首先，人工智能技術體系還是比較龐大的，而且當前人工智能領域的研究尚處在初期，人工智能概念本身也在不斷地發展和變化，所以當前學習人工智能不僅需要具有較為全面的基礎知識，同時還需要有一個主攻方向。

人工智能是一個較為典型的交叉學科領域，涉及到哲學、數學、計算機、控制學、經濟學、神經學和語言學等學科，所以人工智能本身的知識量還是非常龐大的。基礎比較薄弱的初學者可以一邊學習人工智能知識，一邊補學相關內容，并不是一定要從數學開始學起。實際上，長期以來，人工智能領域的專業人才培養都是以研究生教育為主，主要原因就是人工智能領域的學習難度比較大，而且對于學習場景的要求也比較高。

當前人工智能領域有六個大的研究方向，涉及到計算機視覺、自然語言處理、機器學習、自動推理、知識表示和機器人學，其中計算機視覺和自然語言處理是當前的熱點領域，不少大型科技（互聯網）公司的人工智能平臺也都是基于這兩個技術體系打造的。對于初學者來說，目前了解人工智能可以從機器學習開始，一方面機器學習的知識體系相對比較全面，學習案例也比較多，另一方面機器學習也是人工智能領域諸多研究方向的基礎。實際上，機器學習也是當前大數據分析的常見方式之一，在大數據領域也有廣泛的應用。

機器學習的步驟主要涉及到數據收集、算法設計、算法實現、算法訓練、算法驗證和算法應用，這些步驟需要初學者掌握一定的數學知識和程序設計知識。對于初期的學習者來說，可以采用比較成熟的數據集來完成算法的訓練和驗證，這會在一定程度上降低學習模塊。在學習的初期，可以從經典的機器學習算法入手，比如決策樹、樸素貝葉斯、k-mean等算法，這些算法對于初學者的數學基礎要求也并不算高，上手也比較容易。