快速入门人工智能的方法及精要
要进入AI的一个应用领域且做得有所成就，其难度还是较大的。其根本原因在于：AI对于数学基础、编程技能、专业领域知识等方面的能力要求都很高。因此，建议读者有一个系统的学习计划，全面地进行学习。AI的入门是一个系统的、持续的过程，必须有耐心和信心。正因为AI入门的门槛较高，所以企业招聘时比较慎重，考察得比较全面，一旦被录用也愿意给较高的工资。
由于系统学习AI所需要的时间较长，不少人或许因为冗长的学习过程而缺乏耐心，迫切希望找到可以快速入门AI的方法。如何才能快速入门AI？这个问题就与怎样快速学会游泳、怎样快速学会开车等类似。其实答案很简单，要想快速学会游泳那就下决心早点下水；要想快速学会开车，那就让教练尽早带你上马路开着试试。所以，要想快速入门AI，那就尽快利用AI技术解决几个你所从事专业的具体问题试试。实践出真知，千里之行始于足下。下面就讨论一下如何通过解决专业领域的具体问题快速入门AI。
1.AI快速入门方法
想要快速入门AI，建议采用自顶向下的方法。何谓自顶向下，也就是说从顶端由自己所要解决的问题逐渐向下层发散开去，一层一层地找到自己需要AI的哪些工具、技能和知识。该方法的具体过程如图 1 5所示，其具体步骤如下：
(1)在专业层面，确定自己需要解决的专业领域问题的具体内容。
(2)在技术层面，确定要解决的问题需要哪些技术；
(3)在工具层面，确定到底要使用各个技术中的哪些工具，以便能够最终解决该专业领域的问题。
图 1 5 AI的快速入门方法
假设你需要解决一个智能交通领域中基于监控视频的道路交通状态预测问题。根据此具体问题来阐述一下自顶向下快速入门AI的方法的具体应用。
首先在专业层确定需要解决的专业领域问题为：基于监控视频的道路交通状态预测。
然后，在技术层确定解决该问题需要的AI技术：1）技术1为AI中的计算机视觉技术；2）技术2为机器学习中的预测技术。
随后，在工具层确定各种技术中到底需要采用哪些工具：1）技术1计算机视觉技术需要使用两种工具，即工具1目标检测工具和工具2目标定位工具。首先通过工具1目标检测工具来检测场景中的车辆，然后通过工具2目标定位工具来定位检测到的车辆的位置，在不同时刻均可对同一辆车进行定位获得其位置数据；再通过同一车辆在不同时刻的位置可以计算出在此段时间内车辆行驶的距离，利用距离除以时间则可以得到此车辆在此段时间内的车速；仿此可以计算此段时间内的不同车辆的车速，再对多辆车的车速求平均则得到平均速度，以平均速度作为此道路的速度。2）技术2机器学习中的预测技术需要使用支持向量机工具。基于路段速度的历史数据，使用支持向量机对该道路将来时刻的速度进行预测，然后根据交通中道路速度与道路状态之间的转换规则将道路的速度转换为道路的交通状态，从而实现基于监控视频的道路交通状态预测。
通过上述的步骤，即完成了针对AI领域某一具体问题的自顶向下的逐层分解。采用自顶向下方法快速入门AI的好处在于不必过分聚焦于AI底层的理论基础，而是将重点放在解决问题本身。实际上创造新的AI技术的最终目的还是解决应用领域中的具体问题，为社会创造价值。此外，自顶向下的学习方法是一种由问题找工具的方法，这是一种直接而高效的入门方法。在逐步解决实际问题的过程中，对AI技术的掌握能够快速提高。
这里需要指出的是：强调快速入门AI的同时，也要高度重视系统地学习AI。学习AI必须将通过解决具体问题实现快速入门与从底层理论开始进行全面学习这两种方式结合起来。这样既能够保证学习的效率，又能够打下全面的基础。
2.快速入门AI精要
学习AI有没有一些注意事项或者说诀窍呢？肯定是有的。掌握这些诀窍能够起到事半功倍的效果。同时，也可以避免初学者进入误区而不可自拔。下面逐一介绍。
(1)既要重视AI理论知识的学习，又要重视专业领域知识的学习。大部分初学者可能比较重视AI理论知识的学习，而轻视专业领域知识的学习，导致工作中利用AI技术解决专业领域的问题时，牛头不对马嘴，做出来的结论根本不符合专业领域的常识。必须明确一点，AI理论是为解决专业领域内的具体问题服务的，能够解决专业领域的具体问题才是学习AI的终极目标。只有对专业领域的知识做到非常精通，才能够找到好的专业领域问题，解决这些好的专业领域问题才能够发挥AI的巨大威力，产生重大的社会价值。
(2)必须高度重视编程技术的训练。由于计算机是实现AI理论的必备工具，AI理论只有通过一行一行的代码才能转化为现实的技术，所以AI离不开编程技术。初学者往往轻视编程技术的训练，企图任何代码都通过在线下载解决。天下没有免费的午餐，能够解决实际问题而又能够创造经济价值的代码，为什么要首先开源供你免费下载呢？再者，你要解决的问题可能是一个全新的、无人解决的问题，自然不会有现成的代码可供下载。
