学习人工智能有哪些书籍推荐？

1、人工智能：一种现代的方法

作者：Stuart Russell，Peter Norvig

以详尽和丰富的资料，从理性智能体的角度，全面阐述了人工智能领域的核心内容，并深入介绍了各个主要的研究方向，是一本难得的综合性教材。

2、Neural Networks and Deep Learning

作者：Michael Nielsen

从机器学习到深度神经网络。

3、The Cambridge Handbook of Artificial Intelligence

作者：Frankish, Keith ，William M. Ramsey

权威专家描述了人工智能领域的前沿工作。这本书是为非专业人士撰写的，涵盖了学科的基础、主要理论和主要研究领域，以及人工生命等相关课题。

4、The Emotion Machine: Commonsense Thinking, Artificial Intell

作者：Marvin Minsky，Simon ， Schuster

人工智能之父马文·明斯基有力地论证了：情感、直觉和情绪并不是与众不同的东西，而只是一种人类特有的思维方式。也同时揭示了为什么人类思维有时需要理性推理,而有时又会转向情感的奥秘。通过对人类思维方式建模,他为我们剖析了人类思维的本质，为大众提供了一幅创建能理解、会思考、具备人类意识、常识性思考能力，乃至自我观念的情感机器的路线图。

5、Artificial Intelligence: A New Synthesis

作者：Nils J. Nilsson

从粒子反应入手，Nilsson逐渐向我们展示了人工智能中最重要和最新的概念。

6、Prolog Programming for Artificial Intelligence

作者：Ivan Bratko

本书是针对Prolog和人工智能的，包含该领域的关键发展，主要讲使用Proglog语言编程解决有趣的人工智能问题。

7、AI Algorithms, Data Structures, and Idioms in Prolog, Lisp, and Java

作者：George F. Luger，William A Stubblefield

本书有三个目的。第一个是作为人工智能中一般类的编程语言组件。第二个用途是大学课程本身探索编程范式。第三个意图是通过探索多种编程习语，模式和范例，为专业程序员提供继续教育的机会。

8、Superintelligence: Paths, Dangers, Strategies

作者：Nick Bostrom

阅读这本书，学习关于神谕、基因、单身的知识；关于拳击方法、绊网和精神犯罪；关于人类的宇宙禀赋和差异化的技术发展；间接的规范性，工具性的融合，整个大脑仿真和技术耦合；马尔萨斯经济学和反乌托邦进化论；人工智能，生物认知增强，以及集体智慧。

9、Our Final Invention: Artificial Intelligence and the End of the Human Era

作者：James Barrat

作者是科普及解密类纪录片导演，20多年来一直关注人工智能领域的进展。通过科技前沿人员、行业监管机构和开创性的人工智能系统的介绍，James Barrat的最后一项发明探索了对先进人工智能的忽视。到目前为止，人类的智力还没有竞争对手。我们能和那些智力比我们小的人共存吗?他们会允许我们这样做吗?

10、How to Create a Mind: The Secret of Human Thought Revealed

作者：Ray Kurzweil

作者是谷歌公司工程总监，将我们日常生活中先进的大脑过程、自我和智力联系起来，并解释了曾经只是科幻小说的人工智能如何迅速赶上。

11、Artificial Intelligence: Foundations of Computational Agents

作者： David L. Poole ,‎ Alan K. Mackworth

本书展示了基本方法之如何融入多维设计空间，平衡了理论和实验，展示了如何将它们连接在一起，并将AI的科学与工程应用相结合。

12、The Quest for Artificial Intelligence

作者：Nils J. Nilsson

本书回顾了人工智能的历史，从早期的18世纪先驱的梦想，到如今众多人工智能工程师的成功技术。书中的许多图表和易于理解的人工智能程序描述将帮助读者理解这些和其他人工智能系统是如何工作的。

13、Machine Learning: A Probabilistic Perspective

作者：Kevin P. Murphy

使用概率模型和推理作为一种统一的方法，详细的介绍了机器学习。

14、Deep Learning

作者：Ian Goodfellow，Yoshua Bengio，Aaron Courville

由三位专家撰写，是一本关于深度学习的综合性书籍，提供了数学和概念背景，涵盖了线性代数、概率论与信息理论、数值计算和机器学习等相关概念。

15、Deep Learning: Methods and Applications (Foundations and Trends(r) in Signal Processing)

作者： Li Deng，Dong Yu

本书旨在提供一般的深度学习方法的概述及其在各种信号和信息处理任务中的应用。应用领域的选择有以下三个标准：1）专业知识和作者的知识； 2）已成功运用深度学习技术的应用领域，如语音识别和计算机视觉；3）应用领域有潜力受到深度学习的影响，并获得了集中的研究成果，包括自然语言和文本处理、信息检索、多任务深度学习赋予的多模态信息处理能力等。