《人工智能》读后感
[《人工智能》读后感]关于机器能否拥有意识这个论题，其实是关于意识的本质的讨论，《人工智能》读后感。
但目前对于意识，人类还没有一个明确的定义。
二元论认为，意识是非物质的思维所具有的属性，而思维跟物质的大脑是相互独立的，机器不可能具有意识，除非它可以得到一个非物质的思维，而这是不可能的，所以，机器永远不可能有意识。
还有一些看法认为思维产生于大脑，大脑是一台数字计算机，而思维是一个计算机程序，这个理论又分为“强人工智慧”与“弱人工智慧”。
根据“强人工智慧”，一台计算机只要有了正确的程序就可以拥有像人类一样的智慧与思维；而“弱人工智慧”理论，则认为计算机可以模拟人的思维，它们可以模拟一系列的思维过程，如思考、决策等。
但是，不管它们做得多么出色，它们都不能创造真正的思维或者真正的意识，而只能做到“看起来像”有意识一样。
意识尚未被定义，我们也没有鉴别意识的手段，所以更谈不上人工意识能否存在了。
与其让这些巨大的难题挡住我们的去路，还不如加紧工作，看看我们究竟能做到什么程度，就像绝大多数机器人学家正在做的那样。
我们几乎可以肯定，更好、更聪明的机器将不断出现，而关于它们是否拥有意识的讨论也会继续下去，对于人工意识的探索最终甚至有可能帮助我们理解意识本身的性质。
抛开这些问题，回到电影本身，斯皮尔伯格的这部电影更多的是将科幻与伦理结合在一起，他对人工智能的未来作了一个深刻且悲观的预言。
“人工智慧”旨在用计算机来模拟思维，从而复制思维，产生智慧行为，那么我们是否可以说计算机或者机器人也会产生同人类一样的情感呢，如果机器拥有人类同等的智慧，人类会不会与机器发生情感、人类与机器人如何相处，这就涉及一些伦理道德等社会性的问题。
影片中，人类对劣等机器人的猎杀充满了不人道。
影片在此表现出一种荒诞的意味：人不像人，机器人才像人，拥有人性情感的他们不会对人类的暴虐熟视无睹，读后感《《人工智能》读后感》。
这场激战在斯皮尔伯格的电影中被两千年的沉睡一笔带过，但结局我们看到了，人类作为一个灭绝的物种被缅怀。
当机器具有了人类的意识和思维，它们会爱，就会恨，会服从，就会反抗。
如果机器人的智慧太高以至于超过了人类的智慧，那么我们就有理由相信它们就很有可能取代人类成为地球的主宰者，人类感受到生存受到威胁后，影片中的行为就不足为奇。
有关于这个忧虑，我从相关书籍中了解到这样一点：“人工智慧不是人的智慧，更不会超过人的智慧”。
“机器思维”同人类思维的本质区别：1.人工智慧纯系无意识的机械的物理的过程，人类智能主要是生理和心理的过程。
2.人工智慧没有社会性。
3.人工智慧没有人类的意识所特有的能动的创造能力。
4.两者总是人脑的思维在前，电脑的功能在后。
如果是这样，那么我的担心就纯属多余了。
目前人类对人的智慧的研究尚且有局限，机器人的智慧程度自然不敢企及，但随着科技的不断发展，会有怎样的奇迹发生我们也无从得知，人工智慧是否能超越人的智慧，现在还是一个遥远的、不可知的问题。
所以，同样不确定的还有影片对未来的预言。
最后一点，正如影片开头告诉我们的那样，人类将会面临越来越严峻的生存环境，臭氧层空洞、温室效应、海平面的上升……谁也不能保证不会有世界末日的那一天，当人类已经无法适应环境，依照达尔文“物竞天择”的理论，被淘汰从而导致灭绝的将会是我们人类自己，而机器人将会因为极强的适应能力从而被环境选择。
假设我们能将记忆和思维植入机器人中，那么机器人是不是就具有了“人类生命的延续者”这一神圣的使命呢
〔《人工智能》读后感〕随文赠言：【这世上的一切都借希望而完成，农夫不会剥下一粒玉米，如果他不曾希望它长成种粒；单身汉不会娶妻，如果他不曾希望有孩子；商人也不会去工作，如果他不曾希望因此而有收益。
】
AI软件的全名英语是怎么读
adobe illustrator读“额刀背 诶莱斯吹特儿”
人工智能方向考研哪些学校好考一点
你据自己兴趣和能力选择专业，院校和导师首先，专业。
相关专业:计算+数学类+自动化类+软件类+电子类+信息科学类（信息管理和图书情报），学院与之对应。
其次，对应专业的院校。
考量指标:院校级别和排名+正教授人数及学者头衔数量+基金类目、级别及数量+博士后流动站有无和数量+国家重点实验室有无和数量+科研成果产出质量数量。
最后，相关领域的导师。
