人工智能該如何學(xué)起？首先要看基礎(chǔ)，比如數(shù)學(xué)、軟件、算法、建筑學(xué)、心理學(xué)、自動(dòng)化、腦科學(xué)、統(tǒng)計(jì)學(xué)等等。其次，要看你想解決哪些問(wèn)題，比如視覺(jué)識(shí)別、自動(dòng)駕駛、天氣預(yù)報(bào)、語(yǔ)音語(yǔ)義學(xué)、定量金融、圖像處理、金融分

人工智能該如何學(xué)起？

首先要看基礎(chǔ)，比如數(shù)學(xué)、軟件、算法、建筑學(xué)、心理學(xué)、自動(dòng)化、腦科學(xué)、統(tǒng)計(jì)學(xué)等等。

其次，要看你想解決哪些問(wèn)題，比如視覺(jué)識(shí)別、自動(dòng)駕駛、天氣預(yù)報(bào)、語(yǔ)音語(yǔ)義學(xué)、定量金融、圖像處理、金融分析等，每個(gè)領(lǐng)域的要求都不一樣。例如，那些做醫(yī)學(xué)碰撞診斷的人需要學(xué)習(xí)一些影像學(xué)知識(shí)。

需要找一位有學(xué)問(wèn)的專業(yè)老師，如果自學(xué)，就必須進(jìn)入專業(yè)交流圈。

如何理解反向傳播算法？

類比類似于幾個(gè)人站成一排，第一個(gè)人看一幅畫(huà)（輸入數(shù)據(jù)），描述給第二個(gè)人（隱藏層）等等，說(shuō)到最后一個(gè)人（輸出），畫(huà)就看不見(jiàn)了。反向傳播是把畫(huà)展示給最后一個(gè)人（計(jì)算誤差），然后最后一個(gè)人會(huì)告訴前一個(gè)人在下一個(gè)描述中要注意什么（重量校正）。

您所知道的關(guān)于人工智能AI的知識(shí)有哪些？分享一下？

作為一名it從業(yè)者和教育家，讓我來(lái)回答這個(gè)問(wèn)題。

首先，人工智能的知識(shí)體系非常龐大。從目前的研究方向來(lái)看，可以分為六大研究領(lǐng)域：計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、知識(shí)表示、自動(dòng)推理、機(jī)器學(xué)習(xí)和機(jī)器人學(xué)。這些不同的領(lǐng)域也有許多細(xì)分的研究方向。

從學(xué)科體系來(lái)看，人工智能是一門非常典型的交叉學(xué)科，涉及數(shù)學(xué)、計(jì)算機(jī)、控制科學(xué)、經(jīng)濟(jì)學(xué)、神經(jīng)科學(xué)、語(yǔ)言學(xué)、哲學(xué)等多個(gè)學(xué)科，因此人工智能領(lǐng)域的人才培養(yǎng)一直比較困難，而不是一門學(xué)科不僅知識(shí)量比較大，而且難度也比較高。由于人工智能領(lǐng)域的許多研發(fā)方向還處于發(fā)展初期，有大量的課題需要攻關(guān)，因此在人工智能領(lǐng)域聚集了大量的創(chuàng)新人才。

從目前人工智能技術(shù)的落地應(yīng)用來(lái)看，在計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理兩個(gè)方向出現(xiàn)了很多落地案例。隨著大型科技公司紛紛推出自己的人工智能平臺(tái)，基于這些人工智能平臺(tái)，可以與行業(yè)產(chǎn)生更多的組合，為人工智能技術(shù)在行業(yè)中的應(yīng)用奠定基礎(chǔ)，同時(shí)進(jìn)行研究和開(kāi)發(fā)。人工智能的門檻大大降低。

從行業(yè)發(fā)展趨勢(shì)來(lái)看，未來(lái)很多領(lǐng)域需要與人工智能技術(shù)相結(jié)合。智能化也是當(dāng)前產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的重要要求之一。在工業(yè)互聯(lián)網(wǎng)快速發(fā)展的推動(dòng)下，大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等技術(shù)的落地應(yīng)用，也將為人工智能技術(shù)的發(fā)展和應(yīng)用奠定基礎(chǔ)。目前，應(yīng)用人工智能技術(shù)的行業(yè)主要集中在it（互聯(lián)網(wǎng)）、裝備制造、金融、醫(yī)療等領(lǐng)域。未來(lái)，將有更多的產(chǎn)業(yè)與人工智能技術(shù)相結(jié)合。