人工智能入门先学什么 新手常见学习路线与资料推荐

前几天有个读者给我发私信，说他花了两个月时间在网上找人工智能的学习资料，收藏了大概四十多个文件夹，结果打开一看，每个都只看了个开头，越学越懵，现在连第一步该干啥都不知道了。说实话这不能怪他，我刚开始接触人工智能那会儿也这样，看到什么“神经网络”、“深度学习”这些词就觉得高级，恨不得一天全学会，结果差点把自己劝退。

后来我想了想，这事其实不是学不会的问题，是路线选错了。不同方向对基础的要求差得特别远，有的人上来就啃最难的，当然学不动。所以今天我按照实际入门的难度，把几条常见的学习路线整理出来，算是给新手一个参考。人工智能这个领域太大，咱们先抓住一条路走通，比什么都想学强得多。

先说评选标准，不然后面没法比

我判断一条学习路线适不适合新手，主要看三个东西。第一是上手门槛，就是你需不需要先学一堆前置知识才能开始动手。第二是反馈速度，学完一小段能不能马上做出点能跑的东西，这对保持信心特别重要。第三是资料是不是足够扎实并且好找，有些方向资料太少，新手容易卡住没人问。

这三个标准里面，我觉得反馈速度最关键。因为大部分人放弃不是学不会，是学了太久看不到结果，心气就散了。你想想，花三个月看理论，一个能跑的东西都没做出来，换谁都很难坚持。

第一条路线，从应用工具入手

如果你完全零基础，我建议先别碰算法和数学，直接从现成的人工智能工具开始用。比如学会使用一些对话工具、绘图工具、文档处理工具，了解一下它们能干什么不能干什么。这条路线的好处是你当天就能出结果，做完还能发个朋友圈，正反馈来得特别快。

我有一个做行政的朋友，之前连程序是什么都搞不清楚，她就是从用工具写周报、做表格开始的，大概用了三周时间，现在整个部门的工作流程都让她帮忙优化。她说自己也不懂什么原理，但知道什么场景该用什么工具，这其实已经是很值钱的能力了。

提示：这条路线最容易上手，但也容易被替代。如果你只是会用工具，竞争力有限，所以建议用两三周熟悉之后，尽快往下面第二条路线过渡。

第二条路线，学数据处理和基础编程

等你对工具有感觉了，就可以开始学一门编程语言。目前人工智能领域用得最多的是那种语法比较简单的语言，网上免费教程也多。你不需要学到多深，能读写文件、处理表格、调用现成的库就够撑一阵子了。

这条路线大概需要一到两个月。我当初学的时候走了个弯路，花了两周去啃一本特别厚的教材，结果发现根本用不上。后来换了个办法，直接找一个小的数据项目来做，比如分析一下自己家的电费账单，边做边查，反而两周就把基础用法摸熟了。所以我的经验就是，别为了学而学，带个具体的小任务去学，效率高很多。

第三条路线，算法和模型原理

这条路是给想深入做算法工作的人准备的。你需要补一些数学基础，然后学经典的模型原理，再看最新的论文。这条路投入时间最长，一般要半年以上，而且前期反馈很慢，可能一个月都在推公式。

我不是劝大家别走这条路，是想说别一开始就走这条。如果你连数据怎么处理都还没搞明白，直接去推公式，大概率会卡死在第三章然后放弃。我认识一个做算法的朋友，他其实是先做了两年数据方面的工作，才回头补的数学，他说这样学起来反而快，因为知道每个公式到底在解决什么问题。

三条路线放一起比一比

简单来说，第一条路线适合先找感觉，大概两三周；第二条路线适合大部分人作为长期学习主线，两到六个月能到能用的水平；第三条路线是专业方向，需要按年算。三条不是互斥的，比较合理的顺序是先走第一条找信心，然后主攻第二条，如果还有精力再往第三条深入。

资料方面，我推荐的就几个方向。官方文档永远是第一选择，虽然枯燥但准确。然后是一些在线的公开课程，选评价高、有作业的那种，光看不练等于没学。再就是找一个活跃的社区，遇到问题有人能问，这个比什么都重要。

最后说一点我自己的感受。人工智能入门这件事，路线选对了只是第一步，能不能坚持下来其实看你有没有一个具体想解决的问题。我当时坚持下来就是因为想做一个自动整理照片的小工具，虽然做得很粗糙，但每次跑通都特别满足。所以你也别急着找什么完美路线，先找个你真正想做的小东西，然后顺着它去学，可能比看一百篇攻略都有用。

哦对了，我上面说的这些路线时间，其实也因人而异，有人快有人慢，不用太纠结。你要是学着学着发现不对劲，也别硬撑，换个方向试试，反正这行就是折腾出来的。