python人工智能要看哪些书籍
https://zhuanlan.zhihu.com/p/27914939
@王小新编译整理量子位出品|公众号QbitAI
学习人工智能相关技术该读什么书？这是量子位各个微信群中出现频率极高的问题。
今天，我们就从Dev-books搬来了一份有理有据的精选书单。
Dev-books通过分析程序员问答网站Sackoverflow上4000万多个问题和答案，统计了提及频率最高的人工智能书籍，得到了如下结果。
量子位从Dev-books推荐中去掉了重复的和年代过于久远的书籍，最终得到14本书，做了简要介绍，以及中译本的情况。排名有先后。
1．学习OpenCV
LearningOpenCV的作者是GaryBradski和AdrianKaehler，两位都是OpenCV库的发起人。其中，Bradski是斯坦福大学人工智能实验室的顾问教授；Kaehler在2014-2016年间做过MagicLeap副总裁。
本书适合对计算机视觉和图像处理有基本了解的人群，通过本书能更好地了解OpenCV如何让编程任务更容易。
两位作者将众所周知的算法编码成可调用的函数库，可以用来完成更复杂的任务。当然，这也作为一本用户手册，目录结构清晰，遇到问题时可进行查阅。
这本书的中译本叫《学习OpenCV》，连封面都没怎么改……
定价75元，某东某宝某当某逊都有卖，50元左右。
2．人工智能：一种现代的方法
Artificialintelligence:AModernApproach是人工智能领域经典教材，作者是StuartJonathanRussell和PeterNorvig。Russell是加州大学伯克利分校的计算机科学教授，已发表超过100篇关于通用人工智能的论文；Norvig是GoogleResearch主管，AAAIfellow、ACMfellow。
本书提供了现代技术中关于人工智能理论与实践最全面和前沿的介绍，通过智能决策、搜索算法、逻辑推理、神经网络和强化学习等方面来介绍最先进的人工智能技术，推荐给对人工智能感兴趣的专业研究人员。
中译本封面大家可能更熟悉一些
现在市面上在售的是第三版，定价128元。
3．智能Web算法
AlgorithmsofIntelligentWeb的作者是HaralambosMarmanis和DmitryBabenko，前者是用机器学习解决工业问题的先驱，后者参与设计了用于银行、保险和供应链管理的应用程序。
本书会让你学会该如何捕获、存储和构建网络中的用户数据，并通过数理统计、神经网络和深度学习等方法实现数据分类，进而构建推荐系统。本书还提供了如在线广告的点击预测等案例分析，附有相关代码。
现在市面上常见的是第2版，两个版本的区别是第1版封面是蓝白，第二版封面是黑白配色。
中译本《智能Web算法(第2版)》定价69元。
4．语音与语言处理
这本书的作者是DanJurafsky和JamesH.Martin，两人都是斯坦福大学语言学系和计算机科学系教授。
本书涵盖了经典自然语言处理、统计自然语言处理、语音识别和计算语言学等方面。聊天机器人、智能问诊和对话系统等等让语音和语言处理成为21世纪最令人兴奋的一个研究内容。本文采用统计学方法和其他机器学习算法，通过实例来说明各种方法的相对优势和不足，分别涉及序列标注、信息提取、智能问答、语音识别和语音合成等多个前沿研究方向。对于语音学领域专业人员，这是一本重要的参考书籍。
中译本的书名丢掉了“语音”，叫《自然语言处理综论》，人民邮电出版社有英文影印版《语音与语言处理》。好像都不太好买到了。
5．模式识别与机器学习
PatternRecognitionandMachineLearning，作者是ChristopherM.Bishop，麻省理工学院教授。
这是第一本提出贝叶斯方法的模式识别教科书。本书提出了近似推理算法和用于描述概率分布的图模型等多种最新分类方法。
在阅读本书之前，最好有多变量微积分和基本线性代数等数理基础，面向人群为高年级本科生、研究生和相关研究人员。
这本书在国内通常被称为PRML，目前没有正式出版的中文版，但是有一个本该内部流传，结果变成了网上流传的电子版，背后详情见http://weibo.com/p/1001603885799136480788。
6．游戏人工智能编程案例精粹
ProgrammingGameAIbyExample，作者MatBuckland。
本书是游戏人工智能方面的经典之作，畅销多年，主要讲述如何使游戏中的角色具有智能，先介绍了游戏角色的基本属性及常用数学方法，接着深入探讨游戏智能体状态机的实现，提到了图在游戏中的用途及各种不同的图搜索算法，还以Lua脚本语言为例来介绍了游戏脚本语言的优点。
综上，本书适用于对游戏AI开发感兴趣的爱好者和游戏AI开发人员。
有中译本，定价79元，容易买到。
7．统计自然语言处理基础
FoundationsofStatisticalNaturalLanguageProcessing，作者是ChristopherD.Manning和HinrichSchütze，两人都是斯坦福大学教授。
这是国内外多所著名大学的计算语言学教材，全面系统地介绍了统计自然语言处理技术。
本书涵盖的内容十分广泛，包括了构建自然语言处理软件工具将用到的几乎所有理论和算法。全书的论述过程由浅入深，从数学基础到精确的理论算法，从简单的词法分析到复杂的语法分析，适合不同水平的读者群的需求。
中译本《统计自然语言处理基础》由电子工业出版社出版，定价55元，易断货。
8．模式分类
Patternclassification的作者是RichardO.Duda、PeterE.Hart和DavidG.Stork，其中Duda是圣何塞州立大学名誉教授。
