《人工智能》
Artificial Intelligence
这本书把人工智能拆成两条路线——以逻辑与搜索为核心的“思考”，和以概率与统计为核心的“行动”——并证明它们最终指向同一个目标：理性智能体在环境中做出最优决策。它既是全球使用最广的 AI 教材，也是一份关于这门学科边界与野心的地图。
人工智能
经典指数 96
人工智能
Artificial Intelligence
探索计算、机器智能与人类未来。
14 本著作
《人工智能》
Artificial Intelligence
这本书把人工智能拆成两条路线——以逻辑与搜索为核心的“思考”，和以概率与统计为核心的“行动”——并证明它们最终指向同一个目标：理性智能体在环境中做出最优决策。它既是全球使用最广的 AI 教材，也是一份关于这门学科边界与野心的地图。
人工智能
经典指数 96
《超级智能》
Superintelligence
博斯特罗姆在“超级智能尚未出现”时就系统追问：一旦出现远超人类的智能，人类还有多少主动权。他把问题拆成智能的形态、出现的路径、可能失控的机制，以及在失控前是否还有可执行的对策。
人工智能
经典指数 94
《深度学习》
Deep Learning
三位深度学习奠基者合写的教科书，把神经网络从线性代数、概率论与数值计算讲起，一直推到卷积网络、循环网络、正则化与生成模型。它不追求覆盖面，而是坚持一条原则：先理解数学结构，再理解为什么某些结构在实践中有效。
人工智能
经典指数 93
《强化学习导论》
Reinforcement Learning
这本书把“学习如何行动”提炼成一个统一的问题：智能体在与环境反复交互中，通过奖励信号改进策略。它从多臂赌博机讲到时序差分与策略梯度，用极少的数学包袱把这一领域的核心直觉讲透。
人工智能
经典指数 90
《AI 新生》
Human Compatible
罗素提出一个看似退让、实则苛刻的方案：不要给机器明确的目标，而要让它对人类的偏好保持不确定，并据此不断修正自己的行为。这本书把“控制问题”从哲学思辨变成一组可操作的设计原则。
人工智能
经典指数 90
《生命 3.0》
Life 3.0
泰格马克用“生命 1.0 / 2.0 / 3.0”的框架——硬件与软件能否被设计——来组织一个广谱问题：从近期的自动化失业，到远期的宇宙级智能，人类应该选哪条路。它不预言，而是把未来的可能性摆成一排让你自己权衡。
人工智能
经典指数 88
《人机对齐》
The Alignment Problem
克里斯蒂安把对齐问题拆成三层：机器学到的目标可能不是我们想要的，机器继承的数据偏见可能放大社会不公，而机器自身的“价值”可能从未被明确说出。他走访研究者，把技术进展与伦理困境放在同一条时间线上。
人工智能
经典指数 87
《AI·未来》
AI Superpowers
李开复以“两个中国”的对比切入：一边是移动支付的普及与数据规模，一边是硅谷的研究传统。他论证中国在应用层的优势来自残酷的市场竞争与工程师供给，而非某项技术突破，并据此推演自动化将如何冲击白领与蓝领。
人工智能
经典指数 86
《终极算法》
The Master Algorithm
多明戈斯把机器学习分成五个流派——符号主义、连接主义、进化主义、贝叶斯与类比推理——并猜想存在一个能统一它们的“终极算法”。这本书是少见的、由领域内人写出的地图：既讲清每个流派的世界观，也讲清它们的盲点。
人工智能
经典指数 85
《人工智能时代与人类未来》
The Age of AI
基辛格、施密特与胡滕洛赫尔三人合写，主张 AI 不只是效率工具，而是一种新的认识论：它给出的答案往往无法被人类完全解释，从而改变了“知识”与“判断”的定义。全书在历史、战略与哲学之间来回，核心关切是秩序而非技术。
人工智能
经典指数 84
《AI 2041》
AI 2041
李开复与科幻作家陈楸帆合作：十篇短篇科幻之后，各附一篇技术解析，说明故事里的技术为什么可能实现、需要什么条件、会带来什么伦理问题。它把技术预测从断言变成“情景 + 论证”的双层结构。
人工智能
经典指数 82
《天才制造者》
Genius Makers
梅茨以记者笔法记录深度学习如何在 2012 年前后从学术边缘变成产业核心：一场竞赛、几家公司、几位不肯放弃的研究者，以及一笔笔改变命运的交易。它写的是人和组织，而不是算法。
人工智能
经典指数 80
《控制论》
Cybernetics
把生命与机器放进同一个反馈框架：控制论如何成为人工智能与认知科学的共同源头
人工智能
每日推荐
《AI 3.0》
Artificial Intelligence
AI 能做什么、不能做什么——一位认知科学家对人工智能能力边界的清醒盘点
人工智能
每日推荐