首先，人工智能技術(shù)體系還是比較龐大的，而且當(dāng)前人工智能領(lǐng)域的研究尚處在初期，人工智能概念本身也在不斷地發(fā)展和變化，所以當(dāng)前學(xué)習(xí)人工智能不僅需要具有較為全面的基礎(chǔ)知識(shí)，同時(shí)還需要有一個(gè)主攻方向。

人工智能是一個(gè)較為典型的交叉學(xué)科領(lǐng)域，涉及到哲學(xué)、數(shù)學(xué)、計(jì)算機(jī)、控制學(xué)、經(jīng)濟(jì)學(xué)、神經(jīng)學(xué)和語言學(xué)等學(xué)科，所以人工智能本身的知識(shí)量還是非常龐大的。基礎(chǔ)比較薄弱的初學(xué)者可以一邊學(xué)習(xí)人工智能知識(shí)，一邊補(bǔ)學(xué)相關(guān)內(nèi)容，并不是一定要從數(shù)學(xué)開始學(xué)起。實(shí)際上，長(zhǎng)期以來，人工智能領(lǐng)域的專業(yè)人才培養(yǎng)都是以研究生教育為主，主要原因就是人工智能領(lǐng)域的學(xué)習(xí)難度比較大，而且對(duì)于學(xué)習(xí)場(chǎng)景的要求也比較高。

當(dāng)前人工智能領(lǐng)域有六個(gè)大的研究方向，涉及到計(jì)算機(jī)視覺、自然語言處理、機(jī)器學(xué)習(xí)、自動(dòng)推理、知識(shí)表示和機(jī)器人學(xué)，其中計(jì)算機(jī)視覺和自然語言處理是當(dāng)前的熱點(diǎn)領(lǐng)域，不少大型科技（互聯(lián)網(wǎng)）公司的人工智能平臺(tái)也都是基于這兩個(gè)技術(shù)體系打造的。對(duì)于初學(xué)者來說，目前了解人工智能可以從機(jī)器學(xué)習(xí)開始，一方面機(jī)器學(xué)習(xí)的知識(shí)體系相對(duì)比較全面，學(xué)習(xí)案例也比較多，另一方面機(jī)器學(xué)習(xí)也是人工智能領(lǐng)域諸多研究方向的基礎(chǔ)。實(shí)際上，機(jī)器學(xué)習(xí)也是當(dāng)前大數(shù)據(jù)分析的常見方式之一，在大數(shù)據(jù)領(lǐng)域也有廣泛的應(yīng)用。

機(jī)器學(xué)習(xí)的步驟主要涉及到數(shù)據(jù)收集、算法設(shè)計(jì)、算法實(shí)現(xiàn)、算法訓(xùn)練、算法驗(yàn)證和算法應(yīng)用，這些步驟需要初學(xué)者掌握一定的數(shù)學(xué)知識(shí)和程序設(shè)計(jì)知識(shí)。對(duì)于初期的學(xué)習(xí)者來說，可以采用比較成熟的數(shù)據(jù)集來完成算法的訓(xùn)練和驗(yàn)證，這會(huì)在一定程度上降低學(xué)習(xí)模塊。在學(xué)習(xí)的初期，可以從經(jīng)典的機(jī)器學(xué)習(xí)算法入手，比如決策樹、樸素貝葉斯、k-mean等算法，這些算法對(duì)于初學(xué)者的數(shù)學(xué)基礎(chǔ)要求也并不算高，上手也比較容易。