准备认真学习AI,先不考虑技术转型吧,转型AI也并不容易,但至少要能理解AI主流技术和原理,毕竟目前来看是大势所趋,作为一个合格的程序员,应该养成主动学习了解新技术的习惯。
和一个搞AI的同学聊天,他说非科班想转型AI可能会很难,因为感觉普通程序员普遍缺少用AI分析问题的思维。具体是啥思维同学也讲不太清楚,不过不管怎么样,AI还是要学习的。
计划每天晚上抽出一点时间来看师妹推荐的CS230的课程,刚看了一节半,第一节是吴恩达介绍课程相关的一些东西,略无聊,看得快睡着了,第二节刚看了一半,一个老外讲的,感觉很有干货,从问题分析入手,深入浅出,很适合初学者,我觉得这个可能就是同学提到的AI思维吧。
话不多说,为了梦想,do it!
------------------------------------------------------------
20190811:
今天重温了一遍coursera上介绍AI的课程(Neural Networks and Deep Learning,Introduction of deep learning),比去年第一次看时的懵懵懂懂,有了一些新的心得体会。这里把印象比较深刻的一些观点记下来。
1. 初学者如何学习AI?
Geoffrey的建议是首先阅读别人的文献,但也不要看得太多,大量阅读文献的学习方法不适合创造性的学术研究。建议初学者阅读一定数量的文献直到形成自己的直觉,然后根据自己的直觉用辩证的批判性的眼光去阅读别人的文献,并从别人的工作中找到一些缺陷或是未经发现的空白领域。
学习AI要坚持自己的直觉,如果你非常支持一个观点而其他人都认为是无稽之谈,那么你可能正在做一件非常伟大的事情。
2. Never stop programming
这个观点我非常赞同,Geoffrey是站在比较高的角度去看待编程的重要性,他举的例子是带领学生进行研究,如果学生的编程能力不足,那么这个学生可能会告诉你某些观点是不可能实现的,而换一个编程能力强的人,也许就可以实现。在企业中带领一个团队同样如此,作为一个领导者,无法事事亲躬,很多时候需要依靠手下的成员去验证和实现自己的一些观点,如果自身编程能力不足,就无法事先判定哪些观点可以实现,哪些不能实现,势必不能很好地指引团队的研究方向。
3. AI对计算机行业的影响
传统的计算机科学侧重编程,研究的重点放在告诉计算机怎么做。而当AI出现后,计算机可以自己去思考和处理问题,研究的重点开始向如何将数据更好地展示给计算机,使得计算机能够更好的学习和处理问题。
4. AI涉及的知识领域
从Geoffrey的言论中可以看到,他研究AI时参考了很多其他领域的思想,很多时候生命科学、数学等方面的研究会给AI研究带来新的方向。