2018人工智能十本好书汇总

搜索了一下，目前网上还没有关于人工智能的书单，那就做一个，该帖中的书有的我正在读，有的已经读完，有的要反复读。此帖列出了个人觉得值得读的AI有关的书籍，前七本有中文版，后三本只有英文版。点击可以查看相关的阅读笔记。

1. 生命3.0-在亿年的尺度下审视生命的演进 4星

豆整本书翻译的质量很高，全书语言流畅，而且对于极权主义等敏感话题也没有一丝一毫的删减。更难得的是，由于译者是原书作者的好友，因此在翻译的过程中，加入了一些新的内容，包括18年AI领域的新鲜事，因此可以看成原书的升级版。

2. 机器与人-寻找人机之间的中间地带 4星

原书是今年3月20号在美国出版的。作为关于AI如何改变工作的众多相关书籍中评分较高的一本，本书亚马逊评分高达4.4分。这本书讲述了如何更好的面对AI取代工作这一话题，本书核心观点是未来真正的风口是人与机器作为同盟去共同解决问题。未来的确会有很多工作要消失，但在人机之间的中间领域，则会诞生出更多新的工作，有的是将人的智慧手机起来，来协助机器，有的是配合机器，给更多人赋予超能力。

3. 深度学习 - 智能时代的核心驱动力量(即将出版) 4星

本书的作者很牛，是美国四大国家学院(国家科学院、国家医学院、国家工程院、国家艺术与科学学院)在世仅3位的“四院院士”之一，全球AI专业会议NIPS基金会主席。本书有两个相互交织的主题：人类智能是如何进化的，以及人工智能会如何演变。作者以亲历者视角回溯了深度学习浪潮在过去60年间的发展脉络与人工智能的螺旋上升，并前瞻性地预测了智能时代的商业图景。

4. 人之彼岸 5星

全书的六个故事和两篇非科幻的思索，相映成趣，思考中提到的观点，都在小说中有所呈现。整本书的主题，用作者的话可以看成是“人工智能在彼岸，我们在此岸。”也可以用书中提出的“逆图灵测试”来概括。图灵测试是通过人类无法分别和Ta交流的是人类还是电脑来判定智能水平的，而逆图灵测试则是通过呈现人类特有的性状，让人类能够和那些智能水平上已经不相上下的AI区分开来。

5. AI极简经济学 4星

本书作者哈尔·瓦里安是谷歌首席经济学家，这本书从经济学角度以预测机器看待人工智能，书中指出人工智能当前的突飞猛进给我们带来的其实不是智能，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。这本书专业的从经济方面阐述该如何在依靠AI和人类自己的程度上，选择一个平衡点，让两者的不利点互相抵消。本书搭配了许多专业的图表设计和对比，从而帮助你更好的理解不同AI在不同场景下的回报率。

6. 百面机器学习 5星

年度最有用的一本书，但不适合新手，内容全面，需要你有基础。对于准备面试的同学，本书涵盖了许多面试过程中经常被问到的问题，而且也可以帮你梳理一下机器学习的知识点，绝对是你需要的，即使对于不找工作的同学，书中有许多工作中需要的技能和实例。这本书需要反复读。

7. 深度学习入门 基于 Python 的理论与实现 4星

对于深度学习入门而言，这是我推荐的第一本书.不同于基于常见的现有框架如pytorch，tensorflow等的入门书，这本书自己动手，从零做起，用基本的python语法和数学公式，实现了深度学习中最常用的算法。虽然本书不包含最新的研究和理论细节，但看懂了这本书，亲自动手实现了书中的算法。你才能够看懂最新的论文，并重复其中的结果。

8. 《Artificial Intuition》 4星

什么让深度学习与众不同-《Artificial Intuition》读书笔记上

《Artificial Intuition》读书笔记下 创造一种新的语言

《Artificial Intuition》是今年2月新出版的一本书，工科背景的作者Carlos Perez在自述中说这是一本写给大众的深度学习入门书，书中讲述了深度学习为什么说传统的机器学习有着显著的不同，为什么深度学习不是传统机器学习方法的小修小改，而是一个全新的物种，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. 从相关性到因果性-读《The book of Why》5星

这本书是因果推理和贝叶斯网络的奠基人Judea Peral和科普作家 Mackenzie, Dana合作写的一本因果推理的入门书，这本书中有太多技术的细节，虽披着科普书的称号，实际却是本科高年级水平的教科书。书中讲述了如何使用因果图来根据数据来判定两个事件之间是否有因果关系，以及如何使用因果推理去进行反事实的思考。做为对当前人工智能缺少因果推断的补充，该领域的应用前景和发展速度都值得关注。而tensorflow和pytorch也都在18年开始支持因果推断的新功能。

10. 《Machine Learning Yearning》 5星

大神吴恩达写了一年多的书，目前还没有写完，整本书不是讲机器学习的算法，而是讲让在实践中做机器学习项目时采用的策略，简称学习策略 (learning strategy)。具体可以参考 长文解读吴恩达新书《Machine Learning Yearning》

最后说一本不是很推荐，但值得茶余饭后读一读的 《Hello World》 3星

阅读这本书，是去年铁哥准备人工智能在现实生活中的影响时，叫我推荐几本书，我被这本书的标题吸引了。书中讲述了“算法”逐渐深入我们生活的方方面面(消费、医疗、保险、执法等等)的案例以及所造成冲击。不过书中的算法更多是统计相关的，而非新的机器学习算。本书虽然涵盖面很广，讨论却不够深刻。