Python人工智能入门
人工智能，在发展过程中产生了很多的流派，应用场景众多，因此有多种定义不足为奇，下面给出两种：
人工智能(Artificial Intelligence, AI) ，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能作为计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能是一门融合了计算机科学、统学、脑神经学和社会科学的前沿综合性学科。它的目标是希望计算机拥有像人一样的智力能力，可以替代人类实现识别、认知、分类和决策等多种功能。
人工智能在计算机领域内，得到了愈加广泛的重视。人工智能应用场景：
汽车自动驾驶、人脸识别、自然语言处理、个性化推荐、生命科学、预测与分类场景等。
要想深刻理解人工智能，可以对比传统软件。
简单的说：传统软件是“基于规则”的，需要人为的设定条件，并且告诉计算机符合这个条件后该做什么。
这种逻辑在处理一些简单问题时非常好用，因为规则明确，结果都是可预期的，由程序员设定，不可能超越人类的知识边界。
但是现实生活中充满了各种各样的复杂问题，这些问题几乎不可能通过制定规则来解决，比如人脸识别通过规则来解决效果会很差。
人工智能（Artificial Intelligence）、机器学习（Machine Learning）、深度学习（Deep Learning）关系，见下图：
?
深度学习的技术原理是机器从“特定的”大量数据中总结规律，归纳出某些“特定的知识”，然后将这种“知识”应用到现实场景中去解决实际问题。
人工智能的8个有用的日常例子 人工智能的8个有用的日常例子 - 51CTO.COM
人工智能十大流行算法，通俗易懂讲明白人工智能十大流行算法，通俗易懂讲明白_腾讯新闻
下面的两个链接，可以加深了解
人工智能、机器学习和深度学习的联系与区别 小白都能看懂：人工智能、机器学习和深度学习的联系与区别！_腾讯新闻
人工智能应该学什么人工智能应该学什么、怎么学、以及去哪学|图灵|计算机_网易订阅
由此可知，人工智能是个宽泛的目标，知识量庞大难度较高，因此得将目标拆分成阶段性目标才易于执行。数学（高等数学、线性代数、概率论和数理统计等）是不可避免的，但在学习人工智能技术的初期，也并不会遇到非常复杂的数学问题，只需要具有一些线性代数、概率论的基础知识就可以了，可以在学习人工智能技术的过程中，逐渐补齐自己的短板。
人工智能是个大课题，加之本人学之不精，因此，本文仅将介绍使用Python实现人工智能特定领域的简单实践，帮助新手入门尝试。大致步骤：
（1）了解人工智能的一些背景知识，前面提及。
（2）熟悉机器学习工具库。
（3）动手去做一些AI应用。
（待续）
附录
Python人工智能库 深度盘点 | 整理了47个Python人工智能库 - 知乎