什么是人工智能

AI的诱惑在哪里

目前AI行业的薪资普遍较高。这也是大部分人想转AI的原因。 以互联网行业的平均薪资来说,两个学历和工作年限一样的开发者,AI开发的会比移动端开发高20%左右。 若以应届毕业来说,现在深圳的算法岗位博士月薪在3W左右浮动。 可以说很多人是冲着这一点去学习AI的。 而且就技术前瞻性来说的话,在未来10年内,掌握AI技术的相关人才会更吃香。很多大公司也开始在储备这方面的人才。

但实际上AI的就业情况,18年开始已经不如前几年那么火热了。拿头条来举例子,前几年头条的算法岗位可谓供不应求。但是18年的情况不一样了,算法岗位的招聘比例大概在1/5甚至1/10,反过来其他岗位比如Android开发,服务端开发,这些岗位虽然每年都有,但是今年却招不满。 原因很简单,在算法大热的行情下,很多应届毕业生都选择去刷题来增加算法经验,从而希望能拿到算法岗位的offer。所以今年工程相关的岗位的薪资非但没降低,反而还有些升高。 相比较下算法岗位就没那么乐观了,竞争激烈导致求职者跟公司的需求关系倒挂,招聘公司对薪资可以很从容地开条件了。

AI其实没那么神秘

如果说你真的想从事AI,那么请先搞清楚AI到底是什么,你想学的是什么东西。

有人说AI就是人工智能,AI就是机器会像人一样思考,AI就是你拍张照,它就告诉你这是什么东西。 这些都对,但这些说法不能够让你明白AI到底是什么。

“AI是一切能减轻重复劳动的方法的集合”

如果把这些方法分一下类,可以分成这两种

  • 传统算法的AI
  • 深度学习的AI

平时我们经常听到的那些名词,像神经网络,机器学习,大数据,其实都可以归类到这里面。

举个例子,拍张花的照片,软件自动告诉你这是什么花,这是人工智能。 但具体实现这个功能的方法有很多种,比如传统的SVM(支持向量机)可以做物体检测,深度学习的R-CNN网络,也可以做物体检测。

那么传统算法和深度学习有什么区别呢?这要从AI是从什么时候大热开始说起。 从1960年开始到现在,AI经历了几轮的大热和大冷。但真正将AI带入我们生活中的是近几年卷积神经网络的发展。 卷积神经网络应该是在15年提出的,它颠覆了之前在AI领域的很多成就,告诉人们,其实AI还可以这么做。在此之后基于卷积神经网络发展了很多骚操作,这些新的技术手段都可以称之为深度学习,他们所使用的网络称为深度神经网络。 也是在这几年人们才发现,以前那些解决不了的问题,用神经网络的思路变的可以解决了。

深度神经网络是怎样一个东西呢? 这个其实很好说明。回想一下我们学习数学的过程,当我们第一次接触 1+1=2 的时候是怎样的。

老师:”1+1等于多少?” 学生:“等于3” 老师:”不对,等于2” 老师(再次问):“1+1等于多少?” 学生:"等于2"

这就是一个不那么严格的深度学习的过程。 简单的说这个过程分为输入、网络、输出、损失。输入就是"1+1"这个提问,学生对提问的处理可以看做网络,输出是学生的答案,损失则是学生的答案跟正确答案的误差。

训练一个神经网络的过程,相当于不停的给学生输入数据,然后对比学生的输出结果和正确结果的误差,不断地更新学生的认知,直到误差等于0停止。

当然实际的深度学习比这要复杂一些,上面的例子因为有正确的答案作为标签,所以称为有监督学习。还有一种没有标签的方法,称为无监督学习。

明白了这个,你就掌握了80%的深度学习的脉络了。

Android能做人工智能吗

当然可以,这是很简单的一件事情,但是它的局限也很明显。 现在的手机计算能力还远不如PC,移动端对深度学习的支持还比较简单,只能应用一些普通的场景。 真正工程应用上,我们在处理一些复杂数据的时候,在专用的计算显卡上每次响应都要500ms,这种计算量如果放在移动端上,估计要凉。 但并不是说就不能在手机上工作。如果你有兴趣的话,可以留言”人工智能“,留言多的话我可以提供一个能识别大部分物体的Android源码给你玩玩看。

可能你已经意识到,Android转AI是可以的,但是局限也很明显。 所以如果你真打算转行做AI,那么我建议可以先熟悉一下两个东西,

  • python
  • 线性代数

小编计划推出一个AI学习的系列,只要你有编程基础,只要你想从Android转AI,只要跟着教程走,你就可以定制一个属于自己的人工智能。

原文发布于微信公众号 - Android每日一讲(gh_f053f29083b9)

原文发表时间:2018-11-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能头条

专家展望未来5年深度学习发展趋势

20440
来自专栏新智元

【报告】神经网络:技术发展与未来挑战(PDF下载)

【新智元导读】本文为爱思唯尔收费报告。西班牙格拉纳达大学研究人员系统梳理神经网络历史,从模型、模拟器到实现几方面阐释神经网络发展,展示了随时间推移,神经网络如何...

38180
来自专栏PPV课数据科学社区

了解人工智能之基础概念-基本概念问答

? 摘要: 本文对人工智能领域的一些基础知识进行了普及。对刚刚接触机器学习的人们会有不小的帮助。 在关注了机器学习一段时间以后,最近我开始投入到这个领域的研究...

38590
来自专栏新智元

【深度】小度VS最强大脑声纹识别战成平局,吴恩达详解技术原理

【新智元导读】 2016年1月13日晚,百度人工智能代表“小度”与最强大脑选手孙亦廷在声纹识别上展开人机大战,最终双方战平。本文带来百度首席科学家吴恩达对百度声...

35260
来自专栏AI研习社

如何在 15 个月内占领 Kaggle 榜首?bestfitting 经验大放送

雷锋网 AI 研习社按:相信玩过 Kaggle 比赛的人都知道 bestfitting,他在加入 Kaggle 社群短短两年之内,就以黑马之姿成功占领比赛排行榜...

14320
来自专栏新智元

《科学》封面论文作者力作:搭建像人一样思考和学习的机器(附论文下载)

【新智元导读】纽约大学的B. Lake、MIT的J. Tenenbaum等人2015年底在《科学》刊发封面论文,描述“看一眼便能学会写字”的计算机。Lake、T...

37270
来自专栏机器之心

业界 | Ian Goodfellow专访:我为什么可以在一夜之间创建GAN

Ian Goodfellow:不客气!非常感谢您来采访我,也感谢您撰写采访博客为其他学生提供帮助。

12220
来自专栏人称T客

第四次产业革命:始于人工智能 | 周末长文

T客汇官网:tikehui.com 撰文 | 徐婧欣 ? 「最近十年,我们一直在建立一个移动优先(mobile-first)的世界,而接下来的十年里,我们的将转...

37360
来自专栏机器学习算法与Python学习

资源 | 深度学习 & ChatBot全面总结

该总结是在EMNLP 2018中由微软首席科学家武威和北京大学助理教授严睿关于聊天机器人(ChatBots)近年来的全面总结,并附带Slides下载。

12110
来自专栏机器之心

专访 | 阿里搜索事业部研究员徐盈辉:剖析阿里背后的强化学习技术

机器之心原创 作者:杜雪 2013 年,DeepMind 在 NIPS 大会上发表的一篇深度强化学习的文章,一举惊艳了学术界。2016 年 1 月,Alpha...

582110

扫码关注云+社区

领取腾讯云代金券