确定思路:搜人工智能大牛>他们的学校，专业和导师>他们所在公司部门的同事和下属>同事下属的学校，专业和导师>相关导师的研究领域，项目课题和文章主题>相关导师的弟子们现在的文章质量数量，发展路径和发展情况。
选择院校优先级:名牌重点大学（9校联盟和国际排名前50）相关专业>双一流学校的重点专业>211学校对应专业优秀博导>普通本科学校相关专业学科带头人。
原因:平台的高低决定项目的优劣，基金支持力度，决定你直博深造的机会大小，决定你见识和历练的程度，决定你文凭的认可度，兼顾院校的项目聚焦性，项目主题与院校领域背景密切相关。
结论:尖括号所指方向报考难度较低一些。
选择导师优先级:项目课题质量>导师能力品德>学校和专业>实验室或工作室环境原因:好的项目可以顺利产出高质量论文并练就真正本领；导师的能力和专长对你的方向影响极大，导师的德品决定你的辛苦和幸福指数;学校和工作室硬件环境影响你有没有安心学术的条件。
结论:尖括号所指方向重要性较低一些。
提醒:如果你足够优秀，请在大三就关注名校暑期夏令营以及保研免试推荐政策，及早联系导师争取名额和护佑。
想读博时这些更加重要。
人工智能作文500字
我心目中的人工智能智能处理工具通常处理的问题是不确定的,非结构的,没有固定算法的，处理的过程是推理控制的过程，最终得到的结果常常是不太确定的，可能是正确的，可能能是不正确。
自然语音理解主要是研究如何使计算机能够理解和生或自然语音的技术，自然语音理解过程可以分为三个层次：词法分析，句法分析和语义分析，由于自然语音是丰富多彩的，所以，自然语音理解也是相当困难的，从话动中，我们可以发现目前水平的自然语音理解能力的一些不足。
广播、电视和网络通过电波、数字线路进行传播，发布的速度快，报纸需要排版印刷，速度慢了一步。
杂志、书籍、电影更慢。
发布速度快的工具，在发布新闻方面占有很大的优势；发布速度慢的工具，则多用来发布需要思考和研究的材料，如发布各种社会科学和自然科学的研究成果，常采用杂志与书籍的形式。
在信息社会中，利用网络进行进行网络进行交流已经越来越快受到人们的重视，因为网络给人们提供了广阔的空间，缩短了人与人之间的距离。
在一定的时间内，我们可以聚集不同地方、不同年龄、不同学历、不同阶层的人们进行交流和探讨，使人们的视野更加广阔，了解到信息更为全面，得到的经验更加丰富，因此，随着信息技术的进一步发展和社会的进步，相信会有更多的人利用网络这种媒介进行交流和学习，但是我们也应该看到，网络上也存在各种各样的问题，如有些人在网上发布一些不良的信息，设置各种信息陷阱。
对比我们应该分辨是非，明察秋毫，劫为存真，让因特网成为我们学习交流的好地方。
智能接口技术是研究如何使人们能够方使自然地与计算机交流，为了实现这目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表达方法的研究，因此，智能接口技术已经取得显著成果，文字识别、语言识别、语音合成、图像机器翻译以及自然语言理解等技术已经实用化。
机器人专业大学排名 机器人要学什么专业
Peter Norvig 的《AI, Modern Approach 2nd》（无争议的领域经典）Bishop, 《Pattern Recognition and Machine Learning》. 没有影印的，但是网上能下到。
经典中的经典。
Pattern Classification 和这本书是两本必读之书。
《Pattern Recognition and Machine Learning》是很新（07年），深入浅出，手不释卷。
推荐两本有意思的书，一本是《Simple Heuristics that Makes Us Smart》另一本是《Bounded Rationality: The Adaptive Toolbox》 ---------------------------------------------------------------------<从CSDN上转载的>机器学习与人工智能学习资源导引我经常在 TopLanguage 讨论组上推荐一些书籍，也经常问里面的牛人们搜罗一些有关的资料，人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索这些无疑是 CS 领域最好玩的分支了（也是互相紧密联系的），这里将最近有关机器学习和人工智能相关的一些学习资源归一个类：首先是两个非常棒的 Wikipedia 条目，我也算是 wikipedia 的重度用户了，学习一门东西的时候常常发现是始于 wikipedia 中间经过若干次 google ，然后止于某一本或几本著作。
