要熟知人工智能领域需要了解哪些方面的信息
人工智能领域和其他最新发展的技术一样是一个奠基数理科学上的一门技术。
1）所以最基础知识就是数学，也看到有的回答说需要逻辑。这个也是对的，其实严格上来讲逻辑与数学也不分家。多少数学家想把完备的数学大厦建立在逻辑的基础上 ，后来还是失败了（搜索David Hilbert, Bertrand Rusell）。这种失败也是逻辑学家哥德尔(Kurt Godel)用数学的方法来完成的。 离散数学中讲到的很多就是逻辑，也是计算机科学发展的基础。 一句话计算机与数学不分家，人工智能一般还是认为是计算机科学或信息科学的一个分支，所以一样离不开数学。
2）作为一个普通的人工智能工程师，不是所有的数学都需要。 主要是高等数学（微积分、优化）、线性代数、概率与统计这三门是非常重要而且必要的数学基础。 很难相信不懂什么是高斯分布可以用贝叶斯方法做推理，不懂线性代数可以理解高维空间流形，不懂微积分可以理解反向传播，和不懂优化能理解SVM. 这些必要的数学基础，也是在教机器学习和数据挖掘中一次次被复习的内容。 甚至很多课程要花大量的时间，确定学生有这样的基础。
3）编程是实现人工智能的方法，我们懂了理论，就要实践，代码是我们实现我们算法的唯一路径。如果我们代码能力不好，我们无法正确表述我们的理论模型，无法发现代码中的错误还以为是理论错了。甚至不够熟练，会把一个简单问题，变得很复杂，是算法的计算复杂度超级大，需要很长的时间求解。 我印象中一个特别清晰的例子，一个算法中涉及到的一步是从一个超大的数据库中需要找到3个最大的数，结果一个学生把整个数据库进行排序算法之后取前三个，可想而知。这个算法能快吗？还有跟多的例子是我们设计了一个算法，最后结果出来不是对，我们就研究、讨论、分析和各种办法想理解我们以前的想法哪里错了，结果呢，经常是一个Bug!
4) 英文能力，人工智能学科发展快。大部分文献是英文的，代码的解释也是英文的。很多技术博客等等，都是英文中有大量的优秀资源，不是中文中就没有，但是英文好会让你学习的能力事半功倍，可以追到前沿，直接看MIT，Berkeley, Standford, CMU教授的一手课程和笔记。
上一篇：个人优点和缺点20个