(3)在打好理论基础的同时，尽量学习最新的理论、技术和框架，学习过程要注重学习的效率。AI技术的迭代非常快，当你学习其中一样技术的时候，可能发现又有更加新颖的技术出现，转而放弃现在学的东西，而去追逐更加新颖的技术；在学习新的技术的过程中，又发现有更加新颖的技术……这一过程不断循环，没有尽头。你就像一个骑着自行车追赶AI这趟高铁的小孩，越追被甩得越远，越追越累。怎么办？个人的建议是想清楚两点：一是AI中什么是不变或者变化最慢的，那就是最底层的数学、物理这些AI基础理论，因此，如果这些底层的理论你能够非常精通，你就能够以不变应万变；二是工具的选择问题，为什么骑自行车的小孩追不上高铁，因为他骑的是自行车，工具不行。所以学AI时应该对你学习的教材、编程的工具等加以仔细选择，尽量选择最著名的教材、最先进的编程工具和框架。另外，高质量的在线AI课程会对你的学习大有益处。如果MIT的在线AI课程质量更好，那你为何不去学习呢？你要做的事情就是找到最著名且最新的教材、编程工具、框架、课程等，集中精力猛攻，火力全开地学习。读者应当避免不断地更改学习内容，使整个学习过程过于发散，从而导致学习效率低下。如果重复几次更改学习内容的过程，你就会身心疲惫，逐渐失去学习的耐心。
(4)高度重视AI技术的实战。AI是一个偏应用的学科，学习的目的就是为了最终的实战。如果不去实战，是学不好AI的。只有在实战中不断领悟，找到自己的不足，从而进一步通过学习来弥补不足。这样循环往复，才能不断快速提高。切忌眼高手低，看书学习时什么都懂，干起活来却啥也不会。越实战信心越强，信心越强越愿意学习，越学习越进步，越进步越乐意实战：这样才能够形成一个正向的循环。
(5)加入或组建自己的AI学习小组，相互督促，共同进步。学习AI要避免闭门造车，单打独斗。如果能够加入或组建一个学习小组，大家每周用固定的时间分享最新的文章和技术，交流实战中的经验，这样就能够使自己AI的水平得到快速的提升。AI的研究领域太广泛、技术迭代更新太快，自己一个人精力和时间是有限的，一个人进行学习肯定比不上多个人一起学习的效率，这样能够以最快的速度消化和吸收AI的最新技术。再者，学习需要一个良好的氛围，只有在一个良好的氛围中才能够有更好的学习激情，才能够相互促进。
(6)必须每天坚持学习。AI技术更新迭代的速度，是一周一变样，一个月就大变样。半年不学习跟不上，一年不学习从山顶掉到半山上，所以要坚持学习AI的最前沿技术。可以通过AI领域的顶级会议论文和期刊论文来获取AI的前沿信息。现在也有一些做的非常不错的自媒体平台，非常及时地更新和推送AI领域的最前沿信息，也可进行关注。
参考文献
徐洁磐. 人工智能导论（第2版）[M]. 北京: 中国铁道出版社, 2021.
王万森. 人工智能原理及其应用（第4版）[M]. 北京: 电子工业出版社, 2018.
李德毅. 人工智能导论[M]. 北京: 中国科学技术出版社, 2018.
谭营. 人工智能之路[M]. 北京: 清华大学出版社, 2019.
尼克. 人工智能简史（第2版）[M]. 北京: 人民邮电出版社, 2021.
马颂德, 张正友. 计算机视觉:计算理论与算法基础[M]. 北京: 科学出版社, 1998.
郑南宁. 计算机视觉与模式识别[M]. 北京: 国防工业出版社, 1998.
宗成庆. 统计自然语言处理[M]. 北京: 清华大学出版社, 2013.
刘开瑛, 郭炳炎. 自然语言处理[M]. 北京: 科学出版社, 1991.
高大启, 杨根兴.嗅觉模拟技术综述[J].电子学报,2001(S1):1749-1752.
王党校, 焦健, 张玉茹,等. 计算机触觉:虚拟现实环境的力触觉建模和生成[J]. 计算机辅助设计与图形学学报, 2016,028(006):881-895.
关于人工智能快速入门的更多精彩内容，可以购买《人工智能怎么学》进一步阅读。
图书购买方式
京东：https://item.jd.com/13395339.html
当当：http://product.dangdang.com/29469230.html
天猫：https://detail.tmall.com/item_o.htm?id=687374654836
为了让图书惠及更多的读者，为更多想学习人工智能的人提供帮助，经过向出版社申请，对图书《人工智能怎么学》的部分内容进行连载。图书《人工智能怎么学》的全部内容包含了初级入门、中阶提高以及高级进阶三个级别的内容。连载的内容主要是初级入门级别，适合想对人工智能进行快速和高效入门的读者，对于已有一定的人工智能学习基础，希望进一步进阶或提高的读者，则需要购买图书《人工智能怎么学》，学习中阶提高以及高级进阶的内容。此外，对于学习人工智能感兴趣的读者，也可以加入知识星球《人工智能怎么学》，知识星球是一个构建学习社群的平台，通过加入《人工智能怎么学》的社群，你将获得更多的学习资料和课程信息。
与作者互动和了解更多信息
想跟作者一起学习人工智能和互动，你可以加入如下社群：
知识星球：https://t.zsxq.com/0aLkVg0os
微信群与QQ群：正在建设中
想了解更多关于人工智能学习及实践的内容，请关注如下媒体：
官方网站：https://bigdatamininglab.github.io
官方微信公众号：正在建设中
CSDN：https://blog.csdn.net/audyxiao001
知乎：https://www.zhihu.com/people/audyxiao001
注：本文版权归作者个人所有，如需转载请联系作者，未经授权不得转载。