AlphaGo Zero都开始自学了，你今天机器学习了吗

       有感于前天的AlphaGo再进化新闻，DeepMind团队的最新技术都可以在没有任何围棋先验知识的前提下，完全自学就可以达到超越AlphaGo、AlphaMaster的水平，想当初阿尔法狗一代和狗二代可是很轻松的战胜了李世石和柯杰。这个新闻对于近期的人工智能研究来说应该会起到很大助澜作用。听说今年公司校招的时候，投算法职位的学生非常多，投服务端开发职位偏少，前端开发最少。随着深度学习在多个领域落地开花，比如：人脸技术、图像识别准确率一再被提高，但都算是机器学习圈子的新闻，而阿尔法狗与李世石的人机大战应该算是引爆点，开启了这次人工智能的大潮。这几年人工智能这个词着实热，有点像前些年的云计算，记得2010年的时候，科技圈内的各大论坛、峰会，都在热讨云计算，朋友间聊天时，也会提到云计算，各大公司也都在云计算上展开投入，目前来看，bat三家中，阿里做成了。而这一波人工智能热潮不知道能持续多久，最后国内哪家公司能真正胜出呢？

       回到开头的话题，投算法职位的学子越来越多，除了说明人工智能热之外，我想也说明了算法的学习曲线变平缓了。本来机器学习涉及的算法繁多，每个算法都有大量的理论推导，要想一一掌握需要花大量时间和精力学习，而深度学习凭着强大的函数拟合能力，可以胜过很多传统机器学习算法，这样充分掌握一项技术就可以做很多事情。当然，传统算法还是要理解、掌握的，这样思路才宽广。学习过程中，过了深度学习的理论关，就可以采用下面各种主流的框架开始训练模型，比如TensorFlow、Theano、Keras 、Caffe 、Torch等，实际需要编写的代码很少。用了这些框架，想起以前用mfc做pc客户端开发，一个简单功能，比如绘图，画之前，要先创建画笔，创建画笔要先获取dc，自己创建的画笔供dc使用前，需要先保存dc原画笔，画完图后，要先复原系统dc画笔， 在依次释放内存，并且有些函数参数巨多，有的传句柄、有的传指针、有的传对象，五花八门的用法，整个过程非常繁琐。而现在这些深度学习框架，比如TensorFlow，在加载数据，构建、训练、验证模型等过程中，只需编写少量的代码，整个编写过程不仅仅是非常简单，而是异常简单。当然，算法工程师也闲不着，除了模型需要调参和优化，还有大量的paper等着去读，还有更多未知信息等着去探索、发现。