很多人都想学习人工智能,但是却不知道该学些啥?从宏观的视角搞清楚人工智能到底需要学习哪些领域的知识是至关重要的。这就好比要去逛一座大的商场,非常需要一份商场的楼层导览图,它能够告诉你各个楼层商户的分布;又好比去一个风景区游玩,非常需要一份景区地图,它能够为你清晰地呈现所有景点的位置。如果能够通过图形可视化的方式呈现出人工智能的知识架构,那么对于想要快速入门人工智能的人来说就能够直观地了人工智能到底应该学些啥。

通过图形可视化的方式对人工智能的知识架构加以呈现可以采用两种方式,即分别从系统和知识的角度加以呈现。本文主要从知识角度呈现人工智能的知识架构。关于从系统角度呈现人工智能的知识架构的内容已在上一篇文章《图解人工智能知识架构(从系统角度告诉你人工智能到底学些啥)》中加以介绍,欢迎阅读。

如图 2-5,从知识的角度可以将AI的知识体系拆解为:最底层的理论基础、中间层的编程技术、最上层的专业领域知识[4]。注意,千万不要将编程技术狭隘地理解为仅仅是写代码,它其实包含广泛的计算机知识,甚至是哲学知识。例如,顶级程序员之间的比拼,到最后往往比拼的是编程的思想、是理解客观物理世界的思维方式。这一观点似乎不易理解,《人工智能怎么学》的第4章对此做了详细论述,感兴趣的读者可以阅读此部分。此处先略过。下面将逐层解析图 2-5所示架构的内容。




人工智能系统的技术架构 人工智能技术架构图_人工智能系统的技术架构


图 2-5 从知识角度看人工智能的知识架构

1.人工智能理论基础

本文从知识角度来考察人工智能的知识架构,基于这一视角,人工智能的理论基础所包含的内容主要包括:数学、神经科学、心理学、物理学、伦理学等。需要指出的是:从这一视角来考察人工智能的知识架构,理论基础部分不包含专业理论,这是因为特意将专业理论单独拿出来作为专业领域知识放在架构的最上层。

2.人工智能编程技术

编程技术实际上指的是编程的技能以及支撑这一技能所需要的全部计算机知识,例如编程语言、编译原理、计算机网络、数据库系统、数据结构、算法导论、操作系统原理等,具体见图 2-6。要学好AI,则应全面地掌握好这些知识,否则再好的AI理论也无法通过编程技术得以应用。编程技术是AI领域干活的必备工具,必须高度重视编程技术的学习。


人工智能系统的技术架构 人工智能技术架构图_人工智能系统的技术架构_02


图 2-6 编程技术需要的知识体系

3.人工智能的专业领域知识

专业领域知识是指AI与具体领域相结合时所需要的该应用领域的知识。具体学习哪个领域的专业知识,取决于你从事于哪个专业领域的具体工作,解决哪个专业领域的实际问题[5]。比如说,如果从事金融行业的工作,则需要学习金融领域的专业知识。学习AI的最终目的是要解决专业领域的问题,这是进行AI学习的落脚点,必须掌握足够的专业领域知识。

从知识的角度对AI知识体系进行分解的方式,特别适合全面、系统地学习AI,可以称这一方式为自底向上的方式。如果有志于系统而深入地学习AI,建议采用此种方式。这一种方式类似于搭建房子,一层一层地往上建。如图 2-5所示,自底向上的学习方式将首先学习AI基础理论,然后学习编程技术,最后学习专业领域知识,将AI技术与专业领域知识相结合,解决专业领域的具体问题。

本文主要从知识角度介绍了人工智能的知识架构,如果读者需要对其有更加详细的了解或者需要对人工智能的课程体系及相应的课程知识点信息有更加深入的认识,可以阅读书籍 2中给出的三本介绍人工智能专业培养方案的书籍。郑南宁等人编著的《人工智能本科专业知识体系与课程设置》针对高等学校人工智能本科专业人才培养的专业内涵、定位和知识体系,设置了数学与统计、科学与工程、计算机科学与技术、人工智能核心、认知与神经科学、先进机器人技术、人工智能与社会、人工智能工具与平台等课程群,重点介绍了八大课程群中各门课程的概况和知识点,为培养具有科学家素养的工程师奠定知识和能力的基础[1]。南京大学人工智能学院编著的《南京大学人工智能本科专业教育培养体系》根据人工智能学科领域自身特点来建立全面系统的专业人才培养体系[4]。该培养体系侧重于使学生具备人工智能领域源头创新的能力、解决关键技术难题的能力。焦李成等人编著的《人工智能学院本硕博培养体系》汇总了十余年科教结合探索和实践的经验,阐述了人工智能本、硕、博一体化人才培养的体系,对于有志于从事人工智能专业学习的人员有很强的学习指导作用[5]。


人工智能系统的技术架构 人工智能技术架构图_大数据_03


书籍 2 人工智能知识体系书籍推荐: (a) 人工智能本科专业知识体系与课程设置 (郑南宁 等); (b) 南京大学人工智能本科专业教育培养体系 (南京大学人工智能学院); (c) 人工智能学院本硕博培养体系 (焦李成 等)

参考文献
  1. 郑南宁. 人工智能本科专业知识体系与课程设置[M]. 北京: 清华大学出版社, 2019.
  2. 晋宏营. 最大熵原理导出理想气体分子的速度和速率分布[J].科学技术与工程, 2012,12(030):7989-7992.
  3. 李素建, 刘群, 杨志峰. 基于最大熵模型的组块分析[J]. 计算机学报, 2003, 26(12):1722-1727.
  4. 南京大学人工智能学院. 人工智能导论[M]. 北京: 机械工业出版社, 2019.
  5. 焦李成, 李阳阳, 侯彪, 石光明. 人工智能学院本硕博培养体系[M]. 北京: 中国铁道出版社, 2019.