戲, 機器人等等都屬於AI的範疇

如果想從宏觀層面了解AI的整體狀況和分支領域, 可以參考這本使用最廣的AI教科書:AIMA(Artificial Intelligence: a Modern Approach)

http://aima.cs.berkeley.edu/

國內有第2版中文譯本, 第3版的英文影印版

http://book.douban.com/subject/1230487/
http://book.douban.com/subject/6730363/

只是想入門了解行情的話，市面上書本一大把。

主要可以以時間為劃分，2010年之前的科普書大都比較枯燥乏味，畢竟那時候的人工智慧也確實比較乏味，2010年後突然發現這類書籍爆發性增長，而且大都說的離不開深度學習，然後就是說如何爆發智能行業奇點，總之一片叫好。

人工智慧可讀書籍還是比較多的，但依我個人閱讀而言，我比較推崇這幾本書籍：

智能革命——李彥宏，迎接人工智慧時的政治、經濟、與文化變革，人類歷史上的歷次技術革命，都帶來了人類感知和認知能力的不斷提升，從而使人類知道更多，做到更多，體驗更多。以此為標準，李彥宏在本書中將人工智慧定義為堪比任何一次技術革命的偉大變革，並且明確提出，在技術與人的關係上，智能革命不同於前幾次技術革命，不是人去適應機器，而是機器主動來學習和適應人類，並同人類一起學習和創新未來。

未來地圖——吳霽虹，創造人工智慧萬億級產業的商業模式和路徑，這不是一本討論人工智慧技術的書，而是一本深度剖析人工智慧技術商業化路徑的書。作者為技術公司、傳統企業、個人創業者、機構投資者，繪製了一份AI商業化的價值地圖，這也是一張AI商業化的戰略發展圖。

人工智慧——李開復，如何重塑個人、商業與社會的未來圖譜，個人應該做些什麼，才能避免被AI取代？企業應該如何升級，才能在新的商業變局到來前抓住先機。

人工智慧時代——傑瑞·卡普蘭，人機共存下財富、工作與思維的大未來，從企業、稅收和保險等機制上構建起了一個有益的經濟生態，讓社會中的每一個人都能從技術發展中獲益。

我個人認為，人工智慧經過數十年的發展，在存儲、運算、和傳輸能力上都已經有了幾何級的提升，相信不久的將來，人工智慧將會滲透我們的生活，影響我們的點點滴滴，人工智慧、大數據、雲計算、物聯網、智能家居，將是我們必須面對，也是必須要接受的。

推薦看下多智時代的這篇文章，相信你會有更大的收穫：關於人工智慧，我們的了解有多少？ - 人工智慧多智時代

深受亞馬遜、京東、噹噹喜愛的「人工智慧」四件套：

《與機器人共舞》
《奇點臨近》
《人工智慧的未來》
《圖解機器學習》

買不到吃虧，買不了上當。。。

了解人工智慧，30份書單不容錯過（附電子版PDF下載）

機器學習數據科學必讀的經典書籍，內附資料包！

1. Think Stats: Probability and Statistics for Programmers.

《統計思維：程序員數學之概率統計》

By Allen B. Downey

Think Stats 是一本寫給碼畜們的關於概率與統計學的初階介紹類書籍。

這本書主要是介紹一些可以用來處理實際數據和討論相關問題的基本方法。這本書討論了一個基於美國國家衛生研究院（National Institutes of Health）數據的實際案例，來開展相關話題和知識點的討論。這本書鼓勵讀者們去做一些基於真實數據集的project。

