1樓：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。
2樓：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，不定性論研究範疇自然語言處理，知識表現，智慧型搜尋，推理，規劃，機器學習，知識獲取，組合排程問題，感知問題，模式識別，邏輯程式設計軟計算，不精確和不確定的管理，人工生命，神經網路，複雜系統，遺傳演算法意識和人工智慧人工智慧就其本質而言，是對人的思維的資訊過程的模擬
從這裡可以看出人工智慧的學習涉及眾多的學科，但是為了去學習人工智慧而輔修其它學科是完全沒用必要的 。
其次，學習AI對於我們這些普通人來說，是有學者身份和工程師身份來進行區別的：
如果你是乙個學者，那麼你需要擁有良好的數學功底，程式設計功底甚至是你所說的盡可能接觸其它學科的學習，因為你需要用你的知識和頭腦去創造/改進演算法，甚至更高層次的理解到它。
如果你將作為乙個工程師，你需要良好的程式設計能力和工程的研發能力，這可能不需要你很多的知識，因為學者已經為工程師們做出了眾多的優化，你只需要去利用學者的思想演算法去應用到你的工程中，並讓你的工程能執行下去即可。
3樓：
機器學習比較需要較強的數學能力，而人工智慧領域包括很多方向，其中神經科學就是一種，而神經科學也是最近備受關注的發展方向。
至於心理學，就我而言，並沒有關注到相關機器學習的在這領域應用，而且機器學習需要的是客觀的資料支撐，對於心理學偏主觀的判斷應該是不著邊的？（沒有心理學的了解，純粹個人理解）
4樓：aluea
Deepmind的創始人就是讀的神經學博士。
心理學應該沒什麼用，純經驗總結，路繞的太遠了。
反而現在被劃分都人工智慧中，能夠奉為圭臬的東西很少。
模型重複率極高，都是拷貝結構，只要數學功底深厚，看兩眼就能懂個七七八八。
搞這個還是得靠交叉領域，人工智慧這個學科本身沒有多少獨有的東西。
機器學習成就人工智慧，還是人工智慧成就機器學習？
智慧型的本質是 解決問題的能力 而機器學習只是人類創造出來的一種實現人工智慧的途徑而已。從本質上講，進化為學習提供了基礎，而學習為更精細的智慧型創造了條件。拿人類來講，為什麼有學習的能力？進化的結果。為什麼創造出了浩如煙海的可以改變世界的科技？學習的結果。進化是被動的適應環境，學習是主動的適應環境。...
什麼是人工智慧？人工智慧 機器學習 深度學習三者之間有什麼關係嗎？
祩徍徍 人工智慧是乙個很寬泛的概念，各種定義都有，機器學習是人工智慧的一種實現方法，深度學習是機器學習的一種實現方法，是在機器學習的基礎上建立起來的，深度學習最基本的形式就是神經網路。 王易諾 人工智慧 英語 artificial intelligence，縮寫為AI 是指由人製造出來的機器所表現出...
如果想從事人工智慧方面的研究，應該考研或者有什麼好的發展建議麼？都需要學些什麼知識？
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...