人工智能学习资料（优秀范文五篇）.docx

人工智能学习资料（优秀范文五篇）

第一篇：人工智能学习资料

我经常在TopLanguage讨论组上推荐一些书籍，也经常问里面的牛人们搜罗一些有关的资料，人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索这些无疑是CS领域最好玩的分支了（也是互相紧密联系的），这里将最近有关机器学习和人工智能相关的一些学习资源归一个类：

首先是两个非常棒的Wikipedia条目，我也算是wikipedia的重度用户了，学习一门东西的时候常常发现是始于wikipedia中间经过若干次google，然后止于某一本或几本著作。

第一个是“人工智能的历史”（HistoryofArtificialIntelligence），我在讨论组上写道：

而今天看到的这篇文章是我在wikipedia浏览至今觉得最好的。文章名为《人工智能的历史》，顺着AI发展时间线娓娓道来，中间穿插无数牛人故事，且一波三折大气磅礴，可谓“事实比想象更令人惊讶”。人工智能始于哲学思辨，中间经历了一个没有心理学（尤其是认知神经科学的）的帮助的阶段，仅通过牛人对人类思维的外在表现的归纳、内省，以及数学工具进行探索，其间最令人激动的是HerbertSimon（决策理论之父，诺奖，跨领域牛人）写的一个自动证明机，证明了罗素的数学原理中的二十几个定理，其中有一个定理比原书中的还要优雅，Simon的程序用的是启发式有哪些信誉好的足球投注网站，因为公理系统中的证明可以简化为从条件到结论的树状有哪些信誉好的足球投注网站（但由于组合爆炸，所以必须使用启发式剪枝）。后来Simon又写了GPS（GeneralProblemSolver），据说能解决一些能良好形式化的问题，如汉诺塔。但说到底Simon的研究毕竟只触及了人类思维的一个很小很小的方面——FormalLogic，甚至更狭义一点DeductiveReasoning（即不包含InductiveReasoning,TransductiveReasoning(俗称analogicthinking）。还有诸多比如CommonSense、Vision、尤其是最为复杂的Language、Consciousness都还谜团未解。还有一个比较有趣的就是有人认为AI问题必须要以一个物理的Body为支撑，一个能够感受这个世界的物理规则的身体本身就是一个强大的信息来源，基于这个信息来源，人类能够自身与时俱进地总结所谓的Common-SenseKnowledge（这个就是所谓的EmboddiedMind理论。），否则像一些老兄直接手动构建Common-SenseKnowledgeBase，就很傻很天真了，须知人根据感知系统从自然界获取知识是一个动态的自动更新的系统，而手动构建常识库则无异于古老的ExpertSystem的做法。当然，以上只总结了很小一部分我个人觉得比较有趣或新颖的，每个人看到的有趣的地方不一样，比如里面相当详细地介绍了神经网络理论的兴衰。所以我强烈建议你看自己一遍，别忘了里面链接到其他地方的链接。

顺便一说，徐宥同学打算找时间把这个条目翻译出来，这是一个相当长的条目，看不动E文的等着看翻译吧:)

第二个则是“人工智能”（ArtificialIntelligence）。当然，还有机器学习等等。从这些条目出发能够找到许多非常有用和靠谱的深入参考资料。

然后是一些书籍

书籍：

1.《ProgrammingCollectiveIntelligence》，近年出的入门好书，培养兴趣是最重要的一环，一上来看大部头很容易被吓走的:P

2.PeterNorvig的《AI,ModernApproach2nd》（无争议的领域经典）。

3.《TheElementsofStatisticalLearning》，数学性比较强，可以做参考了。

4.《FoundationsofStatisticalNaturalLanguageProcessing》，自然语言处理领域公认经典。

5.《DataMining,ConceptsandTechniques》，华裔科学家写的书，相当深入浅出。

6.《ManagingGigabytes》，信息检索好书。

7.《InformationTheory：InferenceandLearningAlgorithms》，参考书吧，比较深。

相关数学基础（参考书，不适合拿来通读）：

1.线性代数：这个参考书就不列了，很多。

2.矩阵数学：《矩阵分析》，RogerHorn。矩阵分析领域无争议的经典。

3.概率论与统计：《概率论及其应用》，威廉·费勒。也是极牛的书，可数学味道太重，不适合做机器学习的。于是讨论组里的