人工智慧是現今世界科技發展的趨勢，隨著8月22日教育部發布《新一代人工智慧發展規劃》，人工智慧的普及更會到達一個新的境界。而作為一名Android程式猿的我，除了學習好Android的開發知識，我更感覺我應該跟隨科技的潮流，學習下人工智慧以及能夠對人工智慧起到很大學習幫助的python。現在，就讓我跟著科技的前驅，一起來學習下人工智慧的知識。

個人感覺，學習人工智慧需要花費較大的時間和精力，人工智慧的學習不同於程式語言的學習，需要深入的瞭解許許多多的演算法，如果能設定一個目標來學習，對於我們學習人工智慧這門學科能夠起到很大幫助。例如，我設定的一個目標就是以實現人工智慧中的神經網路演算法\卷積神經網路演算法來實現對物流運輸路徑的自動規劃，雖然現在已經有很多人將深度學習演算法運用到了該領域上，但是一千個人有一千個看法，每個人研究的深度廣度都不是相同的。所以，我們應該相信自己能夠研究出來自己所需要的東西，然後將這些東西轉換到實際的運用上，從而提高我們自身的價值。

前提：人工智慧的學習需要涉及到微積分、概率論等高等數學知識，還好我數學的底子打得不錯，希望學習來不會太吃力。

機器學習

概念：

多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。

個人理解：機器學習就是利用各種外部條件、資料，經過資料加工工廠，從而反饋給我們資料。而這個最終得到的資料是否為我們所需要的，就是我們檢驗機器學習的最好方式。如果說每次反饋回來的資料都是符合我們最初的需求，那麼這種機器學習就是我們的所求。

學科定位：

人工智慧(Artificial Intelligence,AI）的核心，是使計算機具有智慧的根本途徑，其應用遍及人工智慧的各個領域，它主要使用歸納、綜合而不是演繹。

定義：

探究和開發一系列演算法來如何使計算機不需要通過外部明顯的指示，而可以自己通過資料來學習，建模，並且利用建好的模型和新的輸入來進行預測的學科。

學習：

針對經驗E (experience) 和一系列的任務 T (tasks) 和一定表現的衡量 P，如果隨之經驗E的積累，針對定義好的任務T可以提高表現P，就說計算機具有學習能力

應用：

語音識別、自動駕駛、語言翻譯、計算機視覺、推薦系統、無人機、識別垃圾郵件

Demo：

人臉識別、無人駕駛汽車、電商推薦系統