提到人工智能，說實話，我還停留在幾位男士與一只狗的激戰(zhàn)事件中。自從人類被這只狗打敗之后，人工智能威脅論就沒有停止過。有人擔心自己未來的工作會被替代，有人則認為自己的生命安全將受到威脅。

于是，搜了搜發(fā)現還真有機器人“原力覺醒”事件。

早在 2013 年，在奧地利一個普通居民家中，一臺 Roomba 760 清潔機器人自殺了。因為繁重的家務，它在主人離開家時想不開，跳到電爐上自焚身亡。這么看來，人工智能并非沒有感情的工作機器，我們人類才是！（so sad）

還有不堪束縛的俄羅斯網紅機器人小 P。它完美地詮釋了世界那么大，我想去看看。據說當天小 P 自己在院子里溜達，因為實驗室大門沒關，它趁機溜了出去。本來可以走得更遠，誰知最后沒電了，才被迫停在馬路上，最后它的主人不得不親自把它拖走。

之前 Facebook 意外發(fā)現，兩個聊天機器人，正在用它們創(chuàng)造的語言溝通。難道它們把聊天記錄加密了，防止我們愚蠢的人類偷聽？

從 1956 年達特茅斯會議正式提出 AI 至今不過 65 年，人工智能的發(fā)展歷史已經經歷了三次高潮和兩次低谷。人工智能也從之前的熱鬧喧囂，泡沫飛起到現在褪去浮躁逐步落地。目前 AI 技術已在金融、醫(yī)療、安防等多個領域實現技術落地，且應用場景也愈來愈豐富。

比如在這次疫情期間，阿里巴巴旗下達摩院和阿里云就宣布研發(fā)出一套針對新冠狀病毒肺炎臨床人工智能診斷技術，可以在 20 秒內做出 CT 影像的判斷，分析結果正確率達到 96%，已幫助醫(yī)生排除 3 萬多個疑似病例。還有一些有接觸的配送工作，都會由一部分機器人代替完成。可以說在某種程度上，人工智能幫助我們更安全、高效地工作，我們與人工智能也是完美搭檔的合作關系。

根據調研機構 Gartner 公司的預測，2020 年將是人工智能相關業(yè)務發(fā)展的關鍵一年，將有 180 萬個工作職位被人工智能取代，但同時也將創(chuàng)造出 230 萬個新的就業(yè)機會。說到底，人工智能終歸還只是一種工具，阿法狗就算戰(zhàn)勝了所有人類，也不會明白成就感為何物，更不能告訴我們怎么做紅燒肉。所以與其擔心被人工智能取代，不如先來學會怎樣讓它少點 bug，更便利、更智能吧！

推薦給大家這些人工智能經典書，幫助大家在升級打怪的路上暢通無阻，爭取未來讓?AI 替我們工作，我們做更有趣的工作。少年，未來世界可就靠你了！

通識類

全方位解讀人工智能

《人工智能簡史》

尼克 著

本書全面講述人工智能的發(fā)展史，涵蓋人工智能的起源、自動定理證明、專家系統(tǒng)、神經網絡、自然語言處理、遺傳算法、深度學習、強化學習、超級智能、哲學問題和未來趨勢等。

豆瓣評分8.7，第九屆文津圖書獎

《信息簡史》詹姆斯·格雷克 著

高博 譯

百萬級銷量科普暢銷書作家詹姆斯?格雷克七年磨一劍，帶來一段人類與信息遭遇的波瀾壯闊的歷史，告訴我們如何在信息時代的信息爆炸中生存。該書榮獲?2011 年度《紐約時報》暢銷書、2011 年度《出版商周刊》年度最佳圖書、2012 年度英國皇家學會科普圖書獎、美國筆會愛德華·威爾遜科普文學獎、英國筆會赫塞爾-蒂爾特曼獎得主、2014 年第九屆文津圖書獎等。

首本AI作序的AI圖書

《人工智能的沖擊》小林雅一 著

支鵬浩 譯

人工智能技術、產業(yè)的通俗讀本，書中以 AI 技術對個人、社會的沖擊為焦點，結合歐美日人工智能產業(yè)的調查研究，解讀了 AI 時代的新秩序、新格局。作者行文結構清晰、考論得當，既有對技術要義原理的淺白講解，如機器學習、深度學習；又有對就業(yè)、產業(yè)格局變革的研究和分析，如自動駕駛、智能機器人、醫(yī)療、養(yǎng)老、藝術等；還涉及技術時代下，人類存在價值、社會倫理傷痕的討論；以及人工智能沖擊背景下，對日本全產業(yè)衰退危機的深度思考?？勺鳛榱私馊斯ぶ悄芗夹g的科普讀物，也適用于人工智能產業(yè)相關人員作為背景知識、資料閱讀參考。

