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。本文主要从系统角度呈现人工智能的知识架构。关于从知识角度呈现人工智能的知识架构的内容将在下一篇文章《图解人工智能知识架构(从知识角度告诉你人工智能到底学些啥)》中加以介绍，欢迎阅读。
从系统的角度看，人工智能的知识架构可以分拆为：AI理论、AI算法、AI软件、AI硬件等，具体参见图 2-1。
图 2-1 从系统角度看人工智能的知识架构
1.人工智能理论
AI理论涉及的内容如图 2-2所示，主要包括数学、神经科学、心理学、物理、专业理论、伦理学等[1]。AI中的数学理论主要包括分析学、概率论与统计学、线性代数与矩阵论、运筹学与最优化等，当然一些更高阶的内容，例如向量微积分、测度论等也是必须的。神经科学对AI研究有特别重要的理论意义，例如神经科学中与大脑相关的部分是AI领域中神经网络、深度学习的重要理论基础；此外，计算机视觉作为AI的一个重要领域，其创始人 David Marr就是剑桥大学神经生物学毕业的博士。心理学中与决策相关的部分对于AI的研究有重要指导意义，如何决策也是AI的研究内容之一。物理学对AI的发展也具有显著意义，例如光学成像就是AI中计算机视觉领域的一个重要的研究内容，又比如物理学中熵的概念[2][3]被引入AI中，从而发明了最大熵模型。专业理论则是指AI的具体应用领域的相关理论，例如将AI应用于金融分析中，则必须学习金融学有关的理论。伦理学主要解决人工智能技术的安全性及合法性等方面的问题，例如隐私保护等。
图 2-2 AI理论所涉及的内容
2.人工智能算法
AI算法的研究内容其本质是研究如何将数学模型转换为计算机能够执行的步骤。在AI的研究过程中，首先需要对具体的应用问题进行数学建模，但这些数学模型往往是高度抽象的。要将抽象的数学模型转变为生产力去解决物理世界中的实际问题，就必须借助计算机或者机器，让它们去执行相关的指令。这就必须通过程序去实现。在将数学模型转换为具体代码的过程中必须要有一个连接两者的桥梁，这个桥梁就是算法，见图 2-3。因此，算法研究人员通常是利用数学理论对具体问题进行建模，然后将模型转换为算法。相比于数学模型，算法能够更容易被程序员理解，进而写成代码。程序员可能看不懂数学公式，但是却能够很容易理解算法。
图 2-3 数学理论、算法和代码之间的关系
3.人工智能软件
AI软件的研究内容是为AI系统建立一套程序运行的框架或者架构，它是AI算法的载体，是包含一系列算法的集合。比如无人机软件就是无人机运行的一个软件架构，它里面包含了与无人机操作相关的一系列算法。AI软件的研究非常重要，它需要考虑代码的可扩展性、稳定性、高效性等一系列至关重要的问题。因此，AI软件的研究是AI研究内容的一个重点。虽然市面上有一些开源的AI软件可以解燃眉之急，但为长远计，还是要高度重视AI软件的研究和开发，避免被AI软件卡脖子的问题出现。
4.人工智能硬件
AI硬件的研究内容主要包括构建高性能AI服务器及AI系统决策指令的执行机构等，比如分布式数据存储器、GPU、机器人、无人驾驶汽车等，如图 2-4所示。AI软件和硬件的关系，好比人的大脑和四肢的关系。光有大脑，而没有四肢，就无法发挥人的作用。同样地，光有AI软件而没有AI硬件，就无法发挥AI的巨大威力。因此，对AI硬件的研究也必须高度重视。
图 2-4 常见的AI硬件设备
对于AI学习者而言，理论上可以按照AI理论、AI算法、AI软件、AI硬件这样的路线来学习，不过按照这样的思路来写的教材非常少见，所以按照这样的模式来逐步学习不太现实。但对于构建实际的人工智能系统而言，往往需要用到此知识架构。因此，建议按照下一篇文章，即《图解人工智能知识架构(从知识角度告诉你人工智能到底学些啥)》，来指导自己进行人工智能的学习，等搭建好自己的人工智能知识体系后，再将自己的知识体系转换成此文中的知识架构，进而指导自己构建人工智能系统的实践。
参考文献
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.
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.
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.
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.
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.
关于人工智能快速入门的更多精彩内容，可以购买《人工智能怎么学》进一步阅读。
图书购买方式
京东：https://item.jd.com/13395339.html
当当：http://product.dangdang.com/29469230.html
天猫：https://detail.tmall.com/item_o.htm?id=687374654836
为了让图书惠及更多的读者，为更多想学习人工智能的人提供帮助，经过向出版社申请，对图书《人工智能怎么学》的部分内容进行连载。图书《人工智能怎么学》的全部内容包含了初级入门、中阶提高以及高级进阶三个级别的内容。连载的内容主要是初级入门级别，适合想对人工智能进行快速和高效入门的读者，对于已有一定的人工智能学习基础，希望进一步进阶或提高的读者，则需要购买图书《人工智能怎么学》，学习中阶提高以及高级进阶的内容。此外，对于学习人工智能感兴趣的读者，也可以加入知识星球《人工智能怎么学》，知识星球是一个构建学习社群的平台，通过加入《人工智能怎么学》的社群，你将获得更多的学习资料和课程信息。
与作者互动和了解更多信息
想跟作者一起学习人工智能和互动，你可以加入如下社群：
知识星球：https://t.zsxq.com/0aLkVg0os
QQ群：600587177
想了解更多关于人工智能学习及实践的内容，请关注如下媒体：
官方网站：https://bigdatamininglab.github.io
官方微信公众号：人工智能怎么学(微信搜索“人工智能怎么学”添加关注)
CSDN：https://blog.csdn.net/audyxiao001
注：本文版权归作者个人所有，如需转载请联系作者，未经授权不得转载。
6523
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
