导论：用对这本书
很多想学人工智能的朋友，不是不努力，而是倒在了"前置知识"上：看到满屏的矩阵、导数、概率符号就发怵，或者收藏了一堆课程却不知道从哪开始。这本书要做的，就是把这些"门槛"一个一个拆掉 - 用大白话、生活类比和图画，把数学、编程、机器学习的地基给你铺好，再给你一张从零到入门、再到深入的系统路线图。
0.1 这本书是给谁的
如果你符合下面任意一条，这本书就是为你写的：
🌱 纯零基础
没学过编程、数学也忘光了，但想认真学会 AI，而不是停留在"看热闹"。
😰 被数学劝退过
一看到 Σ、矩阵、导数符号就想关网页。其实这些符号背后都是很简单的直觉。
🗺️ 学得很乱
收藏了几百个视频、买了好几本书，却不知道该按什么顺序学，越学越焦虑。
🎓 学生与转行者
准备系统入门 AI 方向（算法、数据、大模型应用），需要一个扎实又轻松的起点。
这本书的承诺
不要求你有任何数学或编程基础，只要求你：会四则运算、愿意花时间、肯动手。所有公式都只讲"它想干什么"，不追求严谨推导 - 严谨是正规教材的事，我们负责让你先懂、再不怕。
0.2 这本书解决什么问题
学 AI 的"前置门槛"其实就三道，这本书一一拆解：
0.3 学习地图：八章怎么走
本书八章不是并列的，而是一条依赖链：数学是语言，Python 是工具，机器学习基础是世界观，神经网络热身是第一次实战，最后落到一张系统路线图。下图是全书的地图：
图 0-1 《人工智能前置课》学习地图：数学 → 优化 → 编程与基础 → 神经网络 → 路线
0.4 学习方法论
这本书的写法遵循四条原则，也建议你用同样的原则去学：
- 先直觉，后细节。每节先用生活例子把"它在干什么"讲明白，公式只是给直觉"盖章"。看不懂某个公式就跳过去，先记住结论，回来看第二遍时自然会懂。
- 费曼技巧。每学一节，试着用大白话把内容讲给"另一个人"听（哪怕对着空气）。讲不出来，就是还没真懂 - 回头再读。
- 边读边动手。尤其第 5、7 章，一定要打开电脑跟着敲代码。看懂和会写，是两种完全不同的"会"。
- 少囤积，多消化。资源是学不完的。把这一本书吃透，胜过收藏一百个视频。第 8 章的资源清单够你用很久。
类比：学 AI 像爬山
前置知识是山脚的补给站 - 不把水（数学）、登山杖（编程）、地图（机器学习世界观）准备好就上山，很容易半路放弃。这本书就是帮你把补给备齐，还告诉你哪条路上山最稳。山很高，但每一步都不难。
0.5 与《人工智能理论与实践》配套使用
如果你手边还有《人工智能理论与实践》（讲感知机、SVM、CNN、RNN、Transformer、强化学习的原理书），这两本书是天生一对：
| 《人工智能前置课》（本书） | 《人工智能理论与实践》 | |
|---|---|---|
| 定位 | 地基与路线：数学、编程、机器学习基础 | 主体建筑：七大技术主干的原理 |
| 适合谁 | 零基础、被数学劝退的入门者 | 已掌握前置知识、想读懂算法原理的读者 |
| 读完能干嘛 | 不惧公式、能写简单代码、看得懂学习曲线 | 理解大模型/CNN/Transformer/强化学习原理 |
| 怎么配合 | 先读本前置课 1–6 章 → 再读主书 → 回头复习前置课 7 章 | 主书每章遇到公式卡壳，回前置课对应章节查 |
0.6 怎么用这本书
三点阅读建议：
- 顺序：第 1 → 4 章请按顺序读（数学是递进的）；第 5 章可以和数学章并行读（换换脑子）；第 6、7 章建议在前四章之后；第 8 章随时可以翻，它就是你的"作战地图"。
- 记号约定：本书公式极少，用到时会用衬线字体居中显示；\(x\) 表示向量、W 表示矩阵、Σ 求和、∇ 梯度、\(\eta{}\) 学习率。看到公式先读旁边的"人话解释"。
- 卡片约定：要点是必须记住的结论；补充是背景知识可跳过；类比帮你建立直觉；衔接指向主书或下一步。
把这本书当成一位耐心的朋友：它不怕你问"这有什么用"，不怕你数学差，只怕你不动手。现在，翻开第 1 章，我们从一个"数字清单"开始。