最近幾年人工智能概念的火熱很大程度上是因為隨著計算能力的發(fā)展（此處可cue英偉達）深度學(xué)習(xí)算法在應(yīng)用落地方面大放異彩（主要是圖像和語音的識別和分類上）。

在2012年的ImageNet圖像大賽上，多倫多大學(xué)的Geoffrey Hinton教授（現(xiàn)在的深度學(xué)習(xí)三巨頭之一）就帶領(lǐng)著團隊使用深度學(xué)習(xí)進行機器訓(xùn)練與圖像識別，錯誤率只有15.3%，成為圖像識別學(xué)科歷史上的一個重要節(jié)點。

2015年的ImageNet圖像大賽上，微軟亞洲研究院團隊的系統(tǒng)錯誤率低至3.57%，第一次超越了人類。

2016年，人工智迎來了自學(xué)科建立60年以來最大規(guī)模的市場應(yīng)用爆發(fā)潮。承借著深度學(xué)習(xí)在計算機視覺領(lǐng)域的首先爆發(fā)，云計算平臺、顯卡、芯片等的研發(fā)成為行業(yè)熱點，而數(shù)字醫(yī)療、智能家居、自動駕駛、語音助手等應(yīng)用也獲得了極大的突破。

扯遠(yuǎn)了，在回答這個問題前，首先要把幾個概念搞清楚，“人工智能(AI)”、“機器學(xué)習(xí)”、“深度學(xué)習(xí)”、“卷積神經(jīng)網(wǎng)絡(luò)”。

以下概念范圍從大到小：

所以我們回到問題上，“想做一個人工智能的東西”這個表達比較含糊，如果你說想造一個素子小姐那短期內(nèi)還是不太可能的……如果你說想利用深度學(xué)習(xí)、機器學(xué)習(xí)來打造一款A(yù)I應(yīng)用，比如圖像分類、視頻處理、人臉識別之類的，還是可行的。

上文提到的Yann LeCun大神就曾經(jīng)回答過這個問題：

首先人工智能，你需要盡一切可能把所有具有連續(xù)性的數(shù)學(xué)和物理課程都上一遍。微積分（I）、 微積分（II）, 微積分（III）、線性代數(shù)、概率論、統(tǒng)計學(xué)這幾項是必不可少的，另外你還需要盡可能多的去聽物理學(xué)的課程，貝葉斯推理、反向傳播算法、傅立葉變換等等未來都會用到。

如果必須要在“iOS編程”和“量子力學(xué)”之間選一門，一定要選量子力學(xué)。不過與此同時，你還是要確保學(xué)習(xí)編程……

看到這里還沒有點小叉叉的同學(xué)人工智能，給你一朵小紅花。

全部學(xué)完之后，[劃掉]導(dǎo)師就會來邀請你申獎學(xué)金了[/劃掉]，接著選一個你感興趣的AI問題。然后獨立對這個問題進行思考。（比如我想做一個人臉識別的軟件，我應(yīng)該用什么方法采集數(shù)據(jù)，如何分類人臉特征，如何識別等等）

一旦你形成了自己的想法，就開始讀書、讀論文。網(wǎng)上也有很多關(guān)于機器學(xué)習(xí)、深度學(xué)習(xí)的材料、教程和視頻課程，但是建議你先思考－再讀書－最后看教程。

小智插話：對于中國學(xué)生而言，你還需要確保自己的英語水平常年保持在6級以上。畢竟所有大牛的論文都是英文的……

讀完之后你將會發(fā)現(xiàn)，（1）你之前的想法有點幼稚，但是（2）你對這個問題的看法開始有點不一樣了。

接著，如果你是個本科生，你就可以去勾搭教授了，清華、中科院、北航等都是業(yè)內(nèi)不錯的院校，英語好的可以去勾搭國外教授。但是鑒于你現(xiàn)在也沒有發(fā)表什么作品，教授勾搭不到的話，轉(zhuǎn)而勾搭博士/博士后也是可以的。

對于已經(jīng)工作了的人來說，有幾個線上文獻/課程可以參考。

地址戳：

地址戳：

此外，F(xiàn)acebook、英偉達等也都設(shè)立了AI相關(guān)的線上/線下課程教程、還有Caffe、Torch、TensorFlow、Theano等這幾大開源平臺的使用手冊、最近國內(nèi)外各類的AI大會也都層出不窮……想學(xué)東西的方法很多，這只是其中一條路而已。