人工智能AI專家分享：深度學習初學解惑

---恢復內容開始---

導語：高揚，現某創業公司數據科學家、人工智能專家。前歡聚時代資深大數據專家，有豐富的機器學習、深度學習實戰經驗。

在高揚老師此前的分享中，有很多同窗問到高揚老師各類關於入門深度學習這個前沿技術領域的問題。部分重要問題，高揚老師作了具體的回覆。真傳X技術教育平臺致力於讓更多技術人受益其中，經高揚老師受權，咱們將在此分享高揚老師專業的答疑。

今天的分享，將集中在初學深度學習的解惑：傳統技術程序員要不要轉型人工智能，怎樣作才比較合適在AI浪潮下發展。

---

近來有一位同窗在奇點大數據公衆號發了一條對話消息，消息內容以下：

【能不能分析一下，已經工做的傳統技術程序員在AI浪潮下怎麼作比較合適 在AI的浪潮下要不要轉型AI；仍是在原方向繼續專攻，並自學瞭解AI。

由於：

I、AI學習曲線很陡自學成本高，難度大。

II、若沒有實際項目經驗，應聘AI職位時，不能提供背書，只是一個初級入門者。

III、工做公司如有AI項目，每每直接應聘AI相關人員，公司內部崗位調整不宜

IV、轉向AI以往的工做經驗做廢

V、擔憂AI浪潮太猛，使得傳統程序員只能在夾縫中生存。在公司中不受重視，很是容易被替換掉！】

我想，這樣的一個困惑是不少初學的同窗都會有的。那我就說說我對這幾個問題的理解。

 

問題 I、AI學習曲線很陡自學成本高，難度大。

這個難度是客觀存在的，AI的學習曲線確實相對陡峭。對比一些工程應用型的產品，好比MySQL、Hadoop等，這些產品基本上會安裝、會一些基本操做就能先用起來，概念清晰簡單。固然了，在這些領域若是修煉成專家，也是要通過一系列的系統學習和工程經驗的積累。只不過這些領域基本相對比較成熟，按照標準套路去學就OK了，並且中文學習資料不少，學習的難度也就小不少。

 人工智能方面的難度來自幾個方面，一方面，全世界最尖端的技術和理論都是英文資料先出來，例如一些大會上發佈的重要論文。這些論文不只考驗每一個人的英文閱讀能力，裏面還夾雜着很是多的專有名詞和技術名詞，這些名詞對於不少初學者來講，即使正確無誤地翻譯成了中文仍然沒辦法理解是什麼含義。因此，當大廈的前兩層沒有創建好的時候就開始建第三層會痛苦異常毫無斬獲。

不過這個問題仍舊能夠經過其餘變通的方式克服，例如如今已經有了不少中文的書籍。這些書籍偏重的角度不同，對於理解英文論文有難度的初學者來講，不妨找一些通俗易懂的材料來看，畢竟有不少中文材料中並無故弄玄虛、照本宣科，而是用很考究的例子從程序員的角度來解讀AI解決問題的方式，這對於學習這門學科仍是有很大的提示做用。

因此，既然不能一步到位，那就從山底爬起。

問題 II、若沒有實際項目經驗，應聘AI職位時，不能提供背書，只是一個初級入門者。

背書不是靠項目自己背書的，到如今爲止，真正能算得上完整的人工智能項目還很是少。有不少項目也是老瓶裝新酒，我就曾經見過不止一個項目就是一個普通的數據挖掘項目或者BI項目，套我的工智能的外殼就開始「騙錢」。從這樣的項目中出來，我也不認爲就算是項目能給本身背書了。

 背書要靠本身——在GITHUB上有不少不少的AI工程項目，這些你均可以拿來研究。你可以讀得懂他們嗎？你能夠清楚地講出他們的實現原理嗎？你能夠在必要的時候比較快地找到相應的位置並作修改嗎？你能夠用你本身的能力進行有益的改進嗎？若是答案是確定的，這些能力會在你面試的時候有很好的體現。別說什麼「我能，就是我說不出來」，永遠不存在這個問題。只要你確實肯下功夫，思路清晰，項目也是萬變不離其宗的，你一張嘴面試官就知道你是什麼水平。

因此，功夫是本身下的，別期望必定會在從零到一的時候有項目有人給你背書。

問題 III、工做公司如有AI項目，每每直接應聘AI相關人員，公司內部崗位調整不宜

這個問題可就不必定了。公司內部崗位調整，在不少公司裏是相對自由的，可是前提是，你要讓你的領導確認你到新的崗位會比你如今所從事當前崗位的價值更大。你能想明白這個邏輯嗎？你能讓你的領導想明白這個邏輯嗎？若是能的話，剩下的事情都不是問題了。

 因此，功夫下在平時，厚積薄發，時刻準備瞭解本身的實力與能力，才能在有機會的時候抓住機會。

問題 IV、轉向AI以往的工做經驗做廢

這只是一個捨得的問題，舍，得，有舍纔有得，你須要作的就是根據本身的狀況度量舍與得的部分哪一個對本身更划算一些。AI只是一個新生的領域，沒有人可以保證你作這個會有更好的結果，固然了，你不轉型一樣也沒有人可以保證你可以幹到退休，不是嗎？每一個人的狀況不一樣，因此，不能一刀切地讓全部人一窩蜂地都去全身心研究AI，並承諾AI在將來畢竟年薪百萬……這聽着就像邪教在蠱惑人心。

 另外，以往的工做經驗我並不認爲是徹底做廢。你在工做中總會總結出來一些東西，總會有些心得。所謂的積累不只僅是在簡歷上寫的我寫Java代碼寫了6年，而更多的是對客觀世界的理解，或者是本身的哲學觀點在新生事物上應驗的能力。

因此，人和人是有差異的，這個咱們要認可，並且要因地制宜地進行合理的取捨，而且不失時機地進行經驗的更高維度的總結與概括，才更能讓本身立於不敗之地。

問題 V、擔憂AI浪潮太猛，使得傳統程序員只能在夾縫中生存。在公司中不受重視，很是容易被替換掉！

這個沒必要太擔憂，至少暫時不會有問題。所謂，尺有所短寸有所長。程序員的生存是靠他們作一些機器作不來的事情。作個不甚恰當的類比吧，如今工業化程度這麼高了，生產能力很強大了，但是不少看似不過高級的工種並無什麼影響——你看倒垃圾的阿姨失業了嗎？送快遞的小哥們失業了嗎？餐館裏作飯的廚師們失業了嗎？若是他們尚且沒有失業，程序員就會失業嗎？你不以爲程序員作的東西比起他們來講，可替代性更差嗎？

 AI有本身的優點，那一定有本身的侷限性。而這些侷限性，不少都是人自己的不可替代的優點。

因此，踏踏實實作好工做，尤爲是努力去作那些機器不會作的事情，你就會更有價值，更不可替代。

---恢復內容結束---