今天给各位分享人工智能创造者的知识，其中也会对人工智能的创造者进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录
人工智能生成的作品是否有著作权？
人工智能创作版权问题，目前尚在讨论之中，依个人见解，人工智能产品必有其产品归属权，如企业整合资源编写的人工智能，那么人工智能创作的作品版权归属企业。如人工智能以产品形式售出，人工智能作品的版权为人工智能产品所有者。
未来人工智能机器人，会有怎样的发展？会给生活带来哪些影响？
智能机器如果掌握在1%的资本大佬手里，那么百分之九十九的人就会被沦为，失去被剥削价值的无用阶层，基本无法生存。这是很可怕的路线图，智能社会的到来，只有全民控股，让智能机器为全人类服务，才是智能社会最佳的路线图，也是智能社会唯一可行的路线图。
自学人工智能可行吗？
自学当然是可行的！如果你是人工智能领域的零基础小白，可以看看这份学习计划，部分附资源链接，除了书籍，配合一些视频学习效果会更好哦。
一、人工智能
书籍：“ArtificialIntelligence:AModernApproach(AIMA)”（人工智能：一种现代方法）
不可多得的综合性书籍，总体概述了人工智能领域，几乎涵盖新手需要了解的所有基本概念。
视频：
https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-034-artificial-intelligence-fall-2010/lecture-videos/
ArtificialIntelligencecourse（人工智能课程）系列视频讲座，通过训练AI玩游戏这类趣味实践来介绍基本知识，如果视频太快跟不上，可以配合从上面这本书（现代方法）中寻找相关概念。
二、机器学习（计算机科学和统计学的交叉学科）
视频：
机器学习基础薄弱的，可以先去TutsPlus课程“MachineLearningDistilled”看一下相关概念简述，Coursera上的AndrewNg机器学习课程，也有基本概念的解释，还介绍了大部分重要的算法。
（https://www.coursera.org/learn/machine-learning/）
对ML算法了解不够的，可以配合以下教学视频进行理解
TutsPlus的“MachineLearningDistilled”（简要概述）
PererNorvig的UdacityCourseonML（MLUdacity课程）
TomMitchell的AnothercourseonML
书籍：集体智慧编程（ProgrammingCollectiveIntelligence）
ML算法在Python中的实践，大量基础性的实例，讲述生动，很适合入门学者，培养兴趣的同时又开拓视野，让你不想懂都难！
三、深度学习（是机器学习里最近比较火的一个子集）
DL基础方面的准备工作：
Google上的greatintroductoryDLcources
SephenWelch的greatexplanationofneuralnetworks
书籍：
DeepLearningWithPython（可自行度盘下载https://pan.baidu.com/s/1kUThYHT）
介绍DL应用程序中的最先进成果，深入浅出，带领新手快速开始构建基础并且接触实践案例，包含Keras、TensorFlow时下最先进的工具。
NeuralNetworksandDeepLearning（神经网络与深度学习）
（可自行度盘下载https://pan.baidu.com/s/1miLerZM）
新手友好，作者在数学密集的区域都有标注提示。MNIST手写数字的识别问题贯穿全书，每个模型以及改进都有详细注释的代码。
更多优质回答，请持续关注镁客网头条号~
人工智能，能否能自学
人工智能是可以自学的，而且也只有自学才能真正的深入研究，为了生计、为了薪资终有耗尽的一刻，也许只有兴趣、追求才能帮你随时充能吧!学好人工智能从这几点入手：
第一：学好Python
人工智能可以用很多种语言实现，但Python是较容易实现的一种。学好Python的数据分析、处理，学好Python机器学习，懂得算法建模，往更高层次的深度学习看齐。只能说是看齐，因为机器学习，我都没学很好。机器学习，基本十大算法，和大学高数、线代、概率论渊源极深，所以想进军人工智能，数学也是必不可少的。
第二：学好数学
第一点提到了，当然这指的学好数学，不是说能做一个方程式，能解一道题就可以的。这里所指主要是数学建模，这点和算法进行数据建模还是有一些相似之处的。像机器学习里的监督算法，可以想象成是两种建模体系，但这两种体系会进行对比。例如：有一个是检测体系，里面是有很多种不同形状桌子的数据，那么另外一个体系，要判断是不是桌子，就需要进行比对，相似度越高就越像桌子。我们都知道做数学有很多种解法，但在算法中往往只有更好的算法。
第三：其他辅助学科
人无完人，只是因为人的寿命有限，如果人工智能能自主学习，那么它终将。但是，这就需要创造者了解艺术学、心里学、计算机等方面的知识了。之前说了，这相当于是知识的大杂烩，如此庞大的事业，肯定不是某一个人能完成的。你只需要学好前面的两点就已经可以了。
好了，文章到这里就结束啦，如果本次分享的人工智能创造者和人工智能的创造者问题对您有所帮助，还望关注下本站哦！