2. Probabilistic Programming Bayesian Methods for Hackers

《貝葉斯方法:概率編程與貝葉斯推斷》

By Cam Davidson-Pilon

這本書相比於數學更注重與對貝葉斯方法論（Bayesian Method）和概率性編程的理解。

貝葉斯方法論是對數學分析自然而然的估計與推論，然而貝葉斯方法論的推理非常繁雜難懂。一般情況下，關於貝葉斯推論的關鍵內容主要建立在概率論的兩三個章節上，之後才會是真正講解什麼是貝葉斯推論。然而，按照這種講解構架，由於貝葉斯的一些數學部分實在是很難被掌握，通常的書里只會介紹幾個簡單的，人為編造的案例。這些不符合真實世界的例子會讓讀者們有一種對於貝葉斯推論有一種「so what」的情緒。讀者們無法認知到貝葉斯推論的重要性和實用性。事實上，這種想法只是其他作者最開始接觸貝葉斯的初始理解而已。

3. Understanding Machine Learning: From Theory to Algorithms

《深入理解機器學習:從原理到演算法》

By Shai Shalev-Shwartz Shai Ben-David

機器學習是近幾年來計算機領域裡躥紅最快也確實有很多廣泛應用的「小鮮肉」。這本書的編寫要義在於給讀者一個原則性的對機器學習的介紹以及其聯繫到的演算法案例。這本書介紹了如何通過實用且基本的機器學習和數學推導，來將原理轉換為實際演算法的理論解釋。除了對於最基本東西的解釋論述，這本書還包括了之前那些書目中沒有提到的重要的課題。課題包括：計算機學習的計算複雜度，穩定性和凸性(convexity)的概念，隨機梯度下降、神經網路和有結構的輸出式學習的重要演算法範例，以及 PAC-Bayes 和 compression-based bounds 等新興概念。

4. The Elements of Statistical Learning

《統計學習要點》

By Trevor Hastie, Robert Tibshirani Jerome Friedman

本書在大家都認知的一個基礎框架上論述了在統計學領域上的一些重要的理論。儘管這本書的最主要主題是要討論統計學知識，但它的重心卻沒有落在數學理論上。這本書為讀者們提供了很多彩色插圖和案例說明來闡明知識論點。這本書不僅僅對於統計學家來說很有價值，它對致力於科學工業進行數據挖掘的有志之士也有很大的閱讀價值。這本書的知識網非常的廣，從監督式學習（預測）到非監督式學習都有一定的設計。同時書中還提到了神經網路，支持向量機，分級樹和分級助推（這是相關話題在所有書籍中第一次被綜合討論）之類的其他話題。

5. An Introduction to Statistical Learning with Applications in R

《統計學習導論:基於R應用》

By Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani

這本書對於統計學習基礎方法的介紹。這本書是寫給非數學專業的大三大四本科生，研究生和博士生的。這本書包括了很大量的R語言的實例。這些實例都附有如何將統計方法使用進真實世界情形設置的詳細解釋。這些資源對於想要成為優秀的數據科學家的人來說是很有實際練習價值的。

從入門到研究，人工智慧領域最值得一讀的10本資料

人工智慧白皮書（包含 PDF 文件，可獲取下載方式）

1.Preparing for the Future of Artificial Intelligence（為人工智慧未來做好準備）

這份白皮書發表於 2016 年 10 月。它介紹了人工智慧目前在社會中所處的狀態以及其在經濟中所發揮的作用。它也提出了關於人工智慧的短期和長期願景的問題。這份白皮書絕對值得一讀，因為它不僅時間非常近，而且其信息源非常權威。美國國家科學技術委員會旗下的機器學習和人工智慧小組委員會是該白皮書的主要作者。

2.Artificial Intelligence as a Positive and Negative Factor in Global Risk（作為全球風險中積極因素和消極因素的人工智慧）

該白皮書的作者是 Eliezer Yudkowsky，其得到了 Machine Intelligence Research Institute 的贊助。這份白皮書研究了人工智慧如果像現在這樣繼續高速發展可能在未來造成的多種後果。因為我們還不知道人工智慧將向哪個方向發展，所以我們也不清楚其所帶來的影響哪些是積極的、哪些是消極的；因此 Yudkowsky 同時研究了這兩個方面。

Eliezer Yudkowsky 是 Machine Intelligence Research Institute 的一位全職研究員，他住在加州的舊金山灣區。

