在回答这个问题前，首先要把几个概念搞清楚，“人工智能(AI)”、“机器学习”、“深度学习”、“卷积神经网络”。
人工智能（Artificial Intelligence）是一个非常大的范畴，包括感知智能、认知智能、运动智能等等，又可以分成强人工智能和弱人工智能，攻壳、机器姬之类的属于前者。
机器学习（Machine Learning）是人工智能的一种方法，也是现在比较受欢迎的一种主流思想，可以顾名思义地理解成让机器学会学习。
深度学习（Deep Learning）是机器学习的一种，也是现在非常火热的一个研究方向。深度学习中的“深度”，最简单理解就是“有很多层”。 “深度学习的深度，指的是超过一层的非线性特征转换。
卷积神经网络（Convolutional Neural Network，CNN）则是深度学习的一种方法，安排深度学习的深层架构可以通过直接堆叠，也可以通过卷积神经网络。
所以我们回到问题上，“制作一个人工智能”这个表达比较含糊，如果你说想造一个素子小姐那短期内还是不太可能的……如果你说想利用深度学习、机器学习来打造一款AI应用，比如图像分类、视频处理、人脸识别之类的，还是可行的。
那么首先你需要一定的基础知识。数学基础：高等数学，概率论，线性代数，离散数学。其次你需要一定的代码能力：python作为常见的AI训练语言，然后tensorflow或pytorch甚至其他例如peddle灯深度学习框架，其次c++以及cuda-c等底层与gpu调度语言。然后你需要一定的人工智能知识：数据的清洗处理，聚类分类等，传统机器学习算法，常见神经网络结构与深度学习模型。
有了这些基础知识以后，大量翻阅论文，根据自己的数据集进行建模。建模完成后通过数据集对模型进行训练，对输出结果分析然后挑参，然后再训练，再调参数…发现有问题，推倒模型重新设计，训练，挑参，训练，挑参，最后成功打败benchmark，发表顶会，进入达摩院，走向人生巅峰（我在想peach
首先你需要的基础知识基本了解python基本语言，任意一种深度学习框架，熟练的Linux知识，数据处理基本知识，简单的深度学习知识与百度知识。首先选定一个合适的模型，比如我搞nlp就不会去用cnn，我能用bert就不用seq2seq。然后找到相应GitHub代码下载下来，将其中的数据集替换成自己的，然后训练，然后成功。
题外话，我觉得完成人工智能项目需要最多的不是知识，而是钱。疫情期间学校实验室服务器全部失联，鬼知道我租一个gpu服务器要花多少钱，哭了。
高等数学，线性代数，概率论数理统计和随机过程，离散数学，数值分析。数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。抄今天的种种人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识。线性代数将研究对象形式化，概率论描述统计规律。
人工神经网络，支持向量机，遗传算法等等算法；当然还有各个领域需要的算法，比如要让机器人自己在位置环境导航和建图就需要研究SLAM；总之算法很多需要时间的积累。
比如C语言，MATLAB之类。毕竟算法的实现还是要编程的；如果深入到硬zhidao件的话，一些电类基础课必不可少。
