人工智能入门需要看那些书？

对于想要入门人工智能的读者，以下是一些值得推荐的书籍：

1、《人工智能：现代方法》（第4版）（上下册）

作者：[美] 斯图尔特·罗素（Stuart Russell）[美]彼得·诺维格（Peter Norvig） 著

内容：系统性总结人工智能的方方面面，国际人工智能领域专家斯图尔特·罗素撰写人工智能百科书，时隔十年重磅更新，被全球全球1500多所学校采用的经典教材。

全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分完美地践行了“现代”理念，实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。

适用人群：适合作为高等院校人工智能相关专业本科生和研究生的教材，也可以作为相关领域专业人员的参考书。

2、《人工智能》（第3版）

作者：[美] 史蒂芬·卢奇（Stephen Lucci），萨尔汗·M.穆萨，丹尼·科佩克 著

内容简介：美国经典人工智能教材第3版，人工智能的百科全书，新增深度学习及人工智能编程等内容，理论阐释结合动手实践。

本书包括引言、基础知识、基于知识的系统、人工智能高级专题、人工智能的现在和未来以及安全与编程六部分内容。第一部分从人工智能的定义讲起，对人工智能的早期历史、思维和智能的内涵、图灵测试、启发式方法、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识。第三部分介绍并探究了人工智能领域的成功案例，如DENDRAL、MYCIN、EMYCIN 等经典的专家系统，振动故障诊断、自动牙科识别等新的专家系统，也介绍了机器学习、深度学习以及受到自然启发的搜索算法等。第四部分介绍了自然语言处理和自动规划等高级专题。第五部分对人工智能的历史和现状进行了梳理，回顾了几十年来人工智能所取得的诸多成就，并对其未来进行了展望。第六部分主要介绍人工智能的安全以及编程问题。

适用人群：适合人工智能相关领域和对该领域感兴趣的读者阅读，也适合高校计算机专业的教师和学生参考。

3、《动手学深度学习》（PyTorch版）

作者：阿斯顿·张（Aston Zhang），李沐（Mu Li） 等 著

内容简介：全球400多所大学采用的教科书，提供视频课程、教学PPT、习题，方便教师授课与学生自学。能运行、可讨论的深度学习入门书，可在线运行源码并与作译者实时讨论。本书选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。

本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。

适用人群：主要面向在校大学生、技术人员和研究人员。

4、《深度学习》（Deep Learning）

作者：[美] Ian Goodfellow 等 著

内容简介：深度学习领域奠基性经典畅销书，数据科学家和机器学习从业者必读，长期位居美亚AI和机器学习类图书榜首，图灵奖获奖作品，全彩印刷。

深度学习》由全球知名的三位专家IanGoodfellow、YoshuaBengio和AaronCourville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1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2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。

适用人群：适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。