人工智能正在成為像“電力”一樣的東西，每一個關(guān)系未來發(fā)展的人都應(yīng)該對其有所了解。尤其是開發(fā)者，不懂人工智能，競爭力將會在將來大幅度下降。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個月入門學(xué)習(xí)人工智能的歷程。

現(xiàn)在這個時代，每個人都很忙。人們的個人生活和職業(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)開始變得越來越流行，你會發(fā)現(xiàn)在接下來的兩年里，你所掌握的技能會變得過時。

當(dāng)我關(guān)閉我的創(chuàng)業(yè)公司Zeading時，我猛然醒悟過來。感覺自己錯過了一些非常獨特的東西。

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。在接下來的兩年里，如果沒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。

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

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

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)算法來展開競爭，是遠(yuǎn)遠(yuǎn)不夠的。人工智能將不再是一項競爭優(yōu)勢，而是一項基本要求。你聽到有人把“用電”作為競爭優(yōu)勢嗎？

構(gòu)建我的第一個神經(jīng)網(wǎng)絡(luò)

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

但我沒有直接去著手構(gòu)建一個神經(jīng)網(wǎng)絡(luò)，因為它是一個更加高級的學(xué)習(xí)方法。我剛開始先去試著熟悉這個領(lǐng)域里的所有的術(shù)語，這樣我就能對這個領(lǐng)域有所了解。

第一個任務(wù)不是學(xué)習(xí)。而是熟悉。

我是純Java和Node js出身，當(dāng)時并不想換成其他的編程語言。因此，我搜索了一個名為“nn”的簡單神經(jīng)網(wǎng)絡(luò)模塊，然后通過模擬輸入用它來實現(xiàn)一個“AND”操作。受一個教程的啟發(fā)（傳送門），我選擇了這么一個問題：對于任意的輸入 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，我意識到，這個神經(jīng)網(wǎng)絡(luò)已經(jīng)學(xué)會了如何做一個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。你給計算機(jī)程序一組數(shù)據(jù)，它能夠自動調(diào)整內(nèi)部參數(shù)，使其能夠在新數(shù)據(jù)上回答問題，而原始數(shù)據(jù)中的誤差也在減少。

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

補充人工智能相關(guān)的知識

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

我解決了一些監(jiān)督學(xué)習(xí)的問題，如回歸和分類。

我通過一個有限的數(shù)據(jù)集，嘗試用多元線性回歸預(yù)測哪支隊伍將取得比賽勝利（雖然當(dāng)時的預(yù)測很不準(zhǔn)確，但確實很酷）。

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，這是一個很棒的資源，由著名的風(fēng)險投資基金Andreessen-Horowitz收集組織。對于開發(fā)者和創(chuàng)業(yè)者來說，這的確是最方便的資源之一。

我開始在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。

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

帶著一些勇氣，我開始逐字地（復(fù)制和粘貼）來執(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)器上運行代碼。大多數(shù)情況下，結(jié)果都不容樂觀，因為大多數(shù)模型需要的訓(xùn)練時間很長，而且我也沒有 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。

整個過程，我都是在被動地消化內(nèi)容，并在腦海里建立了一些相關(guān)的認(rèn)知，當(dāng)以后遇到真正的問題時，就可以使用這些知識了。

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

做一個聊天機(jī)器人

作為電影《Her》的忠實粉絲，我也想要打造一個聊天機(jī)器人。我接受了這個挑戰(zhàn)，然后用Tensorflow在不到兩小時內(nèi)完成了這項舉動。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。

幸運的是，這篇文章廣受好評，在網(wǎng)上瘋傳（傳送門，36氪編譯文章）。這對我個人而言，這是一個非常好的現(xiàn)象，畢竟我才剛開始寫技術(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發(fā)，發(fā)現(xiàn)自己的不足，甚至在我遇到問題時，他們也能夠伸出援手。我也收到了一些咨詢項目的offer。最重要的是，年輕的開發(fā)者和人工智能初學(xué)者開始問我，我是如何開始學(xué)習(xí)人工智能的。

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

萬事開頭難，入門是任何過程中最具挑戰(zhàn)性的部分。

結(jié)語

這絕對不是一個容易的事情。當(dāng)我開始被Java卡住的時候，我?guī)缀踉谝灰怪g就開始用上了Python，并學(xué)會了如何用其編寫代碼。當(dāng)我的模型無法在我的i7機(jī)器上進(jìn)行訓(xùn)練時，我開始變得煩躁，甚至在經(jīng)過數(shù)小時的訓(xùn)練后，它們也會返回一個很顯然是錯誤的結(jié)果，即球隊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Web框架。

這是一項技能，你需要了解計算的微觀層面上發(fā)生了什么，并找出對輸出結(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學(xué)科。它是一個“從簡單的回歸問題到總有一天會殺了我們的致命機(jī)器人”的統(tǒng)稱。就像你所從事的其他學(xué)科一樣，你可能會想要在人工智能領(lǐng)域挑選出你想要擅長的東西，比如計算機(jī)視覺或自然語言處理等等。

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的對話中，他向我表示：

在人工智能時代，“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。

想要開始這段學(xué)習(xí)過程，你必須讓自己沉迷于計算機(jī)如何突然學(xué)會用它們的方式來做事情。耐心和好奇心是你應(yīng)該堅持的兩個關(guān)鍵原則。

這是一次重大的旅行。非常累人，也非常煩人，而且特別耗費時間。但值得慶幸的是，它和世界上其他的旅行一樣，也需要從一個簡單的步伐開始。