AI学习计划随想

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。