人工智能正在成為像“電力”一樣的東西，每一個(gè)關(guān)系未來(lái)發(fā)展的人都應(yīng)該對(duì)其有所了解。尤其是開(kāi)發(fā)者，不懂人工智能，競(jìng)爭(zhēng)力將會(huì)在將來(lái)大幅度下降。在Shival Gupta發(fā)表在Hacker Noon上的一篇文章中，他介紹了自己怎樣在2個(gè)月入門(mén)學(xué)習(xí)人工智能的歷程。

現(xiàn)在這個(gè)時(shí)代，每個(gè)人都很忙。人們的個(gè)人生活和職業(yè)生涯都在發(fā)生著巨大的變化。最重要的是，隨著像人工智能這樣的技術(shù)開(kāi)始變得越來(lái)越流行，你會(huì)發(fā)現(xiàn)在接下來(lái)的兩年里，你所掌握的技能會(huì)變得過(guò)時(shí)。

當(dāng)我關(guān)閉我的創(chuàng)業(yè)公司Zeading時(shí)，我猛然醒悟過(guò)來(lái)。感覺(jué)自己錯(cuò)過(guò)了一些非常獨(dú)特的東西。

在不斷變化的情況下，作為一名傳統(tǒng)意義上的全棧工程師是不夠的。在接下來(lái)的兩年里，如果沒(méi)有掌握人工智能技術(shù)，全棧工程師將不再是全棧工程師了。

是時(shí)候采取行動(dòng)了。我做出了我認(rèn)為現(xiàn)在唯一能做的行動(dòng) —— 更新了我作為一名開(kāi)發(fā)者的技能，并以產(chǎn)品經(jīng)理一樣的心態(tài)和企業(yè)家一樣的理念來(lái)面對(duì)數(shù)據(jù)，并以數(shù)據(jù)為導(dǎo)向。

正如著名的風(fēng)險(xiǎn)投資家、人工智能和金融科技行業(yè)的思想領(lǐng)袖Spiros Margaris對(duì)我說(shuō)的那樣：

如果創(chuàng)業(yè)公司和企業(yè)只依靠先進(jìn)的人工智能和機(jī)器學(xué)習(xí)算法來(lái)展開(kāi)競(jìng)爭(zhēng)，是遠(yuǎn)遠(yuǎn)不夠的。人工智能將不再是一項(xiàng)競(jìng)爭(zhēng)優(yōu)勢(shì)，而是一項(xiàng)基本要求。你聽(tīng)到有人把“用電”作為競(jìng)爭(zhēng)優(yōu)勢(shì)嗎？

構(gòu)建我的第一個(gè)神經(jīng)網(wǎng)絡(luò)

一個(gè)非常常見(jiàn)的建議是在Coursera上聽(tīng)Andrew Ng（吳恩達(dá)）的課程。這是一個(gè)非常好的入門(mén)方式，但我發(fā)現(xiàn)，我很難長(zhǎng)時(shí)間保持清醒。我并不是說(shuō)這門(mén)課很糟糕，但我真的很難在課堂上保持專(zhuān)注。我的學(xué)習(xí)模式一直都是實(shí)踐，從實(shí)踐中獲取新的知識(shí)。所以我想，我為什么不自己來(lái)打造一個(gè)神經(jīng)網(wǎng)絡(luò)呢？

但我沒(méi)有直接去著手構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)，因?yàn)樗且粋€(gè)更加高級(jí)的學(xué)習(xí)方法。我剛開(kāi)始先去試著熟悉這個(gè)領(lǐng)域里的所有的術(shù)語(yǔ)，這樣我就能對(duì)這個(gè)領(lǐng)域有所了解。

第一個(gè)任務(wù)不是學(xué)習(xí)。而是熟悉。

我是純Java和Node js出身，當(dāng)時(shí)并不想換成其他的編程語(yǔ)言。因此，我搜索了一個(gè)名為“nn”的簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)模塊，然后通過(guò)模擬輸入用它來(lái)實(shí)現(xiàn)一個(gè)“AND”操作。受一個(gè)教程的啟發(fā)（傳送門(mén)），我選擇了這么一個(gè)問(wèn)題：對(duì)于任意的輸入 X，Y，Z，輸出結(jié)果都是 X AND Y。相應(yīng)的代碼如下：

