相信大部分的读者跟我一样，是从2016年3月开始，一个叫阿尔法狗的玩意儿横空出世，才知道世界上有这么一群人，在做这么一件事，叫做人工智能，简称AI。这件事影响重大，我的一个同学居然因为这件事，开始学习了 下！围！ 棋！（MD不应该是开始学人工智能嘛...）。对于当时还在读研究生的我来说，其实并没有什么深刻的理解，只是出于一个理工男的好奇心，上网搜索了一些相关的信息，算是有了一个基本的了解。以当时的基础和学识水平，当看到什么各种英文简称，什么AI呐，BP呀，CNN啊，RNN啦，GAN之类之类的时候，心中只有三个字：“NMB”。不过还是有一些良心发现的人，说人话的人，算是给我的启蒙带来了一些帮助。通过一段时间的学习，和想要炫耀的强烈意愿，终于获得了一些谈资，能够在跟同学们闲扯的时候，装的好像真明白点儿什么似的（虽然当时还在操心六级能不能过的事儿...）。
如今正式的学习这些内容半年多了，走了不少弯路，也对这个行业，这一门技术有了一个大概的了解，有了一点个人的浅见(确实不是谦虚...)。今天拿出来跟大家分享一下，希望能够给想要学习这些内容的小伙伴们一些帮助和建议。
好了，言归正传......
1.认识AI
似乎这是一个必须要搞清楚的问题。AI就是artificial intelligence的简写，我们把它翻译为“人工智能”。事实上，AI就是要通过人工搭建网络的方式，来模拟人类认识世界的过程（事实上还是不一样），给与计算机智能（主要是学习能力）。
这就要从开山鼻祖图灵老爷子说起了，早在老爷子还活着的时候，就在思考一个问题，是否有一天机器能像人一样思考。而第一批投身到机器学习这一领域的人其实早在上世纪60年代就开始了各种研究，发展过程我就不细说了，感兴趣的读者可以自行搜索，网上有一堆(虽然偶尔说法不太一致，不过无伤大雅)。
这里我主要想说一下AI技术与传统技术的区别。其实AI本质上是一种数据处理与分析技术，只不过是通过建立神经网络这种方法，对数据进行深度学习，而建立起我们需要的模型的过程。如果觉得这句话还是不好理解的话，那就举个例子：
假如：我要识别一只猫，黑猫白猫波斯猫，都是猫。现在有两种方法：
方法一：描述猫的特征，比如耳朵的形状，花色，眼睛的样子，尾巴的形状，爪子，身子，姿态，之类之类，然后将满足这些特征的玩意儿叫做猫。下次看见猫，你就按照提供的特征一一去核对，满足全部条件，就认出这是猫。按照这样的方法，你如果要认出你爸爸可能需要三年...
方法二：当你走在街上时，看到一只猫，你爸爸告诉你这是猫，下次又看见猫，你爸爸又告诉你这是猫，看了几次之后，你也不知道为什么，居然知道了什么是猫，哇哦，多么神奇。这个时候如果让你来描述什么是猫，你八成是说不出个一二三。但是这种方法很奏效。做个对比，这种方法下，你认识你爸爸可能见几面就行了。
AI 就是模拟第二种方法，利用海量的数据(图像，语音，数组等都可以是数据)，让计算机自己去学习，如何将这些不同的物品区分。学习的途径就是建立各种神经网络，至于神经网络是什么，以后我会细讲。这里你就先记住这个很重要的概念就行。
2.如何学习AI
原则只有一条：理论与实践相结合。相比其他的工作来说，学习 AI 是相对复杂的，既需要一定的数学功底，也需要扎实的编程能力，还要有很强的逻辑能力，最关键的是持续的对这门技术产生兴趣。 不过...这些要求都是不定量的描述，因人而异，可能要求也没我写的这么高··· 所以建议大家有兴趣的还是要去尝试学习一下，万一你就是那个万中无一的AI奇才呢！
这里我建议大家最好还是会使用 python ，没有高大上的原因，就是因为 python 简单粗暴直接。有学过多门编程语言的小伙伴们一定有感受到这一点...真的，不骗各位···
辅助工具呢，我用的是最主流的 TensorFlow ，其他的还有caffe，keras等等... 小伙伴们可以根据对名称的好恶，自己选择，千万不用上网查哪个好用，否则布拉布拉扯一大堆，你也看不懂，到头来还是啥也不知道。所以，负责任的告诉大家，都好用，真的。但是TensorFlow的使用范围最广，资源比较多，学习成本相对较低。所以我选择 TensorFlow ，也是一点点经验。如果你是 c语言类 的忠实用户，选caffe也挺好的，完全没有问题。
此外，很重要的一点，你可能需要一台配置还可以的电脑，否则会有点慢···当然前期学习的话，用一台笔记本或者普通的电脑也是ok的，后期如果想要自己训练一些复杂的模型，还是要用GPU的。
3.开始吧
闲言碎语就不扯了，可以开始了，愿这条路上的小伙伴们都能共同进步...
扫一扫
267
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