3.Learning to Trust Artificial Intelligence Systems（學習信任人工智慧系統）

在這份白皮書中，我們可以看到我們總是會不得不面對新的先進技術，而且最終我們會認識到這些技術將能夠以這樣或那樣的方式使我們的生活更好。這份白皮書認為人工智慧（IBM 喜歡稱其為「增強智能（augmented intelligence」）也是這樣。人工智慧將會越來越多地出現在我們的生活之中，我們會適應它，我們的生活也將因為它而變得更加美好。

這份人工智慧白皮書的作者是 Guruduth Banavar 博士，他是 IBM 研究院的副院長以及認知計算部門的首席科學官。

4.Artificial Intelligence and Life in 2030（2030 年的人工智慧與生活）

來自：斯坦福大學

這是一份人工智慧如何影響人類、社區與社會的報告。該報告回顧了過去 100 年科技是如何造成影響的。它由斯坦福大學於今年 9 月份發布。注意，報告中也觀察了人工智慧對社會造成的挑戰，比如經濟與道德問題。

5.Extreme Automation and Connectivity: The Global, Regional, and Investment Implications of the Fourth Industrial Revolution

發佈於今年 1 月份，如果你想找人工智慧白皮書，這是不可錯過的一份。由全球接入互聯網的連通性引發的「第四次工業革命」，生產線中大部分的自動化，加速這一進程的正是人工智慧。

6.Disruption Ahead

德勤聯合 IBM 專門投入資源做了此份報告，讓各種商業與個人能用到這一技術。在此白皮書中，你會學到他們如何做人工智慧，期待的收穫是什麼，以及期待什麼時候發生文中提到的里程碑。在讀此報告時，你會學到大量 Watson 的工作機制以及目前是如何部署機器的。裡面也有如今的使用案例。

7.Artificial Intelligence, Robotics, Privacy and Data Protection（人工智慧、機器人、隱私和數據保護）

這個主題是歐盟在馬拉喀什的一場會議上討論的，此白皮書於今年 10 月發布，主題集中在隨著人工智慧和機器人的崛起，為什麼開始討論數據保護和隱私問題如此重要。因為這些計算機像超級計算機一樣有著前所未有的能力，也因為隨著技術進一步發展我們需要現在就開始考慮如何保護地球上每個人的數據與隱私。

8.The Robot and I: How New Digital Technologies Are now Making Smart People , Businesses Smarter by Automating Rote Work

說到金融，大部分人都是去銀行或在網上銀行查閱信息，只需要點擊幾下按鈕。但想想十年前是如何處理經濟事項的？技術進步，特別是在人工智慧領域的進步，已經消除了金融操作中的許多步驟，從而使得個人和商業金融活動更為智能。

9.Research Priorities for Robust and Beneficial Artificial Intelligence（穩健有益的人工智慧的優先研究項）

來自：加州大學伯克利分校

此份白皮書是在人工智慧研究的主題上你最應該閱讀的白皮書之一，多位研究人員思考人工智慧的哪些研究領域是對人類收益最大的，還解釋了為什麼。他們都給出了各自的理由，由可靠的科學以及各自的經驗與觀點所支撐。

Stuart Russell 是加州大學伯克利分校計算機科學教授，也是工程系的 Smith-Zadeh 教授。
Daniel Dewey 是 Open Philanthropy Project 的項目經理。
Max Tegmark 是 MIT 的教授。

10.The New Wave of Artificial Intelligence（人工智慧新浪潮）

由 Evry 發布的此份白皮書是來教育讀者為什麼新的人工智慧公司要通過升級舊的人工智慧概念來進行變革？為什麼它們要在眾多產業使用人工智慧技術創造全新的未來？觀測為什麼、什麼時候來創造人工智慧商業非常的重要，即使最後結果與舊商業一樣，你也需要從頭開始做人工智慧。在你使用一項完全不同的技術時，整個流程是獨一無二的。