关于人工智能、编程以及机器学习
人工智能会让程序员失业吗？
当人工智能逐渐强大，大家开始担心：人工智能下一步又要在哪个领域干掉人类？
AI会让人类程序员失业吗？对此问题持肯定态度的人并不在少数。
比如：美国橡树岭国家实验室在去年底发布的论文《人机混编的代码意味着什么?人类 2040 年还需要亲自编写代码吗? 》中表示：到了2040年，大多数的程序代码将由机器生成。
2040年距今天还有些距离，至少当下，AI没有让程序员失业，而是让程序员更贵了。
前几天刷屏的《AI 时代，为什么程序员这么贵》一文，csdn的蒋总认为：AI的发展，不仅不会使程序员消亡，反而使得各行各业比现在更加需要程序员——程序员的求职范围不再局限于软件或互联网行业，社会总需求激增，人才自然也就更贵了。
笔者对蒋总的观点蛮赞同的，当前的势头也确实如此。
不过，再过5-10年，程序员还会如今日行情吗？
编程日益成为通用技能
个人认为：在不是很久远的将来（也许三五年，也许十来年之后），编程将从职业技能逐步蜕变为职场通用技能。
我们可以类比“识字”这个技能来看——
百十年前，大多数老百姓都不认识母语文字。当时，识字无疑一种职业技能。具备了这一技能，就可以获得一个比大多数人工作环境更优越，报酬也更高的职位。
但到了今天，识字率已经逼近100%，仅仅“认得字”，还是只能从事低端工作。
未来，编程将成为人人都会做的事情，职场中的一员，除了要具备听说读写本国语言的能力外，还得能够读程序、写代码——即使一时无法覆盖全员，至少是朝着这个方向发展。
而职业写代码的人，将越来越少。
类似的技能还有：驾驶——汽车工业发展起来后，职业司机会越来越少，驾驶成为了当代社会人们的一种通用技能。
算法——编程的核心
从语言特征（词汇、语法等）的角度来讲，最复杂的编程语言远比最简单的自然语言简单得多。
我们学习各种自然语言是为了日常生活与人交流、收取信息，学习编程语言又是为什么呢？总不是为了说“您吃了吗？”或者“打点折”吧。
我们用编程语言描述事物、概念，以及它们之间的相互关系和运行方式，将大千世界转化为计算机能够理解的电信号，驱动硅晶金属构造的部件去完成任务！
编程的核心在于通过各种各样的算法去实现具体的业务逻辑，把繁杂的过程抽象化、可计算化。从纯粹软件的角度讲，甚至可以说：算法 + 数据 == 计算机程序。
受过计算机科班教育的人一定上过一门课：数据结构，这门课是计算机科学的基础，它的核心内容就是各式各样的算法。
最简单的如排序、查找；之上是进阶部分，例如动态规划、分治、回溯等策略，都是几代计算机科学家从解决现实问题中提取出的套路——这些才是编程的核心。
从基础算法到机器学习
今天的程序员学习编程 ——
- 首先，要了解编程语言的语法特征；
- 并且，掌握编译或解释的过程，及编译器/解释器性能，调试方法、工具等；
- 然后，配合算法，实现业务逻辑——就可以做很多（几乎是任意的）事情了。
但把目光放长远些，只会这些，还是远远不够。
虽然目前基础算法和机器学习还是泾渭分明的两部分内容，但笔者认为，未来这两部分终将合流。
随着其落地点和应用越来越多，机器学习必将融入到常规编程之中。
反过来，能够让越来越多的人在编程中运用机器学习的成果，也是计算机技术发展的结果。
虽然人类对于用数值表达事物，用运算推演事物联系的研究已经持续了几千年。但在没有计算机的年代，稍许复杂的数值计算就需要数学家、统计学家的介入，普通人难以胜任。
后来，有了Excel之类的工具，一般人也可以负担常用的数据统计工作了。
机器学习也是一样的道理，大量工具、框架的涌现，使得运用算法处理数据，训练模型的过程越来越简单高效。
那些曾经高高在上的机器学习模型变得触手可及，只要写几行代码，就都能拿来就用了。这种便捷使得每一个会写程序的人，都可以轻松上手机器学习。
修炼内功——掌握机器学习原理
工具虽多，要用对地方，还得掌握基本原理。
在使用统计工具的时候，我们可以很方便地计算均值、方差、中位数等等指标。但要让计算结果有用，总要先搞懂它们的定义、计算公式和物理意义。
同理，在机器学习领域，我们有若干历史悠久的经典模型。它们从实践中来，经历了千锤百炼，在数学层面被严格证明为有效。
那么，学习它们的模型函数、目标函数，从模型函数到目标函数的运算过程，各个函数相应的物理意义，最优化的方法……就成了使用它们的必要前提！
掌握了这些模型之后，再与特征工程结合，就可以用来支持现实业务了。
学习机器学习的意义
计算机技术飞速发展，各种工具、框架、语言日新月异。但是蕴含在机器学习中的原理和公式推导却是稳定的，经得起时代更迭。
我们学习机器学习，不仅是为了找一个AI工程师的岗位，也是在掌握一种通识技能。
相信将来机器学习会像现在的四则运算一样，成为大众必备的基础能力。
另外，学习机器学习，也是一种对思维的训练。
用数值表达现实事物，用运算描述任务目标，再通过算法处理数据找到达到目标的最优化路径——这个思维的形成过程，远比学会模型本身更为难得。
经过这种思考训练内化出的思维能力，完全可能成为学习者相伴终身的助力。