2018人工智慧十本好書彙總
搜尋了一下，目前網上還沒有關於人工智慧的書單，那就做一個，該帖中的書有的我正在讀，有的已經讀完，有的要反覆讀。此帖列出了個人覺得值得讀的AI有關的書籍，前七本有中文版，後三本只有英文版。點選可以檢視相關的閱讀筆記。
1. 生命3.0-在億年的尺度下審視生命的演進 4星
豆整本書翻譯的質量很高，全書語言流暢，而且對於極權主義等敏感話題也沒有一絲一毫的刪減。更難得的是，由於譯者是原書作者的好友，因此在翻譯的過程中，加入了一些新的內容，包括18年AI領域的新鮮事，因此可以看成原書的升級版。
2. 機器與人-尋找人機之間的中間地帶 4星
原書是今年3月20號在美國出版的。作為關於AI如何改變工作的眾多相關書籍中評分較高的一本，本書亞馬遜評分高達4.4分。這本書講述瞭如何更好的面對AI取代工作這一話題，本書核心觀點是未來真正的風口是人與機器作為同盟去共同解決問題。未來的確會有很多工作要消失，但在人機之間的中間領域，則會誕生出更多新的工作，有的是將人的智慧手機起來，來協助機器，有的是配合機器，給更多人賦予超能力。
3. 深度學習 - 智慧時代的核心驅動力量(即將出版) 4星
本書的作者很牛，是美國四大國家學院(國家科學院、國家醫學院、國家工程院、國家藝術與科學學院)在世僅3位的“四院院士”之一，全球AI專業會議NIPS基金會主席。本書有兩個相互交織的主題：人類智慧是如何進化的，以及人工智慧會如何演變。作者以親歷者視角回溯了深度學習浪潮在過去60年間的發展脈絡與人工智慧的螺旋上升，並前瞻性地預測了智慧時代的商業圖景。
4. 人之彼岸 5星
全書的六個故事和兩篇非科幻的思索，相映成趣，思考中提到的觀點，都在小說中有所呈現。整本書的主題，用作者的話可以看成是“人工智慧在彼岸，我們在此岸。”也可以用書中提出的“逆圖靈測試”來概括。圖靈測試是通過人類無法分別和Ta交流的是人類還是電腦來判定智慧水平的，而逆圖靈測試則是通過呈現人類特有的性狀，讓人類能夠和那些智慧水平上已經不相上下的AI區分開來。
5. AI極簡經濟學 4星
本書作者哈爾·瓦里安是谷歌首席經濟學家，這本書從經濟學角度以預測機器看待人工智慧，書中指出人工智慧當前的突飛猛進給我們帶來的其實不是智慧，而是智慧的一個關鍵組成部分——預測，通過人工智慧，可以篩選出更符合大眾口味的產品。這本書專業的從經濟方面闡述該如何在依靠AI和人類自己的程度上，選擇一個平衡點，讓兩者的不利點互相抵消。本書搭配了許多專業的圖表設計和對比，從而幫助你更好的理解不同AI在不同場景下的回報率。
6. 百面機器學習 5星
年度最有用的一本書，但不適合新手，內容全面，需要你有基礎。對於準備面試的同學，本書涵蓋了許多面試過程中經常被問到的問題，而且也可以幫你梳理一下機器學習的知識點，絕對是你需要的，即使對於不找工作的同學，書中有許多工作中需要的技能和例項。這本書需要反覆讀。
7. 深度學習入門 基於Python的理論與實現 4星
對於深度學習入門而言，這是我推薦的第一本書.不同於基於常見的現有框架如pytorch，tensorflow等的入門書，這本書自己動手，從零做起，用基本的python語法和數學公式，實現了深度學習中最常用的演算法。雖然本書不包含最新的研究和理論細節，但看懂了這本書，親自動手實現了書中的演算法。你才能夠看懂最新的論文，並重復其中的結果。
8. 《Artificial Intuition》 4星
什麼讓深度學習與眾不同-《Artificial Intuition》讀書筆記上
《Artificial Intuition》讀書筆記下 創造一種新的語言
《Artificial Intuition》是今年2月新出版的一本書，工科背景的作者Carlos Perez在自述中說這是一本寫給大眾的深度學習入門書，書中講述了深度學習為什麼說傳統的機器學習有著顯著的不同，為什麼深度學習不是傳統機器學習方法的小修小改，而是一個全新的物種，關鍵詞是自組織，動態和負反饋(GAN中的貓鼠遊戲，探索與利用的權衡)。
9. 從相關性到因果性-讀《The book of Why》5星
這本書是因果推理和貝葉斯網路的奠基人Judea Peral和科普作家 Mackenzie, Dana合作寫的一本因果推理的入門書，這本書中有太多技術的細節，雖披著科普書的稱號，實際卻是本科高年級水平的教科書。書中講述瞭如何使用因果圖來根據資料來判定兩個事件之間是否有因果關係，以及如何使用因果推理去進行反事實的思考。做為對當前人工智慧缺少因果推斷的補充，該領域的應用前景和發展速度都值得關注。而tensorflow和pytorch也都在18年開始支援因果推斷的新功能。
10. 《Machine Learning Yearning》 5星
大神吳恩達寫了一年多的書，目前還沒有寫完，整本書不是講機器學習的演算法，而是講讓在實踐中做機器學習專案時採用的策略，簡稱學習策略 (learning strategy)。具體可以參考 長文解讀吳恩達新書《Machine Learning Yearning》
最後說一本不是很推薦，但值得茶餘飯後讀一讀的 《Hello World》 3星
閱讀這本書，是去年鐵哥準備人工智慧在現實生活中的影響時，叫我推薦幾本書，我被這本書的標題吸引了。書中講述了“演算法”逐漸深入我們生活的方方面面(消費、醫療、保險、執法等等)的案例以及所造成衝擊。不過書中的演算法更多是統計相關的，而非新的機器學習算。本書雖然涵蓋面很廣，討論卻不夠深刻。