當(dāng)?shù)玫降慕Y(jié)果是0.9971時(shí)，我意識(shí)到，這個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)學(xué)會(huì)了如何做一個(gè)AND操作，并且忽略了附加的輸入。這樣的結(jié)果極大地增強(qiáng)了我的自信心。

這就是機(jī)器學(xué)習(xí)的要點(diǎn)。你給計(jì)算機(jī)程序一組數(shù)據(jù)，它能夠自動(dòng)調(diào)整內(nèi)部參數(shù)，使其能夠在新數(shù)據(jù)上回答問(wèn)題，而原始數(shù)據(jù)中的誤差也在減少。

這種方法，正如我后來(lái)了解到的，也被稱為梯度下降（gradient descent）。

補(bǔ)充人工智能相關(guān)的知識(shí)

在我完成了第一個(gè)人工智能程序后，我充滿了信心，我想知道作為一名開(kāi)發(fā)人員，我還能做些什么。

我解決了一些監(jiān)督學(xué)習(xí)的問(wèn)題，如回歸和分類(lèi)。

我通過(guò)一個(gè)有限的數(shù)據(jù)集，嘗試用多元線性回歸預(yù)測(cè)哪支隊(duì)伍將取得比賽勝利（雖然當(dāng)時(shí)的預(yù)測(cè)很不準(zhǔn)確，但確實(shí)很酷）。

我在Google機(jī)器學(xué)習(xí)云的上做了一些演示，看看現(xiàn)在人工智能能做什么（作為一款SaaS工具，Google已經(jīng)做得非常好了）。

我偶然發(fā)現(xiàn)了AI Playbook，這是一個(gè)很棒的資源，由著名的風(fēng)險(xiǎn)投資基金Andreessen-Horowitz收集組織。對(duì)于開(kāi)發(fā)者和創(chuàng)業(yè)者來(lái)說(shuō)，這的確是最方便的資源之一。

我開(kāi)始在Youtube上觀看以深度學(xué)習(xí)和機(jī)器學(xué)習(xí)為核心的Siraj Rawal的精彩頻道。

我讀了一篇發(fā)表在Hacker Noon上的精彩文章，內(nèi)容是關(guān)于硅谷的展示者如何打造Not Hotdog的應(yīng)用程序。這是我們能做的、且最容易理解的深度學(xué)習(xí)的例子之一。

我開(kāi)始閱讀特斯拉的人工智能主管Andrej Karpathy的博客。雖然說(shuō)我很難理解其中的內(nèi)容，讓我很頭疼。但我發(fā)現(xiàn)，在嘗試了更多的時(shí)間之后，我開(kāi)始理解其中的一些概念了。

帶著一些勇氣，我開(kāi)始逐字地（復(fù)制和粘貼）來(lái)執(zhí)行一些深度學(xué)習(xí)教程，并試圖訓(xùn)練模型，并在我的本地機(jī)器上運(yùn)行代碼。大多數(shù)情況下，結(jié)果都不容樂(lè)觀，因?yàn)榇蠖鄶?shù)模型需要的訓(xùn)練時(shí)間很長(zhǎng)，而且我也沒(méi)有 GPU。

逐漸地，我從Java切換到了Python，并在我的Windows機(jī)器上安裝了Tensorflow。

整個(gè)過(guò)程，我都是在被動(dòng)地消化內(nèi)容，并在腦海里建立了一些相關(guān)的認(rèn)知，當(dāng)以后遇到真正的問(wèn)題時(shí)，就可以使用這些知識(shí)了。

正如Steve Jobs在斯坦福大學(xué)演講時(shí)所說(shuō)的，你在向未來(lái)展望的時(shí)候不可能將這些片斷串連起來(lái)，你只能在回顧的時(shí)候串起它們。

