什么是人工智能（AI）？
你在想Chappie，终结者和露西吗？有意识的，自我意识到的机器人比你想象的更接近现实。开发等于或超过人类智能的计算机系统是人工智能的关键。人工智能（AI）是计算机科学的研究，专注于开发展示人类智能的软件或机器。一个简单的定义，对吗？
显然，它还有很多。AI是一个广泛的主题，从简单的计算器到自动转向技术，再到可能从根本上改变未来的东西。
AI的目标和应用
人工智能的主要目标包括演绎和推理，知识表示，规划，自然语言处理（NLP），学习，感知以及操纵和移动物体的能力。人工智能研究的长期目标包括实现创造力，社会智能和一般（人类水平）智力。
人工智能严重影响了我们可能无法识别的不同领域。RayKurzweil说：“成千上万的人工智能应用程序深深嵌入到每个行业的基础设施中。”人工智能的创始人之一约翰麦卡锡曾说过“一旦它起作用，就再也没有人称它为人工智能”。
从广义上讲，AI分为以下几类：
AI的类型
虽然有各种形式的人工智能，因为它是一个广泛的概念，我们可以根据人工智能的能力将其分为以下三类：
弱AI（也称为窄AI）专注于一项任务。在AI较弱的情况下，没有自我意识或真正的智慧。
iOSSiri是弱AI的一个很好的例子，结合了几种弱AI技术来运行。它可以为用户做很多事情，当你尝试与虚拟助手进行对话时，你会看到它的确如此“缩小”。
强AI（也称为TrueAI）是一种与人脑一样聪明的计算机。这种AI将能够执行人类可以完成的所有任务。这个领域有很多研究，但我们还有很多工作要做。你应该想象Matrix或我，机器人在这里。
如果强大的AI给你留下深刻印象，人工超级智能会让你大吃一惊。领先的AI思想家尼克博斯特罗姆（NickBostrom）将其定义为“比几乎所有领域中最优秀的人类智慧更聪明的智力，包括科学创造力，一般智慧和社交技巧。”
人工超级智能是许多着名科学家和技术专家，包括斯蒂芬霍金和埃隆马斯克，对人类灭绝可能性提出质疑的原因。
怎么开始？
您需要做的第一件事是学习编程语言。虽然你可以从很多语言开始，但许多人更喜欢Python，因为它的库更适合机器学习。
以下是Python的一些很好的资源：
CodeAcademy
LearnPythonthehardway
CourseraPython
IntroductiontoComputerscience
Bots简介
BOT是弱AI的最基本的例子，可以代表您执行自动化任务。Chatbots是最早被称为“机器人”的自动程序之一。你的聊天机器人需要AI和ML。像谷歌这样的搜索引擎使用的网络抓取工具是复杂而先进的BOT的完美范例。
在开始编程机器人之前，您应该学习以下内容，以使您的生活更轻松。
xpath-这将帮助您检查和定位HTML并根据您在那里看到的构建机器人。
regex-这将帮助您通过清理或定位（或两者）与您的逻辑相关的部分来处理您为机器人提供的数据。
REST-这非常重要，因为您最终将使用API。您可以使用请求执行此操作。
如何建立你的第一个Bot？
您还可以从使用能够构建最终用户应用程序的API和工具开始。这可以帮助您实际构建一些东西，而不必过多担心理论。您可以使用的一些API是：
GoogleCloudPredictionAPIDocumentation
DiffBot
MachineLearningforLanguageToolkit
Scrapy
WolframAlphaAPI
这里列出了一些BOT问题，供您在尝试最终挑战之前进行练习和尝试。
TicTacToe
Hex
DotsBoxes
现在怎么办？
一旦您对首选的编程语言有了全面的了解，并且对基础知识进行了充分的练习，您就应该开始了解有关机器学习的更多信息。在Python中，开始学习Scikit-learn，NLTK，SciPy，PyBrain和Numpy库，这些库在编写机器学习算法时非常有用。您还需要了解高级数学。
以下是供您学习和练习的资源列表：
AVisualIntroductiontoMachineLearning
MachineLearning(ByAndrewNg)
MachineLearningLectures(TomMitchell)
ArtificialIntelligence(edX)(SpeciallyforpracticeexerciseinPython)
IntrotoStatistics
IntrotoArtificialIntelligence(IncludesLogicandRobotics)
ArtificialIntelligence
您还应该参加互联网上不同地方的各种AI和BOT编程竞赛：
Kaggle
CodingGame
HackerEarth
Robocup
拓展阅读：零基础的新手，如何快速入门机器学习和人工智能？
如何快速入门？如何掌握机器学习与人工智能的基础知识。给大家推荐几款权威的论文和机器学习资料。
UFLDL：非常好的DL基础教程，由AndrewNg编写。有很详尽的推导，有翻译，且翻译质量很高；
Deeplearning（paper）：年Nature上的论文，由三位深度学习界的大牛所写，读完全篇论文，给人高屋建瓴，一览众山小的感觉，强烈推荐。如果只能读一篇论文了解深度学习，我推荐此篇。这篇论文有同名的中文翻译；
Neuralnetworksanddeeplearning：这本书的作者非常擅长以浅显的语言表达深刻的道理，虽然没有翻译，但是阅读并不困难；
RecurrentNeuralNetworks：结合一个实际案例告诉你RNN是什么，整篇教程学完以后，会让你对RNN如何产生作用的有很清晰的认识，而这个效果，甚至是读几篇相关论文所没有的。
NeuralNetworksforMachineLearning：大牛的视角就是与众不同，看看Hinton对神经网络是怎么看的，往往会让你有种“原来如此”的感悟。其实看这门课程也等同于读论文，因为几乎每节课的参考资料里都有论文需要你读；
CSn：ConvolutionalNeuralNetworksforVisualRecognition：最新的知识，还有详细的作业。国内应该有团队对字幕进行了翻译，网上应该可以找到下载；
PRML：作为一门经典的机器学习书籍，是很有阅读必要的，会让你对机器学习拥有一个别样的观察视角。
如果你想要深入学习和了解一门学科，就要遵循一万小时定律，也就是说，只有当你在某一学科或领域付出长时间（一万小时以上）的学习和实践，才有可能达到了然的状态。这一点适应于人工智能，也适用于学习任何其他的学科。
人工智能/机器学习实践操作：
实践出真知，看了那么多论文学习人工智能和机器学习，那么怎么去检验自己的动手和动脑能力呢？
谷歌的AIY项目（AIYProjects）全称为ArtificialIntelligenceYourself，意为动手创造你的人工智能。该项目由Google于年启动，目标是让每个Maker（创客）都可以DIY自己的AI人工智能产品。Google先后在5月、12月份分别推出该项目代表的两组套件VoiceKit和VisionKit。
VoiceKit是Google首个推出的DIY人工智能产品。它可借助GoogleAssistantSDK和CloudSpeechAPI，将树莓派转换为语音数字助理。用户可在此基础上创建虚拟语音助手，为自己的项目添加语音交互功能。
VisionKit则是Google推出的第二弹DIY人工产品。它是一套简单的计算机视觉系统，可运行3种基于TensorFlow的类神经网路模型应用程序。
VoiceKit使用Google智能助理为您的RaspberryPi添加语音控制，而VisionKit则打开图像识别并向创客们引入了神经网络。它可以检测千中常见物体，但也可以对您的脸部表情进行检测，并显示出您的情绪，比如愤怒、开心等等。
语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用，但机器学习的发展仍还在继续，甚至被认为有可能彻底改变人类文明的发展方向乃至人类自身。