第一个是“人工智能的历史”（History of Artificial Intelligence），我在讨论组上写道： 而今天看到的这篇文章是我在 wikipedia 浏览至今觉得最好的。
文章名为《人工智能的历史》，顺着 AI 发展时间线娓娓道来，中间穿插无数牛人故事，且一波三折大气磅礴，可谓事实比想象更令人惊讶。
人工智能始于哲学思辨，中间经历了一个没有心理学（尤其是认知神经科学的）的帮助的阶段，仅通过牛人对人类思维的外在表现的归纳、内省，以及数学工具进行探索，其间最令人激动的是 Herbert Simon （决策理论之父，诺奖，跨领域牛人）写的一个自动证明机，证明了罗素的数学原理中的二十几个定理，其中有一个定理比原书中的还要优雅，Simon 的程序用的是启发式搜索，因为公理系统中的证明可以简化为从条件到结论的树状搜索（但由于组合爆炸，所以必须使用启发式剪枝）。
后来 Simon 又写了 GPS （General Problem Solver），据说能解决一些能良好形式化的问题，如汉诺塔。
但说到底 Simon 的研究毕竟只触及了人类思维的一个很小很小的方面 —— Formal Logic，甚至更狭义一点 Deductive Reasoning （即不包含 Inductive Reasoning , Transductive Reasoning (俗称 analogic thinking）。
还有诸多比如 Common Sense、Vision、尤其是最为复杂的 Language 、Consciousness 都还谜团未解。
还有一个比较有趣的就是有人认为 AI 问题必须要以一个物理的 Body 为支撑，一个能够感受这个世界的物理规则的身体本身就是一个强大的信息来源，基于这个信息来源，人类能够自身与时俱进地总结所谓的 Common-Sense Knowledge （这个就是所谓的 Emboddied Mind 理论。
），否则像一些老兄直接手动构建 Common-Sense Knowledge Base ，就很傻很天真了，须知人根据感知系统从自然界获取知识是一个动态的自动更新的系统，而手动构建常识库则无异于古老的 Expert System 的做法。
当然，以上只总结了很小一部分我个人觉得比较有趣或新颖的，每个人看到的有趣的地方不一样，比如里面相当详细地介绍了神经网络理论的兴衰。
所以我强烈建议你看自己一遍，别忘了里面链接到其他地方的链接。
顺便一说，徐宥同学打算找时间把这个条目翻译出来，这是一个相当长的条目，看不动 E 文的等着看翻译吧:)第二个则是“人工智能”（Artificial Intelligence）。
当然，还有机器学习等等。
从这些条目出发能够找到许多非常有用和靠谱的深入参考资料。
然后是一些书籍书籍：1. 《Programming Collective Intelligence》，近年出的入门好书，培养兴趣是最重要的一环，一上来看大部头很容易被吓走的:P2. Peter Norvig 的《AI, Modern Approach 2nd》（无争议的领域经典）。
3. 《The Elements of Statistical Learning》，数学性比较强，可以做参考了。
4. 《Foundations of Statistical Natural Language Processing》，自然语言处理领域公认经典。
5. 《Data Mining, Concepts and Techniques》，华裔科学家写的书，相当深入浅出。
6. 《Managing Gigabytes》，信息检索好书。
7. 《Information Theory：Inference and Learning Algorithms》，参考书吧，比较深。
相关数学基础（参考书，不适合拿来通读）：1. 线性代数：这个参考书就不列了，很多。
2. 矩阵数学：《矩阵分析》，Roger Horn。
矩阵分析领域无争议的经典。
3. 概率论与统计：《概率论及其应用》，威廉·费勒。
也是极牛的书，可数学味道太重，不适合做机器学习的。
于是讨论组里的 Du Lei 同学推荐了《All Of Statistics》并说到 机器学习这个方向，统计学也一样非常重要。