做一個(gè)聊天機(jī)器人

作為電影《Her》的忠實(shí)粉絲，我也想要打造一個(gè)聊天機(jī)器人。我接受了這個(gè)挑戰(zhàn)，然后用Tensorflow在不到兩小時(shí)內(nèi)完成了這項(xiàng)舉動(dòng)。并在幾天前的一篇文章中概述了我是怎么完成的以及它的商業(yè)需求。

幸運(yùn)的是，這篇文章廣受好評(píng)，在網(wǎng)上瘋傳（傳送門(mén)，36氪編譯文章）。這對(duì)我個(gè)人而言，這是一個(gè)非常好的現(xiàn)象，畢竟我才剛開(kāi)始寫(xiě)技術(shù)博客。我認(rèn)為這篇文章是我人工智能學(xué)習(xí)之旅的一個(gè)里程碑。

它讓我在Twitter和LinkedIn上結(jié)交了很多朋友，我可以和他們深入地討論人工智能開(kāi)發(fā)，發(fā)現(xiàn)自己的不足，甚至在我遇到問(wèn)題時(shí)，他們也能夠伸出援手。我也收到了一些咨詢項(xiàng)目的offer。最重要的是，年輕的開(kāi)發(fā)者和人工智能初學(xué)者開(kāi)始問(wèn)我，我是如何開(kāi)始學(xué)習(xí)人工智能的。

這就是我寫(xiě)這篇文章的原因。幫助更多的人從我的學(xué)習(xí)過(guò)程中獲得靈感，開(kāi)始他們自己的學(xué)習(xí)過(guò)程。

萬(wàn)事開(kāi)頭難，入門(mén)是任何過(guò)程中最具挑戰(zhàn)性的部分。

結(jié)語(yǔ)

這絕對(duì)不是一個(gè)容易的事情。當(dāng)我開(kāi)始被Java卡住的時(shí)候，我?guī)缀踉谝灰怪g就開(kāi)始用上了Python，并學(xué)會(huì)了如何用其編寫(xiě)代碼。當(dāng)我的模型無(wú)法在我的i7機(jī)器上進(jìn)行訓(xùn)練時(shí)，我開(kāi)始變得煩躁，甚至在經(jīng)過(guò)數(shù)小時(shí)的訓(xùn)練后，它們也會(huì)返回一個(gè)很顯然是錯(cuò)誤的結(jié)果，即球隊(duì)贏得板球比賽的概率是50/50。學(xué)習(xí)人工智能不像學(xué)習(xí)一個(gè)Web框架。

這是一項(xiàng)技能，你需要了解計(jì)算的微觀層面上發(fā)生了什么，并找出對(duì)輸出結(jié)果產(chǎn)生極大影響的部分——代碼或數(shù)據(jù)。

同樣，人工智能也不僅僅是一個(gè)學(xué)科。它是一個(gè)“從簡(jiǎn)單的回歸問(wèn)題到總有一天會(huì)殺了我們的致命機(jī)器人”的統(tǒng)稱。就像你所從事的其他學(xué)科一樣，你可能會(huì)想要在人工智能領(lǐng)域挑選出你想要擅長(zhǎng)的東西，比如計(jì)算機(jī)視覺(jué)或自然語(yǔ)言處理等等。

在與人工智能、金融科技和加密技術(shù)領(lǐng)域的領(lǐng)導(dǎo)者Gaurav Sharma的對(duì)話中，他向我表示：

在人工智能時(shí)代，“聰明”（being smart）將意味著完全不同的東西。我們需要人們?nèi)?zhí)行更高層次的、批判性的、創(chuàng)造性的，或其他需要更多情感投入的工作。

想要開(kāi)始這段學(xué)習(xí)過(guò)程，你必須讓自己沉迷于計(jì)算機(jī)如何突然學(xué)會(huì)用它們的方式來(lái)做事情。耐心和好奇心是你應(yīng)該堅(jiān)持的兩個(gè)關(guān)鍵原則。

這是一次重大的旅行。非常累人，也非常煩人，而且特別耗費(fèi)時(shí)間。但值得慶幸的是，它和世界上其他的旅行一樣，也需要從一個(gè)簡(jiǎn)單的步伐開(kāi)始。