本书是模式识别和场景分析领域的经典著作，第1版出版于1973年，2000年的第2版保留了第1版的关于统计模式识别和结构模式识别的主要内容以外，还新增了许多近25年来的新理论和新方法，其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。
中译本《模式分类》定价59元，某东某宝某当等等都有售。
9．模式识别中的神经网络
NeuralNetworksforPatternRecognition的作者和我们前边提到的《模式识别与机器学习》一样，也是ChristopherBishop，爱丁堡大学计算机系教授。
从统计模式识别的角度来看，这本书完整地介绍了前馈神经网络。本书在介绍基本数学知识后，研究了概率密度函数的建模方法以及多层感知机和径向基函数网络模型的性质和优点，还提到了误差函数的主要算法、神经网络调参技巧及贝叶斯技术的应用。
本书的目标人群为涉及神经计算和模式识别领域的相关研究人员。
没有见到中文版/(ㄒoㄒ)/~~
10．计算机视觉
ComputerVision:AModernApproach是计算机视觉领域的经典教材，作者为DavidForsyth和JeanPonce。
本书的内容涉及线性滤波、局部图像特征、聚类、图像分类、对象检测和识别、基于图像的建模与渲染等。
电子工业出版社引进了本书的英文影印版《计算机视觉：一种现代方法》，定价75元，某当还有货。
11.人工智能游戏编程真言
AIGameProgrammingWisdom的作者是SteveRabin，任天堂公司的首席软件工程师。
本书汇集了与智能游戏开发有关的人工智能内容，借助这些内容，开发员能够顺利开发角色。
全书内容分为11章，分别是：通用智能，实用技术和专用系统，A路径搜索，路径搜索与运动，战术问题和智能的群体运动，通用智能游戏贺构，决策体系结构，FPS、RIS和RPC游戏中的智能，竞赛与运动智能，脚本语言以及学习理论。
读者可以把这本书当成路线图，了解在智能游戏方面已经被成功使用的技术和在将来具有很大潜力的新技术。
无论是经验丰富的智能游戏专家，还是准备进入游戏业界的人士，本书都是必备资源。
中译本《人工智能游戏编程真言》定价54元，年代久远，似乎断货严重。
12．Java设计模式（第2版）
DesignPatternsinJava的作者是StevenJohnMetsker和WilliamC.Wake，其中Metsker是DominionDigital公司的管理顾问，擅长运用面向对象技术构建结构清晰、功能强大的软件系统。
本书通过一个完整的Java项目对经典著作DesignPatterns一书介绍的23种设计模式进行了深入分析与讲解，实践性强，却又不失对模式本质的探讨。
本书创造性地将这些模式分为5大类别，以充分展现各个模式的重要特征，并结合UML类图与对应的Java程序，便于读者更好地理解。同时本书给出了大量练习及参考答案，使读者印证比较，寻找不足。
中译本《Java设计模式》出版于2007年，定价49元，似乎同样严重断货。
13．Python自然语言处理
NaturalLanguageProcessingwithPython的作者是StevenBird、EwanKlein和EdwardLoper，三人分别是墨尔本大学软件工程系副教授、爱丁堡大学语言技术教授和宾夕法尼亚大学博士。
本书基于自然语言工具包NLTK库，不要求读者有Python编程的经验。
内容按照难易程度顺序编排，先介绍了语言处理的基础，讲述如何使用小的Python程序分析感兴趣的文本信息；接着讨论了结构化程序设计，以巩固前面几章中介绍的编程要点；然后介绍了语言处理的基本原理，包括标注、分类和信息提取等；进而再介绍了句子解析、句法结构识别和句意表达方法和如何有效管理语言数据。后记部分简要讨论了NLP领域的过去和未来。
综合评价，本书是自然语言处理领域的一本实用入门指南。
国内有中译本和英文影印本，都叫《Python自然语言处理》，中译本定价89元。
14.实用CommonLisp编程
PracticalCommonLisp的作者是PeterSeibel，加州大学伯克利分校教授。
本书是一本不同寻常的CommonLisp入门书，介绍了作者的学习经历，分别讲述了各种基础知识，主要包括：REPL及CommonLisp的各种实现、S-表达式、函数与变量、标准宏与自定义宏等，然后通过9个章节详细介绍了几个有代表性的实例，包含如何构建垃圾过滤器、解析二进制文件、构建ID3解析器，以及如何编写一个完整的MP3Web应用程序等内容。
本书适合CommonLisp初学者及对其感兴趣的相关人员。
中译本《实用CommonLisp编程》定价89元，各大电商平台都有，偶尔断货。
【完】
人工智能的历史、现状和未来
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能的发展历程划分为以下6个阶段：
一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。
三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。
六是蓬勃发展期：2011年至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为人工智能系统的智能水平即将全面超越人类水平、30年内机器人将统治世界、人类将成为人工智能的奴隶，等等。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域。例如，阿尔法狗（AlphaGo）在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，人工智能系统诊断皮肤癌达到专业医生水平。