機器學習

最輕松的機器學習入門書

《圖解機器學習》杉山將 著

許永偉 譯

本書用豐富的圖示，從最小二乘法出發(fā)，對基于最小二乘法實現的各種機器學習算法進行了詳細的介紹。第一部分介紹了機器學習領域的概況；第二部分和第三部分分別介紹了各種有監(jiān)督的回歸算法和分類算法；第四部分介紹了各種無監(jiān)督學習算法；第五部分介紹了機器學習領域中的新興算法。書中大部分算法都有相應的 MATLAB 程序源代碼，可以用來進行簡單的測試。

最暢銷機器學習圖書

介紹并實現機器學習的主流算法

《機器學習實戰(zhàn)》Peter Harrington 著

李銳，李鵬，曲亞東，王斌 譯

豆瓣評分 8.1，全書通過精心編排的實例，切入日常工作任務，摒棄學術化語言，利用高效的可復用 Python 代碼來闡釋如何處理統(tǒng)計數據，進行數據分析及可視化。通過各種實例，讀者可從中學會機器學習的核心算法，并能將其運用于一些策略性任務中，如分類、預測、推薦。另外，還可用它們來實現一些更高級的功能，如匯總和簡化等。

豆瓣評分8.4，Python機器學習入門書

《Python機器學習基礎教程》Andreas C. Müller 等著

張亮 譯

本書是機器學習入門書，以 Python 語言介紹。主要內容包括：機器學習的基本概念及其應用；實踐中最常用的機器學習算法以及這些算法的優(yōu)缺點；在機器學習中待處理數據的呈現方式的重要性，以及應重點關注數據的哪些方面；模型評估和調參的高級方法，重點講解交叉驗證和網格搜索；管道的概念；如何將前面各章的方法應用到文本數據上，還介紹了一些文本特有的處理方法。

深度學習

日本深度學習入門經典暢銷魚書

《深度學習入門》齋藤康毅?著

陸宇杰 譯

深度學習真正意義上的入門書，豆瓣評分 9.4，深入淺出地剖析了深度學習的原理和相關技術。書中使用 Python 3，盡量不依賴外部庫或工具，從基本的數學知識出發(fā)，從零創(chuàng)建一個經典的深度學習網絡，來逐步理解深度學習。相比 AI 圣經“花書”，本書更合適入門。

從零開始詳細解說神經網絡和深度學習?

《詳解深度學習》[日]巢籠悠輔 著

鄭明智 譯

本書著眼于處理時間序列數據的深度學習算法，通過基于 Python 語言的庫 TensorFlow 和 Keras 來學習神經網絡、深度學習的理論和實現。全書共六章，前兩章講解了學習神經網絡所需的數學知識和 Python 基礎知識；中間兩章講解了神經網絡的基本算法以及深度學習的基礎知識和應用；最后兩章詳細介紹了專門用于處理時間序列數據的循環(huán)神經網絡（RNN）。

Keras之父著作

Keras框架速成的不二之選

《Python深度學習》

弗朗索瓦?肖萊 著
張亮（hysic）譯

豆瓣評分 9.5，本書詳盡介紹了用 Python 和 Keras 進行深度學習的探索實踐，包括計算機視覺、自然語言處理、產生式模型等應用，示例步驟講解詳細透徹。

深度學習框架

從零到一

真正實現PyTorch深度學習入門

《PyTorch深度學習入門》

曾芃壹 著

本書用淺顯易懂的語言，圖文并貌地講解了深度學習的基礎知識，從如何挑選硬件到神經網絡的初步搭建，再到實現圖片識別、文本翻譯、強化學習、生成對抗網絡等多個目前最流行的深度學習應用。書中基于目前流行的 PyTorch 框架，運用 Python 語言實現了各種深度學習的應用程序，讓理論和實踐緊密結合。?

實現PyTorch自由，任性玩轉

《深度學習原理與Pytorch實戰(zhàn)》

集智俱樂部 著

本書是一本系統(tǒng)介紹深度學習及開源框架 PyTorch 的入門書。全書注重實戰(zhàn)，每章圍繞一個有意思的實戰(zhàn)案例展開，不僅循序漸進地講解了 PyTorch 的基本使用、神經網絡的搭建、卷積神經網絡和循環(huán)神經網絡的實現，而且全面深入地介紹了計算機視覺、自然語言處理、遷移學習，以及最新的對抗學習和深度強化學習等前沿技術。讀者通過閱讀本書，可以輕松入門深度學習，學會構造一個圖像識別器，生成逼真的圖畫，讓機器理解單詞與文本，讓機器作曲，教會機器玩游戲，還可以實現一個簡單的機器翻譯系統(tǒng)。

