首先声明，本人并非人工智能的研究者，难免存在理解认知的偏差，本文只是抛砖引玉，欢迎牛人点评指导。
今天偶尔讨论到人工智能，内心有一个观点呼之欲出：『人工智能是技术领域的核武器』，但这并非理性思考的答案。鉴于该话题引出的问题影响非常深远，我们有必要作出思考，并有所行动。
人工智能虽然已有几十年的历史，从最开始的高涨热情到不切实际的期望破灭导致的冷却降温，后来再逐渐升温，直到最近几年，学术界的研究不断取得突破，人工智能技术逐渐达到了实际可用的阈值，因突破了用户期望从而获得了极大的传播效应，高调重回公众视野。
作为一个嵌入式工程师，看到了如此炫酷的黑科技，心里难免是羡慕的，虽说自己所在的领域仍然有很多挑战的问题，也算是相对价值较高的技术，但从解决问题的方法和层次角度看，维度依然还是过去几十年计算机基础理论一路发展过来的这一套。其实，在涉及到算法进行数据处理，决策的领域，人工智能中的最新发展，是可以突破现有看待问题维度的。或许暂时用不到，但是在不远的将来，用到的机会应该说是有的。
人工智能技术对于一家公司的产品和服务，以及技术人员，是否会重要到核武器的程度？对于非研究人工智能的技术人员，应该如何学习和掌握？
现在我尝试从理性的角度，这个问题来做一个基本的论证，结论目前还是开放的，我并不想刻意预设。
关于人工智能的重要性
要想回答这个问题，那么首先，应该看看社会对人工智能到底会有多大的需求。
技术是社会前进的发动机
稍微列举一下技术对人类文明和社会的巨大影响吧：
- 农业的发展，从游牧和狩猎变成农耕文明，人口的增长，解决了吃的问题，有了更加分化的社会分工；
- 采矿，冶金，机械，电力技术的出现，能源和动力使得人类进一步解放了自己的体力，通过现代的交通工具，人类可以花费更多的时间在休闲娱乐和消费上
- 通信（无线通信和互联网）和计算机的发展，极大程度地提升了生产的自动化能力，随着机器人的普及，将会极大程度降低对工人的需求。在可以预见的将来，工人的需求将会减少，给机器编程的工作将会变多。
- 生物、医学、制药技术的发展，极大程度地 提升人类的寿命和生存质量
当然，物理学和数学等基础科学的影响是非常深远的，其作用是对技术提供理论支撑。
人工智能是『程序的程序』
人工智能含有较多的理论和科学的成分，但因与应用结合，也有很多技术的成分在其中，这也包括系统的设计和实现手段。我们可以简单地认为，人工智能是软件中的算法，是一种更好的解决问题的工具。
在互联网时代，我们大量地使用各种社交和协同软件，虽然传统的纸笔记录已经被数字化存储取代，利用搜索引擎，人类终于可以从知识记忆的辛苦劳动中抽身出来。然而，在使用计算机软件的过程中，依然存在大量的手工劳动，距离『心想事成』还有很大的距离。
人都是懒的，个人信息的归纳整理，日程安排，如果都需要通过聘请助理的方式来做，显然成本太高。
这部分的需求，目前来看，比较合理的手段是通过机器人助理来解决。
所谓机器人，并不一定是大家通常理解的那种人形或者有实体形态的家伙，而是一种可以自动地完成某些特定任务，无需人为监督和干预的系统。
其实大量无形的机器人早就存在：每个自动运行的程序，后台进程和线程，都是一种广义的机器人。
典型的比如网络爬虫，协议解析服务器，等等。
然而这些机器人，应对『变化』的能力很差，甚至基本为零，人类社会中大量的需求和问题都以非结构化的数据形式呈现，而这些是传统的计算机程序无法直接处理的。于是，第一步，是要将非结构化的数据转化成结构化的数据：语音识别，图像识别，自然语言处理的前半部分工作，都是在做这个事情；然而，即便是得到了结构化的数据，如何理解和处理，也是一个很复杂的问题，如果情况很多，那么怎么去处理，也是一个问题。
人工智能是一个目标，有多种实现目标的手段，因此它不是一个具体的算法，因为不同的问题算法肯定也不会完全一样。早期人工智能算法非常原始，比如穷举，现在发展到了机器学习中的deep learning。人工智能最终表现形式，是提升了一个程序解决复杂和灵活变化的能力，它极大程度地拓宽了机器的任务领域，降低人类从事半重复和体力劳动的负担。人口的老龄化带来的工作人数不足，服务业人员劳动强度大，医生工作劳动强度大，误诊和延误治疗的问题，都有可能因此而得到改善。
感觉大家期望的一周4天工作制，或者一天6小时工作制，就要靠人工智能技术来推动了。
到这里，我们已经了解了人工智能的涵义，那么顺便我也给人工智能算法下一个定义：它是可以代替程序员事先枚举所有可能性的体力劳动的算法，是『程序 的 程序』。
人工智能从根本上优化了人类的劳动结构，为某些社会问题的解决创造了条件，有可能成为未来企业竞争力的基础。因此，学习和掌握它完全可以称得上是战略的需要，说它是核武器并不为过。
人工智能该怎么学？
入门
- 我们可以从概论的书籍入手，先建立一个框架。
- 我们可以从某个特定的领域入手，做一些实践。
站在巨人的肩膀上
对于各个特定的问题域，学术界甚至工业界，都已经有了一些供学习和二次开发使用的框架和服务。
比如自然语言处理领域，大家可以搜索一下 『语言云』对于文本，有一些开放的资源。对于如何处理海量的互联网数据，有开源的搜索引擎框架作为基础 （搜素引擎本质上是一个自然语言处理器 + 数据库）。
从自己最熟悉的领域寻找问题，发现并尝试运用之
在了解人工智能基本知识以后，我们需要结合实际的需求，提炼出一些核心的可以用人工智能来解决的问题。一开始，我们或许还不懂很多高深的算法工具，但是我们用笨办法，逐渐把问题需求理清，这样我们就可以挑选最适合的算法工具来解决问题。
机器学习虽然很高大上，但是这只是人工智能的工具，一开始并不是最核心的。
最后，列一个我自己挑选的书单，后续可以从这些地方入手：
人工智能:智能系统指南 http://product.china-pub.com/3683421
人工智能：复杂问题求解的结构和策略 http://product.china-pub.com/196356
Python自然语言处理 http://product.china-pub.com/3770261
机器学习系统设计 http://product.china-pub.com/3803865
