人人都能看懂的 AI 入门课

课程介绍

2017年11月15日，国家宣布一个大消息。科技部召开了新一代人工智能发展规划暨重大科技项目启动会，宣布首批国家新一代人工智能开放创新平台名单：百度、阿里云、腾讯、科大讯飞。这四家企业通过人工智能分别在无人车、公共系统、医学影像和语音识别领域上取得了卓有成效的进展。

越来越多的人开始关注人工智能，学习人工智能。与此同时也有越来越多的人产生疑惑：

• 到底什么是人工智能？
• 人工智能可以解决什么问题？
• 零基础是否可以入门人工智能？

为了回答这些问题，我专门设计了一期 GitChat 达人课——《人人都能看懂的 AI 入门课》。本课程的理论部分旨在用通俗易懂的语言，讲述人工智能的现状、应用场景和入门方法；本课程的实战部分，通过运用 TensorFlow，一步一步地实现一些简单的功能，同步配以对相应概念的讲解，使得受众能清晰了解人工智能的运作方式，实现入门人工智能的目的。

这是一个相当初级的课程，即便你没有任何技术背景，通过这个课程也可以初步了解人工智能领域的一些基础知识；假如你拥有一些基础编程能力，你甚至可以自己编写一些简单的AI实践项目。希望能够给广大初入AI领域的小白朋友们一些帮助！

通过学习可掌握：

• 了解人工智能的基本概念
• 掌握入门人工智能的基础方法
• 了解什么是机器学习和深度学习
• 通过 TensorFlow 实现手写图片识别
• 通过 TensorFlow 实现验证码识别

作者介绍

技术出身，做过产品总监，现在某互联网创业公司任 COO，主导过两个细分领域产品的从零到一再到百万用户。熟悉机器学习和量化交易。

课程内容

导读：人工智能是什么？如何入门人工智能？

一、引言

近几年，从亚马逊到 Facebook，再到谷歌和微软，全球最顶尖、最有影响力的技术公司都将目光转向了人工智能（ AI ）。不仅如此，各种 AI 的创业公司如雨后春笋般冒出来，大有"王侯将相宁有种乎"的感觉。去年 AlphaGo 战胜李世石，把公众的目光也聚集到了人工智能。

顶尖的科技公司聚焦人工智能

其实，人工智能的概念1956就提出了，但一直很少有成果能进入到实际应用领域。就像乔布斯发布 iPhone 标志着2007年是移动互联网的元年，2016年算是人工智能真正大规模应用的元年。

移动互联网发展历程

在移动互联网领域，大部分移动互联网公司实际是2012年才开始大规模被大众所知晓，好像一夜之间，就出现了若干巨头。而从2007年到2012年，在大众眼前，其实没有太多的曝光。2007年到2011年，是移动互联网公司创业发展的黄金时期。

Statista预计未来十年市场会增长20倍以上

与目前最赚钱的游戏行业对比，增速有过之而无不及

游戏行业9年9倍增长

如果2016年是人工智能的元年，那么到大众大规模应用该技术还有2~4年的时间，这个阶段，是从业者学习和进入行业最好的时机。作为一个技术出身、现在在做产品和运营的人，我也不能免俗，想跟一跟潮流。在看了一些人工智能的书和视频教程后，觉得市面上的内容专业性太强。目前国内从事人工智能实际应用开发的人，估计也就几万人，而互联网从业者超过1700万。

要想把人工智能技术应用到实际场景中来，需要千千万万的人都了解这个新新的“旧事物”，然后大家一起协作才能达成。我的达人课目的就是为非技术和非数学出身的人，介绍一下这个即将爆发的事物，让更多人能一起发现和挖掘人工智能的价值，创造出更多能解决人们需求的产品。

二、什么是人工智能？

人工智能就是“制造出智能的机器，尤其是智能的计算机程序”，它能做一些以前需要人才能做的事情，这个机器或者计算机程序就叫人工智能。

人工智能有很多种的表现形式，目前在各个专业的方向，出现了很多超越人类的人工智能。比如在国际象棋上，有 IBM 的国际象棋大师“ Deep Blue ”；围棋上有 Google 的 AlphaGo；医学上有 IBM 的“ Waston ”；私人助理上有苹果的“ Siri ”，微软的“ Cortana ”；甚至搜索引擎 Google，你也可以把它看做是一个人工智能。它们都由一段段代码、一个个算法、一堆堆的数据组成。