通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才而无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CBInsights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量研究集中在深度学习，但是深度学习的局限是需要大量人工干预，比如人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据、用户需要人工适配智能系统等，非常费时费力。因此，科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低人员成本。
人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、天文学等传统科学的发展。
人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来10年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出，未来5年人工智能将提升各行业运转效率。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。2018年4月，欧盟委员会计划2018—2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略2018》重点推动物联网建设和人工智能的应用。世界军事强国也已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，制定完善人工智能法律法规，规避可能的风险。2017年9月，联合国犯罪和司法研究所（UNICRI）决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。美国白宫多次组织人工智能领域法律法规问题的研讨会、咨询会。特斯拉等产业巨头牵头成立OpenAI等机构，旨在“以有利于整个人类的方式促进和发展友好的人工智能”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少值得重视的问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北京大学等高校纷纷成立人工智能学院，2015年开始的中国人工智能大会已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出，到2030年人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
当前是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。实现机器在任意现实环境的自主智能和通用智能，仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此，发展人工智能要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
重视固本强基的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。面临发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
构建自主可控的创新生态。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。同时，我们要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能进一步拉大发达国家和发展中国家的生产力发展水平差距。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
（作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士）
人工智能入门书籍推荐
2016年随着Google开发机器人alphaGo战胜世界围棋冠军李世石，人工智能成为新闻热点和人们街头巷议的话题，人们猜测未来AI将取代人类完成许多无法完成的工作。去年国内许多大学也纷纷开设人工智能专业。那么人工智能主要学习什么呢？需要掌握哪些知识？今天我向大家介绍关于学习人工智能的参考书籍，最后大家可以留言索取人工智能学习资料。
人工智能是计算机学科的一个分支学科，学习计算机基础是算法和数据结构，并且掌握一门相关的编程语言。曾经因为互联网兴起的Java语言，如今由于AI的兴起排在Python语言之后。为什么Python会如此受大众的欢迎呢？首先，Python简单易学，轻松上手。同样的语句只有Java的五分之一，俗话说：人生苦短，我用Python。其次，Python可以调用的库非常多，如numpy、pandas、matplotlib、tkinter、pygame等等。最后，Python的功能非常丰富，可以做前端开发Django、网络爬虫、自动化运维和人工智能。
《零基础入门学习Python》（作者：小甲鱼），这可是Python入门必备书，并且网上能收到这本书的教学视频。作者上课教学风趣幽默，寓教于乐。主要介绍了：列表、元组、函数、类和对象、字典、模块等！推荐指数5颗星！