推荐All of statistics，这是CMU的一本很简洁的教科书，注重概念，简化计算，简化与Machine Learning无关的概念和统计内容，可以说是很好的快速入门材料。
4. 最优化方法：《Nonlinear Programming, 2nd》非线性规划的参考书。
《Convex Optimization》凸优化的参考书。
此外还有一些书可以参考 wikipedia 上的最优化方法条目。
要深入理解机器学习方法的技术细节很多时候（如SVM）需要最优化方法作为铺垫。
王宁同学推荐了好几本书：《Machine Learning, Tom Michell》, 1997.老书，牛人。
现在看来内容并不算深，很多章节有点到为止的感觉，但是很适合新手（当然，不能新到连算法和概率都不知道）入门。
比如决策树部分就很精彩，并且这几年没有特别大的进展，所以并不过时。
另外，这本书算是对97年前数十年机器学习工作的大综述，参考文献列表极有价值。
国内有翻译和影印版，不知道绝版否。
《Modern Information Retrieval, Ricardo Baeza-Yates et al》. 1999老书，牛人。
貌似第一本完整讲述IR的书。
可惜IR这些年进展迅猛，这本书略有些过时了。
翻翻做参考还是不错的。
另外，Ricardo同学现在是Yahoo Research for Europe and Latin Ameria的头头。
《Pattern Classification (2ed)》, Richard O. Duda, Peter E. Hart, David G. Stork大约也是01年左右的大块头，有影印版，彩色。
没读完，但如果想深入学习ML和IR，前三章（介绍，贝叶斯学习，线性分类器）必修。
还有些经典与我只有一面之缘，没有资格评价。
另外还有两本小册子，论文集性质的，倒是讲到了了不少前沿和细节，诸如索引如何压缩之类。
可惜忘了名字，又被我压在箱底，下次搬家前怕是难见天日了。
（呵呵，想起来一本：《Mining the Web - Discovering Knowledge from Hypertext Data》 ）说一本名气很大的书：《Data Mining: Practical Machine Learning Tools and Techniques》。
Weka 的作者写的。
可惜内容一般。
理论部分太单薄，而实践部分也很脱离实际。
DM的入门书已经不少，这一本应该可以不看了。
如果要学习了解 Weka ，看文档就好。
第二版已经出了，没读过，不清楚。
信息检索方面，Du Lei 同学再次推荐： 信息检索方面的书现在建议看Stanford的那本《Introduction to Information Retrieval》，这书刚刚正式出版，内容当然up to date。
另外信息检索第一大牛Croft老爷也正在写教科书，应该很快就要面世了。
据说是非常pratical的一本书。
对信息检索有兴趣的同学，强烈推荐翟成祥博士在北大的暑期学校课程，这里有全slides和阅读材料：maximzhao 同学推荐了一本机器学习： 加一本书：Bishop, 《Pattern Recognition and Machine Learning》. 没有影印的，但是网上能下到。
经典中的经典。
Pattern Classification 和这本书是两本必读之书。
《Pattern Recognition and Machine Learning》是很新（07年），深入浅出，手不释卷。
最后，关于人工智能方面（特别地，决策与判断），再推荐两本有意思的书，一本是《Simple Heuristics that Makes Us Smart》另一本是《Bounded Rationality: The Adaptive Toolbox》不同于计算机学界所采用的统计机器学习方法，这两本书更多地着眼于人类实际上所采用的认知方式，以下是我在讨论组上写的简介： 这两本都是德国ABC研究小组（一个由计算机科学家、认知科学家、神经科学家、经济学家、数学家、统计学家等组成的跨学科研究团体）集体写的，都是引起领域内广泛关注的书，尤其是前一本，后一本则是对 Herbert Simon （决策科学之父，诺奖获得者）提出的人类理性模型的扩充研究），可以说是把什么是真正的人类智能这个问题提上了台面。
