在2016年3月，阿尔法狗战争李世石的围棋之战。阿尔法狗是由谷歌（Google）旗下DeepMind公司开发的AI程序。 

一、理解AI

人工智能技术在发展的60多年里，经历过多次起起伏伏，而带领人工智能走向高潮的关键就是深度学习技术。此外，和当前人工智能技术相关联的另外三种技术：物联网、大数据和云计算。其关系如下：

1. 人工智能与物联网的关系：物联网的终端可以对环境进行感知与交互，为人工智能核心程序提供传感器与执行器。物联网终端不限于包括机器人、手机、穿戴式设备、无人飞机、自动驾驶汽车等等。通俗的说相当于吃饭的勺子。

2. 人工智能与大数据的关系：机器学习本身需要使用大量的数据进行训练，并且训练好的机器学习模型会产生【识别与预测】的数据，所有这些数据都需要大数据分布式存储与大数据计算技术支持。通俗的说相当于吃饭的饭。

3. 人工智能与云计算的关系：机器学习模型在训练时与实际使用时所使用的计算资源需要云计算来支持。通俗地说就是怎么吃饭。

二、AI发展

由于近些年大数据技术的快速发展，及其并行计算能力的大幅提升，以下领域因为应用了机器学习尤其是深度学习技术，直接使得相关性能指标大幅提升，其中很多指标已接近商业应用的标准，甚至部分技术指标已经超过了人类的专业水平！

1. 识别技术，包括：文字识别、图像识别、语音识别；

2. 基础应用技术，包括：自然语言处理NLP、计算机视觉CV/机器视觉MV、语音合成TTS等；

由这些识别、预测及其执行等技术的组合，又进一步推动了商用级应用的发展，例如：

1. 推动了自动驾驶应用：识别道路图像与声音，根据道路情况并预测下一步道路情况，根据所要达到的目的地执行驾驶动作。

2. 推动了客服系统应用：识别语音进行自然语言处理，进而预测可以最大满足用户需求的回复，并使用语音合成技术执行声音输出。

3. 推动了辅助办公的应用：识别当前工作状态，预测能达成最理想工作结果的行动方案，建议用户行动方案。

三、如何快速进入AI领域

我认为最快速的学习入门有两种方法：1）在招聘市场厮杀，尽快就业AI领域；2）学习部分基础知识后，选定目标应用方向进行实战演练。下面我们将对两项进行一一详述。

第一，尽快就业

首先，来看看我从招聘市场找来的两条典型的岗位要求：

1. 公司A：深入理解NLP，图像视觉、深度学习等技术，有能力将技术转化为产品，直接创造用户价值；

2. 公司B：对推荐系统、机器学习和大数据处理感兴趣，熟悉其中一项或者多项；

根据上面这种典型要求，我认为要想顺利进入这些公司，至少要针对以下名词有详细理解：AI(人工智能)、AGI(通用人工智能)、ML(机器学习)、DL(深度学习)、NLP(自然语言处理)、NLU(自然语言理解)、CV(计算机视觉)、MV(机器视觉)、ASR(自动语音识别)、TTS(语音合成)、知识图谱、区块链。然后，就是不断投递简历，从面试实战中找规律、碰运气。如果能尽早进入AI团队，尽早磨练，将是最快速入门AI的方式。

第二，自学与演练

这一块我的想法是按照如下步骤学习：

1. 第一步学习数学基础，包括：微积分、线性代数、概率与数理统计，但不要进行太深入的学习。关于深度学习与机器学习的教材中都会提及相关数学基础的要求。不过针对像我这种已经把大学知识忘记的差不多的人群，还是先找一些科普类或入门类的书籍垫垫底，要不然直接看书全都不懂...

2. 第二步学习机器学习与深度学习理论，同样不需要学习的太深入。因为我还没有学到这里，也就不发表什么看法了，不过，我个人也只想对这两种理论建立最基本的理解而已。

3. 第三步了解后面这些名词的基本概念：AI、AGI、ML、DL、NLP、NLU、CV、MV、ASR、TTS、知识图谱、区块链；

4. （这不是AI产品经理的普遍需求，只是我个人兴趣）学习简单编程技术，找到可以演练的场景，进行简单演练尝试。

好了，其实我目前也处于“自学与演练”状态，下面我把选择好的书籍给大家分享一下，包括已经研读的或准备研读的书籍列表：

1. 科普——人工智能未来的脑洞：《三体1,2,3》、《未来简史》、《奇点临近》、《机器人时代》

2. 科普——人工智能发展：《失控》、《智能时代》、《人工智能：李开复谈AI如何重塑个人、商业与社会的未来图谱》、《科学的极致-漫谈人工智能》、《终极算法》

3. 数学类：《数学之美》、《7日入门微积分》、《程序员的数学》(简单数学入门)、《程序员的数学-2》(概率与统计)、《程序员的数学-3》(线性代数)

4. 机器学习类：《图解机器学习》、《机器学习-周志华》

5. 其他AI类：《人工智能：一种现代的方法》

6. 编程实战类：《白话深度学习与TensorFlow》、《TensorFlow实战》、《Python编程 从入门到实践》