跟着弦哥學人工智能3—對噴子的回覆

上篇以後，被你們噴到不行，仍是有點意外，本覺得園子裏的都是傳統信息系統的人，一幫老人瞎捧場，發出來就是自娛自樂和自我鼓勵，沒想到還有業內的人，也有不少想真正學習和從業人工智能的同窗。

噴點我總結了下，有兩個：學習方法不對，書選的不對；學習態度不端正，不尊重這個行業，文風也有點問題。整體感受有點像「崔永元談轉基因」、「農民科學家談哥德巴赫猜測」。這兩個問題都是大是大非的問題，因此可能須要說明一下。

1. 書選的不對：主要噴的倒不是說我選的書是垃圾，都是一些國外的經典的教材和理論大部頭，主要噴點在這些書太難啃太理論，不適合新手學習。我首先表示理解，若是有個外行在我這個領域，跳出來講要學習信息系統開發得從《微機原理》、《算法導論》、《二十四個設計模式》看起，我也會以爲這是個SB。由於這些理論知識啃起來很難，工做中用到的也很少，特別是架構師如下的技術職位，不懂也不太妨礙在這個行業養家餬口。因此我解釋一下，第一，我不是新手，在我這個領域作架構基本沒找到能噴個人人，乾貨以前發的有，架構完整源碼我也給你們分享了，基本開始捧場的都是那時候的朋友。這些基礎理論對作架構師及要帶團隊作出可交付的商業產品的工程化實踐中相當重要。我是搞架構出身又是帶技術團隊的，一上來就參考這些書學起輪不到大家這些崽子噴。第二，我不是原有領域幹不下要學這個養家戶口，搞深度學習在架構如下級別的待遇和傳統信息系統開發的待遇是差很少的，轉行沒有意義，因此急於在人工智能領域就業作點基礎工做的同窗確實不適合看我這個系列，隔壁的三個月入門速成班更適合你。另外注意，我寫的是參考書目，不是推介書目！

2. 學習態度不端正，文風有問題，這個問題更嚴重，直指一個技術人員治學的態度和素質。是以學術風格寫，仍是以大話風格寫這個系列，我其實作過慎重的思考。首先我對你們的噴也表示理解，對於人工智能這種前沿科學和新興工程實踐，一個外行，上來就用狗屎狗尿的講一些看似沒用的導論,又沒有代碼之類的所謂乾貨呼應，確實像個譁衆取寵的SB。

   這塊提及來有點麻煩，但既然大家噴的這麼厲害，不妨容我解釋下，任何一門新興科學和工程實踐，掌握紮實的理論概念其實很難，舉個搞.net和java都知道的例子，依賴注入（Dependency Injection）和控制反轉（Inversion of Control），好像說的是一個意思，你查二手資料也好，看大牛一手paper也好，不必定能搞清楚，你寫代碼的時候也每天在用，沒有深刻理解也不礙着啥，若是面試官問你這個問題，有些同窗也會以爲面試官在故意刁難，在裝。但你抄手作架構的時候問題就來了，Repository層的接口是放在Repository層仍是Domain層不少人靠直覺去作就搞錯了，並且就算錯了通常的業務邏輯處理問題也不大，但業務邏輯一開始複雜，問題就來了，你根本找不到問題出在哪，就算醒悟了，再改，這時候整個團隊已經作了一陣了，成本過高，承受不起。

   因此，雖然這個系列我是自娛自樂，在治學嚴謹方面我是很是注意的，也下了些功夫，其中講的概念和知識點都沒有可噴的。拿上篇的內容舉例，原文是這樣的：

   【上篇咱們講到在machine learning以前基本都是靠hand-crafted rules去實現所謂人工智能。這部分太簡單，通常教科書都是以「咱們都知道...」一筆帶過，這無疑給不知道的同窗帶來一記重拳！】

   其實不少教科書在導論中並無所謂「一筆帶過」，都舉了一些例子來講明。若是大家有人找到了這個噴點，我也算服，然而並無人指出來。

   不少導論中例舉的項目都帶有較深學術歷史背景，別說非專業的看不懂，就是本專業的，只要不是長期搞學術的，你能真正看懂？有的簡單入門就會用一個IF去說明,有的教材又用知識庫（實際書裏只寫了項目名）舉例，這就不是簡單的IF，數據庫原理沒學的就不容易理解，還有一些很偏門的，但本質上是IFS。

   再好比人工智能、機器學習、深度學習之間的關係，大多教材都用一個大圖把不少後面的東西表達出來，砸一看確定是蒙逼的。其實若是是純小白沒有日後學，手段和方法光從字面看就不太好搞之間清楚關係。

    以前涉及到的每一個知識點都是這樣，一個知識點同時查至少5個資料或教材，深思熟慮寫的。文風主要仍是爲了消除學習的恐懼感，學術風格要說的東西太多，一看就蒙了。網上也有相似的大話，但基本都不嚴謹的，有些概念是混淆模糊或過於簡單化。因此雖然是大話文風，但並不表明我寫的東西是不嚴謹。

   最後，書不盡言 言不盡意，你看到的是隻有狗屎狗尿仍是其中的知識點，這個我也沒辦法。