核心思想是，我们的大脑根本不能做大量的统计计算，使用fancy的数学手法去解释和预测这个世界，而是通过简单而鲁棒的启发法来面对不确定的世界（比如第一本书中提到的两个后来非常著名的启发法：再认启发法（cognition heuristics）和选择最佳（Take the Best）。
当然，这两本书并没有排斥统计方法就是了，数据量大的时候统计优势就出来了，而数据量小的时候统计方法就变得非常糟糕；人类简单的启发法则充分利用生态环境中的规律性（regularities），都做到计算复杂性小且鲁棒。
关于第二本书的简介： 1. 谁是 Herbert Simon 2. 什么是 Bounded Rationality 3. 这本书讲啥的： 我一直觉得人类的决策与判断是一个非常迷人的问题。
这本书简单地说可以看作是《决策与判断》的更全面更理论的版本。
系统且理论化地介绍人类决策与判断过程中的各种启发式方法（heuristics）及其利弊（为什么他们是最优化方法在信息不足情况下的快捷且鲁棒的逼近，以及为什么在一些情况下会带来糟糕的后果等，比如学过机器学习的都知道朴素贝叶斯方法在许多情况下往往并不比贝叶斯网络效果差，而且还速度快；比如多项式插值的维数越高越容易 overfit，而基于低阶多项式的分段样条插值却被证明是一个非常鲁棒的方案）。
在此提一个书中提到的例子，非常有意思：两个团队被派去设计一个能够在场上接住抛过来的棒球的机器人。
第一组做了详细的数学分析，建立了一个相当复杂的抛物线近似模型（因为还要考虑空气阻力之类的原因，所以并非严格抛物线），用于计算球的落点，以便正确地接到球。
显然这个方案耗资巨大，而且实际运算也需要时间，大家都知道生物的神经网络中生物电流传输只有百米每秒之内，所以 computational complexity 对于生物来说是个宝贵资源，所以这个方案虽然可行，但不够好。
第二组则采访了真正的运动员，听取他们总结自己到底是如何接球的感受，然后他们做了这样一个机器人：这个机器人在球抛出的一开始一半路程啥也不做，等到比较近了才开始跑动，并在跑动中一直保持眼睛于球之间的视角不变，后者就保证了机器人的跑动路线一定会和球的轨迹有交点；整个过程中这个机器人只做非常粗糙的轨迹估算。
体会一下你接球的时候是不是眼睛一直都盯着球，然后根据视线角度来调整跑动方向
实际上人类就是这么干的，这就是 heuristics 的力量。
相对于偏向于心理学以及科普的《决策与判断》来说，这本书的理论性更强，引用文献也很多而经典，而且与人工智能和机器学习都有交叉，里面也有不少数学内容，全书由十几个章节构成，每个章节都是由不同的作者写的，类似于 paper 一样的，很严谨，也没啥废话，跟《Psychology of Problem Solving》类似。
比较适合 geeks 阅读哈。
另外，对理论的技术细节看不下去的也建议看看《决策与判断》这类书（以及像《别做正常的傻瓜》这样的傻瓜科普读本），对自己在生活中做决策有莫大的好处。
人类决策与判断中使用了很多的 heuristics ，很不幸的是，其中许多都是在适应几十万年前的社会环境中建立起来的，并不适合于现代社会，所以了解这些思维中的缺点、盲点，对自己成为一个良好的决策者有很大的好处，而且这本身也是一个非常有趣的领域。
（完）
步步高，优学派，读书郎，三者哪个更好，
平凡的世界芥川龙之介的，罗生门丹布朗的书，数字城堡 什么的海底两万里果核里的世界，当然这不是本科幻的飞.奇幻世界，这本杂志还蛮好的罗杰·泽拉兹内 的 安伯历代志以下是几本奇幻类的经典之作1.《魔戒之王》（奇幻）——J.·R.·R.·托肯恩 所有奇幻文学的鼻祖，当然，赢得了我们最顶端的位置。
除了全然独立创造了奇幻文学类型和影响了几代作家之外，托肯恩的传说讲述了一个宏大的故事。
2.《安伯历代志》（奇幻）——罗杰·泽拉兹内 Amber（琥珀）是惟一真实的世界。
所有其他的世界，包括地球，只不过是幻像。
柯文王子，安伯王座合法的继承者，必须征服这些交错的真实，反抗恶魔的压迫，并且还要在他自己残酷的家族体系中存活下来去赢得王冠。
3.《》（科幻）——沃森·斯科特·卡德 仅仅八岁，安德·维京就成为地球上最优秀的军事天才。
面临着战争的现实，安德选择了离开军队而成为了一名“死者代言人”、一名顾问、真理的搜寻者和在需要咨询的家族中做仲裁人。
