學習人工智慧有哪些書籍推薦？

8 人贊了文章

1、人工智慧：一種現代的方法

作者：Stuart Russell，Peter Norvig

以詳盡和豐富的資料，從理性智能體的角度，全面闡述了人工智慧領域的核心內容，並深入介紹了各個主要的研究方向，是一本難得的綜合性教材。

2、Neural Networks and Deep Learning

作者：Michael Nielsen

從機器學習到深度神經網路。

3、The Cambridge Handbook of Artificial Intelligence

作者：Frankish, Keith ，William M. Ramsey

權威專家描述了人工智慧領域的前沿工作。這本書是為非專業人士撰寫的，涵蓋了學科的基礎、主要理論和主要研究領域，以及人工生命等相關課題。

4、The Emotion Machine: Commonsense Thinking, Artificial Intell

作者：Marvin Minsky，Simon ， Schuster

人工智慧之父馬文·明斯基有力地論證了：情感、直覺和情緒並不是與眾不同的東西，而只是一種人類特有的思維方式。也同時揭示了為什麼人類思維有時需要理性推理,而有時又會轉向情感的奧秘。通過對人類思維方式建模,他為我們剖析了人類思維的本質，為大眾提供了一幅創建能理解、會思考、具備人類意識、常識性思考能力，乃至自我觀念的情感機器的路線圖。

5、Artificial Intelligence: A New Synthesis

作者：Nils J. Nilsson

從粒子反應入手，Nilsson逐漸向我們展示了人工智慧中最重要和最新的概念。

6、Prolog Programming for Artificial Intelligence

作者：Ivan Bratko

本書是針對Prolog和人工智慧的，包含該領域的關鍵發展，主要講使用Proglog語言編程解決有趣的人工智慧問題。

7、AI Algorithms, Data Structures, and Idioms in Prolog, Lisp, and Java

作者：George F. Luger，William A Stubblefield

本書有三個目的。第一個是作為人工智慧中一般類的編程語言組件。第二個用途是大學課程本身探索編程範式。第三個意圖是通過探索多種編程習語，模式和範例，為專業程序員提供繼續教育的機會。

8、Superintelligence: Paths, Dangers, Strategies

作者：Nick Bostrom

閱讀這本書，學習關於神諭、基因、單身的知識；關於拳擊方法、絆網和精神犯罪；關於人類的宇宙稟賦和差異化的技術發展；間接的規範性，工具性的融合，整個大腦模擬和技術耦合；馬爾薩斯經濟學和反烏托邦進化論；人工智慧，生物認知增強，以及集體智慧。

9、Our Final Invention: Artificial Intelligence and the End of the Human Era

作者：James Barrat

作者是科普及解密類紀錄片導演，20多年來一直關注人工智慧領域的進展。通過科技前沿人員、行業監管機構和開創性的人工智慧系統的介紹，James Barrat的最後一項發明探索了對先進人工智慧的忽視。到目前為止，人類的智力還沒有競爭對手。我們能和那些智力比我們小的人共存嗎?他們會允許我們這樣做嗎?

10、How to Create a Mind: The Secret of Human Thought Revealed

作者：Ray Kurzweil

作者是谷歌公司工程總監，將我們日常生活中先進的大腦過程、自我和智力聯繫起來，並解釋了曾經只是科幻小說的人工智慧如何迅速趕上。

11、Artificial Intelligence: Foundations of Computational Agents

作者： David L. Poole ,? Alan K. Mackworth

本書展示了基本方法之如何融入多維設計空間，平衡了理論和實驗，展示了如何將它們連接在一起，並將AI的科學與工程應用相結合。

12、The Quest for Artificial Intelligence

作者：Nils J. Nilsson

本書回顧了人工智慧的歷史，從早期的18世紀先驅的夢想，到如今眾多人工智慧工程師的成功技術。書中的許多圖表和易於理解的人工智慧程序描述將幫助讀者理解這些和其他人工智慧系統是如何工作的。

13、Machine Learning: A Probabilistic Perspective

作者：Kevin P. Murphy

使用概率模型和推理作為一種統一的方法，詳細的介紹了機器學習。

14、Deep Learning

作者：Ian Goodfellow，Yoshua Bengio，Aaron Courville

由三位專家撰寫，是一本關於深度學習的綜合性書籍，提供了數學和概念背景，涵蓋了線性代數、概率論與信息理論、數值計算和機器學習等相關概念。

15、Deep Learning: Methods and Applications (Foundations and Trends(r) in Signal Processing)

作者： Li Deng，Dong Yu

本書旨在提供一般的深度學習方法的概述及其在各種信號和信息處理任務中的應用。應用領域的選擇有以下三個標準：1）專業知識和作者的知識； 2）已成功運用深度學習技術的應用領域，如語音識別和計算機視覺；3）應用領域有潛力受到深度學習的影響，並獲得了集中的研究成果，包括自然語言和文本處理、信息檢索、多任務深度學習賦予的多模態信息處理能力等。

PS：Overview of AIMA Code

Common Lisp源代碼。

推薦閱讀：