入行AI，从何做起—光环＆飞马网直播课回顾

我今天介绍的主题是《入行AI，从何做起》。

在当下AI非常火热的情况下，很多人都想要转型到AI，但是转型过程中最重要的不是学习AI，而是要去学习如何学习AI，这是我们本次直播分享的主要课题。

学习任何一门学科之前，我们先要了解这门学科的前因后果，它为什么存在？它当时发展遇到什么问题？为什么兴起或者衰落？有了这些逻辑之后，我们才能以更加全面的维度去看这个行业的兴衰或者未来是否可以持续很长一段时间。

首先来看一下人工智能这个词，它不是在2000年以后才提出的，更不是最近才火起来的，从上世纪五十年代就有科学家提出来：我们的计算机只要过十年就可以把人工智能的问题攻克，在计算机刚被发现的时候人类的自信程度达到无比高的峰值，实际上经过几十年的发展人工智能并没有被攻破。

但是从2006年开始，随着深度学习的崛起，人工智能又重新火起来，这其中有很多因素。首先回顾一下上世纪五十年代的时候，计算机硬件水平还很低，CPU每隔十八个月就会翻一倍，到现在，GPU性能以及翻了即使甚至上百倍，性能仍然可以继续往上升；还有一个点就是很多行为轨迹具有预测性，数据量足够大。

综上所述，人工智能发展的因素一个原因就是数据量大；其次是足够大的运算集群；最后就是算法。这些因素促进了人工智能的加速发展。所以一个行业的兴衰 有它的前因后果，如果我们可以站在历史的维度看这些发展，对我们择业、做选择都有很大的帮助。

一、人工智能落地场景

电商：最能带来商业价值的落地场景。

Cortana语音助理：命令式的交互方式，以语音或自然文本的方式。

阿法尔狗、闲聊机器人、图像识别等等

人工智能技术领域分类

图像领域：人脸解锁、自动驾驶等

语音：已经发展到一个相当高的极点

自然语言理解：闲聊机器人、智能客服等都是重要的应用场景

个性化推荐：构建用户画像，描述用户在各个维度的购物偏好。

每次给单个用户推荐商品的时候，不再只是根据商品之间的关联度推荐，还能结合用户画像，这样用户点击推荐商品的概率更大，可以进一步促进电商交易的形成，非常具有商业价值。

二、如何学习“学习机器学习”

首先，去理解概念比起看公式本身理解概念背后的故事更能降低门槛。

入门点：在学习一个数学或物理公式的时候，我们可以先去搜索相关的背后故事，它所代表的的公式逻辑，也就是实际的物理意义和现实意义。

香农信息熵小故事：关于信息量（信息量和事件空间成正比)。

三、机器学习的门槛

大家都知道，要想成为技术从业者，数学是必不可少的，编程基础，了解机器学习模型都很重要。

整个AI领域现在的工种和分类非常多比如AI训练师、模型训练师、技术、算法，方方面面都可以掺到产业链中，不管是不是能否成为一个机器学习的技术从业者，对于了解机器学习本身可以帮助提高我们掌握时代的机会，所以不用担心门槛多高，我想说的是关于机器学习能掌握多少掌握多少，都可以帮助我们了解时代新概念，从而找到新机会。

如果真的要培养数技能和机器学习模型，我们需要做到以下几点：

首先是数学，不靠看不靠背，要去了解背后的原理；机器学习模型也一样。我们要学会用现在互联网的索引工具去降低理解门槛。

例子：线性回归

四、

学习本身的思考

把这两句话放在一起理解，是否矛盾呢？

观点不一，却并不矛盾，两者谈论的并不是一个东西。

人类知识系统有两种，一类是经验型（地球是圆的，太阳从东边升起等）；一类是规则型（数学计算公式，下棋规则），理工科知识大多属于规则性知识，知道一些规律，但是灵活运用需要放在不同场景里面，这里面就涉及到思考。

孔子说的是规则性知识的学习，机器学习就属于这种。上课告诉了知识点，并不代表真的明白，课后要不短实践，才能真正掌握。而荀子说的是经验性知识，思考的成本太高，此时学大于思。

元知识：现在很多人都依赖搜索引擎，但是有时候并不知道关键词，不知道某一个东西的存在，这个时候很有可能就被挡在了门外，都不知道从何搜起，必须建立一套索引体系，才能进行搜索。

在这个时代最好的学习方法就是充分利用互联网的学习资源，帮助自己学习时间，降低门槛。

以上是直播大课《

入行AI,从何做起》的精彩内容，希望对大家有所帮助。

近期活动预告

报名方式