不幸地是，上天赋予了他另外的任务。
4.《神经漫游者》（科幻）——威廉·吉布森 一个耗尽了好运的黑客、同时也是一个做梦都想敛财的家伙发现了一名新生AI的秘密。
塞伯朋克第一次被提出的著作，也是吉布森系列作品的第一部。
5.《异教徒汤玛斯·寇文能历代记》（奇幻）——史蒂芬·R.·唐纳森 一个真实世界的麻疯病人，汤玛斯·寇文能被传送到一个由污浊的、邪恶的力量包围的幻想世界。
只有用他随身所携之“离奇魔术”签订的契约才能解救这个世界，但是他并不相信这个幻想世界的存在。
6.《基地》（科幻）——艾萨克·阿西莫夫 陷入衰落的银河帝国和控制了杀伤性机械的科学家神秘社会的史诗故事。
7.《沙丘》（科幻）——弗兰克·哈伯特 沙丘系列的第一部讲述了宇宙中最强大的灵媒，保罗·阿特雷兹的事迹，他在学习应对ZZ上的阴谋和沙漠行星阿拉吉斯环境上的荒凉的同时也在平衡着自己不断增长的力量。
8.《艾尔瑞克》（奇幻）——迈克尔·摩考克 一名白子战士\\\/巫师在一次死亡竞赛中找到一柄吸魂剑而且在“秩序”和“混乱”之间的终极打击下拾起了它。
9.《高堡中的男人》（科幻）——菲利浦·k.·迪克 充满了偏执狂和复杂真实的游戏，这种“假如纳粹德国获胜”的剧情是曾经被写过的最非主流的历史。
10.《1984》（科幻）——乔治·奥维尔 真诚的讲你会喜欢这本书的。
它是一本你要独自看的书；没有其他人在身边。
你会在每天晚餐后花上二个小时看这本书；荧光屏能确保这一点。
老大哥会成为你的朋友。
11.《休伯利安》（科幻）——丹·西蒙丝 伯劳鸟：一种用思想来停止时间的终极杀人机器。
霸权\\\/人工智能同盟：一个支配整个银河的帝国。
驱逐者：经过万年进化、决心推翻霸权的猿人。
将这些综合在一起你就会得到一场世界末日善恶的决战。
12.《星星，我的目的地》（科幻）——阿尔弗雷德·贝斯特 当格雷·福伊尔熬过了螺旋陷阱、发下报复的誓言时，他将自己改造成了一个有穿梭宇宙能力的全能的准超人。
13.《泰格纳》（奇幻）——盖伊·盖瑞尔·凯 为了报仇，一名强大的巫师将泰格纳王国从现实中清除了。
但是一小群英雄依靠着他们故国的记忆，寻求将泰格纳再一次重现在它原来的地方。
14.《弗兰肯斯坦》（科幻）——玛莉·雪莱 一个疯狂科学家的创造物、一个用死人身体部分拼合的怪物和怪物争取世人承认他人类身份而进行抗争的经典故事。
15.《机器人会不会梦到电子羊
》（科幻）——菲利普·k.·迪克 一位银翼杀手警察被分配去追捕佯装成人的机器人而且在这一过程中寻究 人类 的定义。
16.《莎拉娜之剑》（奇幻）——泰瑞·布鲁克斯 “莎拉娜”系列的第一本将施·欧姆斯福德置于反对邪恶的法术士王和他的骷髅随从的争斗中。
在通俗化的现代奇幻文学中这本书是很关键的。
17.《阿努比斯之门》（科幻）——提姆·鲍尔斯 一位现代学者实现了时间旅行，变更了身份、神气活现并且享受着1810年伦敦的魅力。
如同查理斯·狄更斯遇到了印地安那·琼斯。
18.《电光》（科幻）——迪恩·库恩兹 一位来自过去的时间旅行者试图阻止纳粹德国对现在的改变。
19.《提升三部曲》（科幻）——大卫·布林 横跨银河的——包括有感觉力的海豚和黑猩猩——所有其它种族都通过基因改造或者 提升获得了智力并且要为他们的恩人献出他们的一生。
人类却不是这样，他们把自己留在宇宙图腾的最底部，反对着科学高层者和时常怀有敌意的种族。
20.《环形世界》（科幻）——拉里·尼文 一支星际远征队迫降到一个直径1.9亿英里形如呼啦圈的人造行星上。
幸存者必须与最初建设者留下的蛮族后代作战，方能穿越环形世界找到答案。
沧月，江南，等作者的新武侠类型小说也非常不错，其中江南有一本“蝴蝶风暴”是讲述未来科幻的，不过还没连载完。
。
他写的龙族也不错。
望采纳，谢谢
我想报人工智能方向的研究生，应该选取什么专业啊。
你好，人工智能是一个大方有很多小的方向，具体你喜欢什么方向呢
说几个，你感受一下~现在ai领域里面最火的应该是机器学习\\\/模式识别，这个方向可以做语音识别、手势识别、图像处理、自然语言处理……另外还有很多方向，比如最优化及遗传算法、规划\\\/组合\\\/调度……你可以根据自己的兴趣选一个小方向。
国内985高校的科研水平都很好，如果你有把握考到985高校，那么尽量挑一个国家重点实验室，找30岁左右有留洋背景的导师，然后看他近5年的论文发表情况~祝学业顺利
