本文轉載自公眾號“讀芯術”(ID：AI_Discovery)

[[335936]]

我們的生活大致上是在不斷重復，總是遵循著一定的例程。如果把身體看作一臺生物計算機，那么指揮大腦的代碼應該是這樣的：

While(life != dead) 
{ 
    life.wake_Up_In_The_Morning(); 
    life.eat(); 
    life.work(`easy `, `less time `,`aim: money `); 
    life.sleep(); 
}after_Death("Even your aim did not follow your grave") 

不過，我們自己是這些代碼的開發人員，所以我們有權改變它。對于我們來說，保持積極并從事喜歡的工作是非常重要的。所以，在踏足人工智能之前，必須了解它在當今世界所做的一切，必須立志投身并熱愛這一領域。

大多數人會犯的錯是用Github代碼來做一些人工智能的工作，比如計算機視覺、語音識別、預測分析等，然后在系統中運行，這樣就稱自己為人工智能工程師了。然而并非如此，這種習慣有助于做項目，但并不能擴充我們對人工智能的了解。

很多人認為人工智能只是一串復雜的可以產生結果的Python代碼。并不是這樣的，Python只是一種編程語言。我們使用這種語言(以及其他不常用的編程語言)來執行一個人工智能系統從而產生結果。

在這個Python腳本后面還有很多工作要做，成為一位成功的人工智能工程師并不意味著需要精通編碼。

人工智能是什么，它有什么不同之處?

如圖所示，人們認為人工智能具有以下包含關系：

以當今的資源和技術，我們無法創建一整套的類人系統。因此，我們需要知道我們能做什么和不能做什么。人工智能的傳統入門是機器學習概念，每個概念都嚴格遵守其邏輯。

機器學習是走進人工智能領域的絕佳起點。一旦了解了傳統的機器學習算法，就需要進行深度學習。這一領域有很多概念，我們需要從其根源開始理解。想要深入了解，需要花費很多時間。

機器學習和深度學習均被定義為“機器在沒有明確編碼的情況下完成的工作”，它表示機器基于學習的工作能力，這就是人工智能。

如何開始了解這些概念?

每當談論這些概念時，我們都必須記住一件事情：輸入進去的是什么?期望輸出的是什么?當我們以這種方式理解每一個概念時，生活就會變得很簡單。不能忘記計算機只能學習數字，因此我們需要了解如何提供輸入以接收輸出。

一點編碼知識就足以執行龐大的人工智能系統 在學習機器學習和深度學習中的每個概念時，最好同時執行代碼。我們一旦了解了概念，下一步應該是執行代碼。這一方法的循環操作是幫助我們學習理論、檢驗實際結果的優秀方法。

為了在這一領域生存，你必須閱讀科學論文和期刊。閱讀科學論文不可能一蹴而就。論文的作者們寫出如此復雜的出版文章至少要花費一年的時間，我們要耐心地學習它們。從概念起源來學習能賦予我們更深刻的直覺，有助于探索更多相關的細節。

完成人工智能學習需要多長時間?

這不是一門限時課業，而是個永無止境的話題。我們不是在備戰考試，也就沒有考試日期。

也可以換一個問法：“我能以多快的速度學習概念?”這完全取決于個人。對于極少數預先了解概念的人，2天就能完成。少數人用1周的時間完成。有些人可能需要2周以上。目標不是在特定的時間內完成某件事，而是花費所需時間來完成整個主題。

是否需要等到完成概念學習?

不需要。實踐是最好的老師，在學習的同時，最好根據所學內容做一個項目。假設已經學習了CNN的部分內容，但是在這一個項目中需要基于圖像對水果進行分類，嘗試總會有其裨益。

一旦嘗試在實時場景中執行，就可以試著糾正錯誤，從而使我們得到預期的輸出。此外，實施項目不僅能積累經驗，還能增強自信。

如果可以遵循正確的方法并且熱愛所做的事情，可以將自己的系統代碼(在本文開頭提到的代碼)更改如下：

While(life != dead) 
{ 
    life.wake_Up_In_The_Morning(); 
    life.eat(); 
    life.work(`hard_work`, `patience`,`aim: happiness and peace`); 
    life.code(); 
    life.sleep(); 
}after_Death("Let the world speak about you"); 

走進人工智能領域并不難，這些方法都是筆者的經驗之談。或許你一開始會感到迷茫，但隨著時間的推移，就能找到了解決問題的方法和途徑。時間是很好的解決辦法。祝你一切順利!