1樓：超越
這麼多年過去了，需要學習的知識也該更新一下。
就目前而言，卷積神經網路及其變體，是應該掌握的，包括一、卷積神經網路
下圖所示的LeNet-5，是卷積神經網路的開山之作。
二、殘差網路
殘差網路是一種層數極深、含有跨層連線的卷積神經網路。
殘差網路
三、殘差收縮網路
針對含噪、高冗餘的資料，殘差收縮網路[1][2]通過軟閾值化層，自動消除冗餘特徵資訊。
（面向強噪、高冗餘資料的）殘差收縮網路
2樓：校苑數模
Q：中國首家人工智慧技術學院成立了？你知道嗎？
A：當然知道了！如果連這個都不知道，我怎麼能夠叫AI小達人呢。
這個學院是中國科學院大學成立的。由中國科學院自動化研究所牽頭，聯合了計算所、軟體所等其他多個AI領域的研究所共同籌建的，沒有比這個更讓人激動不已的事情了！
Q：我一直想從事人工智慧方面的研究和學習，不知道學院成立以後怎麼能夠加入學院學習呢？
A：人工智慧技術學院，就叫AI學院吧，從今年開始就對外招收學生了，而且，這個學院不僅僅招收全日制的碩士生和博士生，還招收非全日制的碩士生呢。無論你是在職的，還是應屆畢業生考研，都有相應的渠道報考AI學院呢。
Q：非全日制是怎麼回事呢？
A：非全日制學生主要是區別於全日制學生來說的。非全日制的學生上課時間主要集中在週末，並不占用平日的時間。
所以，對於很多上班族是乙個進修的好機會呢。另外，2023年教育部出了新規，非全日制的學生畢業後也有學位證和畢業證呢，可以進行派遣。
Q：這麼好啊，那我怎麼上非全日制呢？
A：目前，非全日制學生也是和全日制碩士生一樣參加全國碩士生入學統考的。不過考試的內容相對比較簡單。
一共考四科，分別是「數學二」、「英語二」、「思想政治理論」還有一門專業課。專業課可以選擇「程式設計」或者「訊號與系統」。
Q：這個真是適應智慧型時代的人才需求啊，不過，對於應屆畢業生就只能參加全國碩士生統考了吧？
A：不僅僅如此呢，非全日制的招生對於應屆畢業生也是同樣可以報名的。更加重要的是，全日制的統考碩士生是可以通過調劑直接被非全日制錄取的。
所以，如果你是應屆畢業生，好好準備考AI學院吧。就算是成績不是很理想，也可以考慮調劑到非全日制哦！
Q：這些政策真是太好了！但是，我還是有點顧慮呢，AI學院的非全日制學生培養怎麼樣啊？
A：你說的很對，招生政策真心不錯。不過，你不必擔心，中國科學院大學AI學院可不同於其他學校哦。
非全日制的學生培養基本上和全日制的學生培養是相同的。不僅如此，AI學院依託強大的研究所，學生在學期間可以在研究所導師課題組進行實習。不僅可以享受相應的福利補助，最重要的是可以直接接觸到與AI 息息相關的專案，為未來的工作積累經驗呢。
不僅如此，AI學院的導師都是來自AI領域的大牛呢。跟隨大牛的步伐，加入強大的科研團隊，感受研究所的科研生活，你收穫的要比你想象的多多了。
......更多問題請進入中科院自動化研究所線上招生宣講會，直接和招生老師面對面交流。
3樓：daVinci
AI分為3個領域
1.行為主義，控制論方向
2.邏輯推理，符號主義，專家系統，lisp ...
3.連線主義，基於概率統計，進化計算，神經網路，貝葉斯...
目前主流就第3點研究應用的很多，
肖智博說的更多是第3點。
而大家所期待的類似電影終結者機械公敵裡面的STRONG AI目前還沒有辦法出現
4樓：通訊小白
看了已有的答案，稍微補充一些。
1， AI範圍很廣，現在也很熱門。統計系，電腦科學系， 電子工程系，自動控制系或生物資訊學等都有相關的課題涉及這個領域。其應有也很廣泛，從專業的生產，科研到人們的日常生活，無處不在。
2， 競爭激烈，進入這個領域的人越來越多，當然，也說明這個方向的前途。
3，數學很關鍵。 把實際的應有抽象近似為特定的數學模型，然後求解。統計，優化是重中之中。
祝好運！
如果我想從事機器學習或人工智慧，我應該輔修心理學還是數學或神經科學嗎？
逆行 數學，特別是統計數學，概率論，線性代數，數值優化。神經網路最初是有點借鑑神經科學的思想，如多層感知機，進行資訊傳遞，模仿神經元的突觸結構。但是現在的深度學習的模型已經跟神經科學沒什麼關係了，沒必要去學神經科。 王榮勝 涉及學科哲學和認知科學，數學，神經生理學，心理學，電腦科學，資訊理論，控制論...
做人工智慧方面的演算法研究需要用到微積分嗎？
臉雲 都是自動微分庫鬧得呀 不過都調包俠了，會用 sklearn 和 tf.train.AdamOptimizer 就行了，要啥數學 不需要，反正煉丹就是了。煉丹俠連用加減法算算padding多厚都不需要了，只需要記住lr從0.07 0.03 0.01 0.007 乙個乙個試一輪一輪煉丹就是了，哪需...
人工智慧會替代審計 財會方面的工作嗎？
黃大仙 不可能的事情！任何事情都包括兩個方面內容，一是判斷，二是根據判斷做出相應規定動作。計算機替代人工，都是根據人的判斷，然後替代人去做事務性的工作。不管人工智慧發展到何種地步，都得將人已知的判斷賦予機器，機器才能夠從事下一步動作。現在的人工智慧還在假說階段，也就是假定機械人能夠學習，能夠創新，同...