《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
AI
机器能否思考，以及这个问题为何重要。
19 本
《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
《智人之上》
Nexus
信息网络演化与数字极权监控
社会与文明
AZM推荐
《未来简史》
Homo Deus
科技人文主义、长生不老与阶级撕裂
社会与文明
AZM推荐
《心智社会》
The Society of Mind
智能涌现于大量无心智的小过程所构成的心智社会
心理学与认知科学
每日推荐
《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
《哲学研究》
Philosophical Investigations
意义不在头脑里，而在使用中：维特根斯坦如何用「语言游戏」拆解哲学史上最顽固的幻觉
哲学
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