《机器学习》（又名：西瓜书 作者：国内人工智能泰斗，南京大学计算机系教授周志华）
这本书以西瓜挑选作为例子，内容丰富全面，涵盖了机器学习的方方面面，层次清晰，逻辑性强，适合有一定基础特别是有一定数学基础的技术人员。强烈推荐该书，这是我见过的最好的中文版机器学习教材。
关于机器学习的视频推荐大家看国际AI著名科学家吴恩达的网易云课程，详细介绍了回归、正则化、支持向量机、降维、异常检测，这些都是入门学习的必修课！推荐指数5颗星！
《深度学习》（有AI领域的三个大咖共同编写，其中一位是今年3月获得图灵奖的YushuaBengio）这本书被誉为AI圣经，其中包含三部分：第一部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第二部分深入的讲解深度学习的方法和技术；第三部分讨论某些具体前瞻性的方向和想法。
《Python深度学习基于Tensorflow》（作者是由国内大数据专家和算法工程师团队编著）
本书内容涵盖三部分：Python与数学基础、Tensorflow深度学习理论与应用、深度学习扩展。我最近在读，内容认真细致严谨，文中大量实例。
最后，各位需要人工智能相关的学习资料，可以给作者留言索取。
想了解人工智能这里有几本科普书推荐给你
人工智能是计算机科学的一个分支，并不是一个单一学科，图像识别、自然语言处理、机器人、语言识别、专家系统等等，每一个研究都富有挑战。对人工智能感兴趣，但无法确定具体方向，如何了解人工智能现状和研究领域？
笔者推荐4本科普书，对于大多数人来说，阅读难度不高，公式和理论少，内容有趣，能读得下去；信息较新鲜且全，要有一定阅读价值，能够有深入的思考当然更好。书单不长，只用做科普入门。
1、《超级智能》
2、《我们最后的发明：人工智能与人类时代的终结》
3、《智能时代》
4、《人工智能：国家人工智能战略行动抓手》
超级智能英文版：《SUPERINTELLIGENCE》
作者简介：
NickBostrom，著名思想家，牛津大学人类未来研究院的院长，哲学家和超人类主义学家。其学术背景包括物理、计算机科学、数理逻辑以及哲学，著有大约200种出版物，已经被翻译成22种语言。曾获得著名的EugeneR.Gannon奖（该奖项每年只有一名获得者，他们来自哲学、数学、艺术和其他人文学科与自然科学领域）。
推荐理由：
机器智能能发展到什么程度？普通人的机会在哪里？这是我们在面前快速发展的技术时，挥之不去的疑问和焦虑。Nicks在书中讨论这种超级智能将会具备什么能力，将会以什么方式到来，会不会威胁我们的生命？人类该如何在超级智能时代生存，如何向机器输入我们的价值观体系，如何管控机器？
Nick在不仅是在讨论机器智能可能带来的风险，同时也给出了他对于解决方案的思考，会有些启发。
我们最后的发明：人工智能与人类时代的终结英文版：《OurFinalInvention》
作者简介：
JamesBarrat，美国知名科普作家和解密类纪录片导演，20多年来一直关注人工智能领域的进展，多次为探索频道制作影片。
推荐理由：
James为了完成这本书，遍访了美国人工智能领域前沿学者和知名专家，与他们进行了深入对话，包括科幻大师ArthurClarke、未来学家RayKurzweil、机器人专家RodneyBrooks等。试图告诉读者，前沿学者们在研究什么，如何看待人工智能？是否会出现超级智能，是否会有奇点，人工智能是否是人类的终结者？大众是否低估了其中的风险而过于乐观，或高估了AI的潜能而过于悲观？
回顾展望人工智能的发展历程，书中介绍三种类型的人工智能：
1）弱AI（窄AI），即为某一垂直领域AI，比如自动客服、推荐系统等，目前已有不少商用案例；
2）AGI，即与人类智力水平相当的通用人工智能，研究人员努力的方向和最终的荣耀；
3）ASI，即智能水平远超人类的超级人工智能。
James只从专业人员那里了解到AI发展到AGI再到ASI的两种可能有效的途径，现阶段第2和3阶段的实现尚见不到踪影。
作为一个记录者，James追踪数十年的AI发展，书名就足以体现他对于超级人工智能的态度是悲观且焦虑的，全书对于人工智能的风险和威胁方面不惜笔墨地反复重申。书中的观点不一定是全部客观和正确，但是这些声音来自于行业内的研究人员和记录者，与其视而不见，听而不闻，任由知识空白带来的猜测和恐惧抓住我们，不如利用每一个信息窗口，尽早去了解和学习，把判断和选择的权力交还给自己。
智能时代作者简介：
吴军，博士，与2002年加入谷歌公司，2010年加盟腾讯公司，出任负责搜索和搜索广告的副总裁。2012-2014年回到谷歌，领导计算机自动问答项目。2014年，他在硅谷创办了丰元资本风险投资公司。他在美国两家风险投资基金（中国世纪基金和ZPark风险基金）分别担任董事和顾问，也是约翰霍普金斯大学工商学院董事会董事，以及该校国际事务委员会的顾问。
推荐理由：
正如副标题所说，这本书讲的是大数据和智能革命重新定义未来，书中大数据的内容更多。吴军博士在这本书中，没有对技术做深入的解读，而是从产业变革、技术应用中解读大数据的理念，属于科普读物。吴军博士看待问题的方式和思考方法，值得了解和学习，思考个人在变革中的位置。
人工智能：国家人工智能战略行动抓手作者简介：
由腾讯研究院、腾讯AILab、腾讯开放平台、中国信通院互联网法律研究中心联合著述。
推荐理由：
这本书从技术、战略、法律、伦理、治理、未来七个部分讨论人工智能，对人工智能产业全貌、最新进展、发展趋势进行了解读，梳理当前人工智能的应用和未来的发展，介绍了各国的人工智能方面的规划，对想全面了解人工智能，有志从事AI相关行业的读者有一定帮助。内容全，每一部分都没有深入论述，属于普及读物。
（如果有合适的书，希望留言推荐）