搜索。目前网上还没有关于人工智能的书单，自己做一个。这个帖子里的书有的正在读，有的已经读过，有的要反复读。这篇文章列出了我个人认为值得一读的AI相关书籍。前七个有中文版本，后三个只有英文版本。点击查看相关读书笔记。1.生命3.0——以亿年尺度审视生命演化4星斗整本书的翻译质量非常高，语言流畅，没有删减敏感话题等作为极权主义。更难得的是，由于译者是原著作者的朋友，在翻译过程中加入了一些新的内容，包括2018年AI领域的新东西，算是升级版了原书的版本。2.MachinesandHumans——寻找人与机器之间的中间地带今年3月20日，4星原著在美国出版。作为关于人工智能如何改变工作的评价较高的书籍之一，这本书的亚马逊评分为4.4。本书讲述了如何更好地面对人工智能取代工作的话题。本书的核心观点是，未来真正的风口是人类和机器结成联盟共同解决问题。未来确实会有很多工作会消失，但是在人和机器的中间领域，会诞生更多新的工作，有的是激活人类的智能手机来辅助机器，有的是和机器合作赋予更多人权力。超级大国。3.深度学习——智能时代的核心驱动力（待出版）4星的书作者很好。他是美国四大国家科学院（美国国家科学院、美国国家医学院、美国国家工程院、美国国家艺术与科学院）中唯一在世的第3人，是“第四届院士”之一科学院”和全球人工智能专业会议NIPS基金会主席。本书有两个相互交织的主题：人类智能如何进化，以及人工智能将如何进化。作者以一个经历过的人的视角，追溯了过去60年深度学习浪潮和人工智能螺旋的发展历程，前瞻性地预测了智能时代的商业版图。4.5星书中的六个故事和人类另一面的两个非科幻思想形成了有趣的对比，思想中提到的观点都在小说中呈现。全书的主题，用作者的话来说，可以看作是“人工智能在彼岸，我们在这边”。也可以用书中提出的“逆向图灵测试”来概括。图灵测试是通过人类无法与Ta交流来判断智能的高低，无论是人还是计算机，而逆向图灵测试则是呈现人类特有的特征，让人类可以与那些AI竞争其智力水平已经相当区分。5.AIMinimalistEconomics4星本书作者HalVarian是谷歌的顶级经济学家。本书使用预测机器从经济学的角度审视人工智能。书中指出，当前人工智能的快速发展带给我们的不是智能，而是智能的一个关键组成部分——预测。通过人工智能，可以筛选出更符合大众口味的产品。本书从经济学的角度专业阐述了如何在依赖人工智能和人类方面选择一个平衡点，使两者的劣势相互抵消。本书配有众多专业的图表设计和对比，帮助你更好地了解不同AI在不同场景下的收益率。6.百面机器学习是年度最有用的书，5星，但不适合新手。内容全面，需要你有一定的基础。对于准备面试的同学来说，本书涵盖了很多面试过程中经常被问到的问题，也可以帮助大家梳理机器学习的知识点。这绝对是您所需要的。即使对于没有找工作的学生，书中也有很多工作需要的技巧和例子。这本书需要反复阅读。7.深度学习入门Python-basedTheoryandImplementation4星对于深度学习入门，这是我推荐的最好的书。不同于基于pytorch、tensorflow等现有常见框架的入门书籍，本书自己动手，从零开始，运用基本的python语法和数学公式，实现深度学习中最常用的算法。虽然这本书没有包含最新的研究和理论细节，但是看完这本书后，我自己实现了书中的算法。只有这样你才能阅读***的论文并复制结果。8.《Artificial Intuition》4星WhatMakesDeepLearningDifferent-《Artificial Intuition》读书笔记《Artificial Intuition》读书笔记与创造一门新语言《Artificial Intuition》是今年2月出版的新书，工程背景作者CarlosPerez他在自述中说，这是一本面向大众的深度学习入门书籍。本书讲述了为什么深度学习与传统机器学习有显着不同，以及为什么深度学习不是对传统机器学习方法的微小修改。它是一个全新的物种，关键词是自组织、动态和负反馈（GAN中的猫鼠游戏，探索与利用的权衡）。9.从相关性到因果关系-阅读《The book of Why》5星本书是因果推理入门书籍，由因果推理和贝叶斯网络的创始人JudeaPeral与科普作家Mackenzie,Dana合着。书中的技术细节太多了。虽然名义上是科普读物，但实际上是高年级本科生的教材。书中讲述了如何使用因果图根据数据判断两个事件之间是否存在因果关系，以及如何使用因果推理进行反事实思考。作为目前人工智能缺乏因果推理的补充，该领域的应用前景和发展速度值得关注。tensorflow和pytorch也都在2018年开始支持因果推理的新功能。10.《Machine Learning Yearning》5星高手吴恩达写了一本书一年多了，还没写完。整本书不是讲机器学习的算法，而是讲机器学习项目在实践中使用的策略，简称学习策略。详情可以参考解读吴恩达新书的长文《Machine Learning Yearning》***我说的不是很推荐，但值得饭后看。《Hello World》3星看过这本书，是去年铁哥在现实生活中准备人工智能的时候受到影响，让我推荐几本书，就被这本书的书名吸引了。书中讲述了“算法”逐渐渗透到我们生活方方面面（消费、医疗、保险、执法等）的案例，以及它们所造成的影响。然而，书中的算法比新的机器学习算法在统计上更相关。虽然这本书涵盖了很多领域，但讨论还不够深入。