但人工智能在发展的路径上也存在很多的难题，比如：

• 由于计算资源、处理速度、内存的不足，很难提供近乎实时的反应。
• 大多数的人工智能都只能获取并计算问题的一部分，而我们需要用这局部的计算来解决全局问题。也就是说我们所做的所有决策，其实都是盲人摸象、以偏概全的。在现实生活中，其实我们也是这么干的，只是我们没有察觉到而已。
• 人工智能难以解决归纳性的问题。通俗的讲，就是让机器学会人类的逻辑，是很困难的。
• 世界是快速变化的，而能够让人工智能存储和用于计算的数据是有限的。人工智能上一刻计算出来的结果，可能在下一刻已经不适用了。古希腊先哲所说的“人无法再次踏入同一条河流”，就是这个意思。
• 很难让人工智能解释它所作出的决定。常常我们得为自己得出的结论进行解释，这是一个艰难的过程。而机器是根据数据进行计算得出的结论，如何解释它得出这个结论，就更难了。

三、人工智能可以解决哪些问题？

对于这个问题，其实答案很简单，所有你想到的问题，都是人工智能问题，因为我们是要创造和人一样聪明的机器。比如下面的这些问题：

• 参加最强大脑，回答问题
• 决定如何前往某个地点
• 判断一个动物是不是一只猫
• 理解一条新闻资讯
• 穿衣服
• 走路
• 测量一张桌子的高度

所有的这些问题，都是人工智能可以解决的问题，因为我们想要的是一个能完成几乎所有人才能完成的事情的机器，而且目前机器也确实能做到这些事。我们先来说说，人工智能是怎么解决第一个问题的。人工智能要参加知识竞赛，需要做到以下四个事情：

• 读懂题目
• 搜索知识库
• 确定正确答案
• 把答案按照规则表达出来

这和人的处理流程是一样的，只是实现的方式略有不同。基本上，只要不是生物属性的需求（比如说生孩子，现在机器还造不出来受精卵，^_^），我们能想到的所有事情，人工智能都能实现，只是完成的效率高低和结果好坏的问题。

四、如何入门人工智能？

“人工智能”是一个充满憧憬的词，但目前电影里神一般的智能还是不存在的，现有的人工智能可以把一些要人来做的工作变成机器操作从而提升效率，不要幻想通过短时间的学习就能变得无所不能。并且，我们这里只是说如何入门，并不是说如何成为大神，所以我们的目标是短期内能自己构造出一个模型来解决一些问题。

因此，我们要带着问题来学习。

首先，我们要了解解决一个实际问题需要哪些技术。通常，人工智能技术由四个部分组成：认知、预测、决策和集成解决方案。

• 认知：是指收集信息和解析信息来感知世界，比如图片识别、语音识别、自然语言处理等；
• 预测：是指通过计算，来预测行为和结果。比如广告推荐，歌曲推荐等；
• 决策：是指确定实现的方式和路径，比如移动路线规划、自动买卖股票等；
• 集成解决方案：是指人工智能和其他技术结合时，产生的多种集成解决方案，比如和汽车结合就是无人驾驶，和医疗器械结合就是手术机器人。

目前商业化比较普遍的，是认知和预测领域的应用。

我们这里选“图片识别”和“验证码识别”两个实际问题来解决，在解决这些问题的过程中，逐步地掌握相应的知识。通过项目来学，以代码实现为主，中间穿插理论知识。在项目做完的同时，也就掌握了解决一类问题的思路、基本工具和相应的理论知识。

在入门之前，我们需要先掌握基本的 Python 编程能力，这里推荐《Python 教程 - 廖雪峰的官方网站》，看完 Python 基础和函数两章即可，注意：一定每一行代码都要自己敲一次。一般4~6个小时就可以搞定了。

推荐：有了 Python 基础之后，也可以去看一下长期位于日亚”人工智能“类图书榜首位的鱼书《深度学习入门：基于 Python 的理论与实践》这里推荐一下 15 天共读深度学习-03 期

第01课：从人工智能到机器学习

第02课：TensorFlow 基础

第03课：TensorFlow 实战一：手写图片识别

第04课： TensorFlow 实战一：手写图片识别进阶：卷积神经网络实现

第05课：TensorFlow 实战一：手写图片识别终章：99%准确率达成

第06课：TensorFlow 实战二：验证码识别

第07课：TensorFlow 的可视化

阅读全文: http://gitbook.cn/gitchat/column/59f7e38160c9361563ebea95