有关人工智能与机器学习领域的概况
人工智能是什么？
关于人工智能的定义在学术界一直尚存争议，原因也无非是因为实在难以给智能下定义。
目前比较广泛的说法是：人工智能是一门研究、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的一门技术科学。
人工智能领域从开发层面上可以分两个领域，其一为硬件方向，其二为软件方向。
硬件方向目前是将研发中心放在打造专门适配机器学习领域的芯片，试图设计出能够模拟人脑进行高效运算的芯片。
软件方向除了机器学习领域外，其实还有其他分类。这里就不得不提到人工智能的发展史了，曾经人工智能在研究方面有分五个流派，其一是符号处理流派，即符号人工智能，其二是亚符号人工智能，其三是联结主义，其四便是传统机器学习「狭义意义上的机器学习」，其五才是今天正火热的深度学习。详细情况可以查看下面写的人工智能发展史。
机器学习究竟是啥？
机器学习，广义上讲就是统计机器学习，这个领域的数学核心是概率论和统计学，机器学习的能力并不是凭空产生的，它的能力是有相关学科理论基础保证的，因此想学好机器学习并不是一件容易的事，还请求学者准备好这份觉悟。
统计机器学习从学习方式上分类的话，可以分为：
- 有监督学习
- 半监督学习
- 无监督学习
- 强化学习
- 主动学习/查询学习
- 迁移学习
- 表征学习
- 对抗学习
- 对偶学习
- 分布式学习
- 元学习
- ……
统计机器学习从应用领域上分类的话，可以分为：
计算机视觉
- 目标检测
- 图像修复与增强
- 去雨化
- 去雾化
- 图像残缺修补
- 低照度增强
- 图像去噪
- 图像分割
- 语义分割
- 实例分割
- 对抗攻击
- 数据生成
- 生成人脸
- 动作迁移
- 风格迁移
- 目标追踪
- ……
自然语言处理「客观上说自然语言处理是众多领域上的前沿」「详细链接」
- 自然语言理解
- 自然语言生成
- 语音识别
- 情感分析
- 机器翻译
- 人机对话
- ……
偶然搜到的30个练手项目
音频处理「详细链接」
- 音频分类
- 音频指纹识别
- 自动音乐标注
- 音频分割
- 音源分离
- 节拍跟踪
- 音乐推荐
- 音乐信息检索
- 音乐转录
- 音符起始点检测
- ……
统计机器学习从研究方向上分类的话，可以分为：
- 机器学习可解释性研究
- 轻量机器学习与边缘计算
- 量子机器学习
- 社会机器学习
- ……
（研究领域太多了，这里就不一一列举了）
人工智能发展史
人工智能发展的道路并非一帆风顺，直到今天为止经历过两次大寒冬时期。
人工智能的起源，追寻什么是真正的智能。
“人工智能”一词由约翰·麦卡锡（John McCarthy）提出，其目标是“真正的”智能，而非“人工的”智能。
符号人工智能，无需构建模拟大脑运行的程序。
符号人工智能最初是受到数学逻辑以及人们描述自身思考过程的方式的启发，在人工智能领域发展的最初30年里占据了主导地位，以专家系统最为著名。
亚符号人工智能，从神经科学角度捕捉无意识思考。
亚符号人工智能从神经科学中汲取灵感，试图捕捉隐藏在“快速感知”（Fast Perception）背后的无意识思考过程。
联结主义崛起，神经网络再次流行。
联结主义认为：智能的关键在于构建合适的计算结构，并从数据或现实世界中学习。
机器学习，拉开下一个人工智能大变革舞台的序幕
基于统计学和概率论，研究者开发了一系列使计算机从数据中学习的方法，并形成了人工智能领域的一门分支学科。
深度学习，人工智能的春天再一次百花盛开。
从IBM的深蓝到沃森再到AlphaGo，统称为深度学习的人工智能方法已经成了主流的人工智能范式。
人工智能未来该何去何从？
迄今为止，尽管人工智能仍在火热阶段，但应该看到，它也在迎来瓶颈期，未来该如何发展依旧不定，有人持乐观态度，相信当前深度学习发展到一定程度会又一次出现革新，但也有人持悲观态度，认为人工智能可能在未来将要迎接第三次寒冬。
当下问题的焦点在于，人究竟该如何去理解、解释智能的真正含义？我们想要的人工智能究竟该是什么样子？
当然，这些不是现在我们能够考虑的，但至少，认识到这个问题能让你对未来有更清晰的印象和更理性的认知。
这些内容大致了解即可，虽然对具体学习任何内容可能没什么帮助，但会有助于你对整个领域的掌控与了解，同时也是拓宽眼界的机会。