犀牛鸟研学营学习心得

本文是从一个之前没有AI基础的大一计算机专业的学生的角度来讲述参与研学营的收获和感悟。

首先了解到自己也有机会参与腾讯公司举办的犀牛鸟研学营是特别高兴的，看了参与项目的学员们还有课表我就意识到这次必然是收获满满的一次学习经历。

不同于需要有过相关研究经验的大佬们，我对于课程的感受更多的是开拓了视野，增强了对于AI技术的直观感受，以及了解到了各个领域AI方向的一些技术难题。

记得刚开始俞栋老师对于AI发展现状的表述“当先我们能达到的都处于弱人工智能阶段，我们的研究并不洞悉AI的本质。”以及后来他对于当前人工智能算法的阐述同样让人印象很深，利用现有的非常热门的深度学习等算法，AI在限定条件下感知和分析比较好，但是语言理解、概念抽象、常识推理还很差，这也是俞老师之后认为未来行业增长点应该在认知：自然语言处理有突破的原因。

同样在讨论区也会无意间看到很多大佬们精彩的讨论，关于AI认知困难这一点有看到两个印象深刻的看法。

1. “人类接收到的参数比机器人多，思考问题的方式都有一定的随机性，人工智能可能要有多种路径来进行随机选择吧“
2. “人还会基于以前的记忆和知识去做出一些偏见的抉择，而不是完全理性的“

同时在机器训练之前还需要的至关重要的数据标注也是一下子知道很多AI技术发展困难其实和大量高质量数据标注难以获取有关系。

之后的课程也有遇到自己特别感兴趣的AI IN GAME，主讲的老师是来自腾讯的尹俊老师。游戏于AI的关系不单单是单向的应用与被应用，

1. 学术研究中的游戏AI 学术界追求的是在游戏提供低成本仿真环境中寻求解决方案
2. 工业界的游戏AI 追求如何更快更好的做出更有趣的游戏

尹老师在介绍时引用了非常多耳熟能详的腾讯游戏作为实例，原来许多的游戏中都有运用到AI，原来斗地主的托管功能也需要一个复杂的博弈逻辑来实现，还有QQ飞车里面的NPC玩家各种无法计数的操作都是通过机器学习找到最佳路线。以及游戏工业里面利用玩家数据来进行训练，再利用机器训练的成果来优化玩家游戏体验这样的工作逻辑。感觉就像新世界的大门被打开了！

       还有后来介绍的智能体控制-动机与背景。

当时脑海里面第一时间想到了国外R星的GTA系列，从很早开始它们出品的版本就有可以与主人公交互的路人。拔枪逃跑，或者是挑衅反击，毫无疑问这样就可以给玩家带来一种特别智能的感觉。直到现在，通过研学营了解才知道这是通过规则驱动的思路来实现的，本质上其实是指令到对应行为的映射。但是就是这种听起来不太聪明的方式同样也可以实现一种非常智能的感觉。

游戏里面的智能非常的神奇，不管是否达到了真的智能，只要能以相对小的代价让玩家感受到智能就是好的解决方案！不过对于一个游戏迷也特别期待未来数据驱动的思路可以得以实践会怎样的一种效果。

还有有关AI医疗，自动驾驶，开放图谱这些课程也有很多很多印象深刻的地方，自己私下留存好了课堂记录的思维导图，在这里不一一赘述啦。

在完成了整个研学营的学习，可以感受到自己对于AI的了解一下子从一个啥也不知道的小白，变成了能聊两句的小白。今后在学校如果有机会一定要好好真的学习一下有关的知识，理论付诸于实践。努力在大学研究生时期好好充实自己，也期待与腾讯的再一次相遇！