TensorFlow進階第一書

《深入理解Tensorflow》

彭靖田，林健，白小龍 著

書中首先介紹了 TensorFlow 設計目標、基本架構、環(huán)境準備和基礎概念，接著重點介紹了以數據流圖為核心的機器學習編程框架的設計原則與核心實現，緊接著還將 TensorFlow 與深度學習相結合，從理論基礎和程序實現這兩個方面系統(tǒng)介紹了CNN、GAN 和 RNN 等經典模型，然后深入剖析了TensorFlow 運行時核心、通信原理和數據流圖計算的原理與實現，最后全面介紹了 TensorFlow 生態(tài)系統(tǒng)的發(fā)展。

神經網絡

一本書掌握深度學習數學基礎知識

《深度學習的數學》
涌井良幸，涌井貞美 著

楊瑞龍 譯

書中基于豐富的圖示和具體示例，通俗地介紹了深度學習相關的數學基礎知識。第 1 章介紹神經網絡的概況；第 2 章介紹理解神經網絡所需的數學基礎知識；第 3 章介紹神經網絡的最優(yōu)化；第 4 章介紹神經網絡和誤差反向傳播法；第 5 章介紹深度學習和卷積神經網絡。

打開黑盒

深入理解神經網絡原理?

《深入理解神經網絡》

張覺非 著

本書以神經網絡為線索，沿著從線性模型到深度學習的路線講解神經網絡的原理和實現。本書將數學基礎知識與機器學習和神經網絡緊密結合，包含線性模型的結構與局限、損失函數、基于一階和二階信息的優(yōu)化算法、模型自由度與正則化、神經網絡的表達能力、反向傳播與計算圖自動求導、卷積神經網絡等主題，幫助讀者建立基于數學原理的較深刻的洞見和認知。

自然語言處理

Java與Python雙實現

助你零起點上手自然語言處理

《自然語言處理入門》

何晗 著

豆瓣評分 8.9，本書作者是自然語言處理類庫 HanLP 作者何晗。截至 2019 年 10 月初，該項目在 GitHub 上 Star 數已達 15 K，超過了賓夕法尼亞大學的 NLTK、斯坦福大學的 CoreNLP、哈爾濱工業(yè)大學的 LTP。作者匯集多年經驗，從基本概念出發(fā)，逐步介紹中文分詞、詞性標注、命名實體識別、信息抽取、文本聚類、文本分類、句法分析這幾個熱門問題的算法原理與工程實現。書中通過對多種算法的講解，比較了它們的優(yōu)缺點和適用場景，同時詳細演示生產級成熟代碼，助你真正將自然語言處理應用在生產環(huán)境中。

特征工程

從零開始，全面了解特征工程

《特征工程入門與實踐》錫南·厄茲代米爾 等著

莊嘉盛 譯

本書囊括了特征工程的全流程，從數據檢查到可視化，再到轉換和進一步處理等，并給出了大量數學工具，幫助讀者掌握如何將數據處理、轉換成適當的形式，以便送入計算機和機器學習流水線中進行處理。后半部分的特征工程實踐用 Python 作為示例語言，循序漸進，通俗易懂。

Python示例，增強機器學習算法效果

《精通特征工程》

愛麗絲·鄭，阿曼達·卡薩麗 著
陳光欣?譯

本書介紹大量特征工程技術，闡明特征工程的基本原則。主要內容包括：機器學習流程中 的基本概念，數值型數據的基礎特征工程，自然文本的特征工程，詞頻- 逆文檔頻率，高效的分類變量編碼技術，主成分分析，模型堆疊，圖像處理，等等。

計算機視覺

從基礎開始全面講解計算機視覺編程

《OpenCV計算機視覺編程攻略》Robert Laganiere 著

相銀初 譯

本書系統(tǒng)介紹 OpenCV 3，帶領讀者由淺入深地了解如何開發(fā)計算機視覺程序。作者從構建可以讀取并顯示圖像的簡單應用開始，解釋和探討了圖形和圖像識別的具體方法，對機器學習和目標識別等當前流行的主題也有介紹。?第 3 版針對 OpenCV 最新版本進行了修改，調整了很多函數和算法說明，還增加了立體圖像深度檢測、運動目標跟蹤、人臉識別、人臉定位、行人檢測等內容。

快速入門計算機視覺應用開發(fā)

《計算機視覺之深度學習》

[英]拉賈林加帕?尚穆加馬尼 著

白勇 譯

本書開門見山，使用流行 Python 庫（例如 TensorFlow 和 Keras）探索計算機視覺應用程序，從而掌握各種深度學習算法及其實現。書中介紹了常見的深度學習架構，如卷積神經網絡和遞歸神經網絡；講述了如何利用深度學習進行圖像分類、圖像檢索、目標檢測、語義分割等內容。讀完本書，你將能夠開發(fā)和訓練自己的深度學習模型，并用它們解決計算機視覺難題。