用什么语言开发合适？ 最终目标如何地位？ 需要拟人分为父.母.感情这些吗？ 如何能自我成长，不仅仅是收集和使用，还需要分析和组合，产生新的. 等等一大堆问题
小伙看你根骨奇佳，潜力无限，来学PHP伐。
樓主對人工智慧發展近況的看法太樂觀了。現在無論多高精尖的人工智慧是否具有基本的意識都尚未可知，更談不上人格與感情。人工智慧最廣泛的應用仍然是分類與預報。有用支持向量機甄別電腦病毒的（分類），也有用神經網路推測股市走向的（預測）。
有的人工智慧機制由人設定好理論架構（如貝葉斯推論），這種演算法在模型高度模擬現實的時候效果較好，但適應未知環境的能力差。另一類演算法把計算人工智慧的輸出看成一個最佳化問題，在仿生的基礎上，透過不斷調整各個參數（一般由電腦自動完成）來降低演算法輸出和理想輸出的差異。這個過程就是學習。高度自動化的學習過程就可以說是「自我成長」。主流演算法有各類反向傳播演算法、基因演化演算法等。終極目標就是在演算法對現有資料的掌握程度和應用在未知資料的能力之間尋求平衡。打個比方，如果你想訓練演算法看人臉判斷年齡，告訴演算法滿臉皺紋，滿頭白髮的人大概在70歲，沒有皺紋而且黑髮的人大概在30歲。當演算法碰到有皺紋但是黑髮的人時，它能輸出50，就大致證明學習了。而若輸出是10或100則表示學習失敗。
實作方面，偏軟體工程的人可能會用Java/C++/Python，偏理論的人可以用R/Matlab等。現成的庫多的是，自己開發也沒問題。
其實人工智慧裡的領域還遠遠不止這些。如何對自然語言建模、如何處理資料裡的噪音，如何像人一樣在最少的資料中發掘出最明顯的規律，這些都是當今的研究熱點。
正在學習人工智慧，大家共勉，qq:282886636
樓主對人工智慧發展近況的看法太樂觀了。現在無論多高精尖的人工智慧是否具有基本的意識都尚未可知，更談不上人格與感情。人工智慧最廣泛的應用仍然是分類與預報。有用支持向量機甄別電腦病毒的（分類），也有用神經網路推測股市走向的（預測）。
有的人工智慧機制由人設定好理論架構（如貝葉斯推論），這種演算法在模型高度模擬現實的時候效果較好，但適應未知環境的能力差。另一類演算法把計算人工智慧的輸出看成一個最佳化問題，在仿生的基礎上，透過不斷調整各個參數（一般由電腦自動完成）來降低演算法輸出和理想輸出的差異。這個過程就是學習。高度自動化的學習過程就可以說是「自我成長」。主流演算法有各類反向傳播演算法、基因演化演算法等。終極目標就是在演算法對現有資料的掌握程度和應用在未知資料的能力之間尋求平衡。打個比方，如果你想訓練演算法看人臉判斷年齡，告訴演算法滿臉皺紋，滿頭白髮的人大概在70歲，沒有皺紋而且黑髮的人大概在30歲。當演算法碰到有皺紋但是黑髮的人時，它能輸出50，就大致證明學習了。而若輸出是10或100則表示學習失敗。
實作方面，偏軟體工程的人可能會用Java/C++/Python，偏理論的人可以用R/Matlab等。現成的庫多的是，自己開發也沒問題。
其實人工智慧裡的領域還遠遠不止這些。如何對自然語言建模、如何處理資料裡的噪音，如何像人一樣在最少的資料中發掘出最明顯的規律，這些都是當今的研究熱點。
正在學習人工智慧，大家共勉，qq:282886636