04. 人工智能核心基础 - 导论(3)

文章目录

    • 人工智能和其他学科的关系
    • 为什么学习人工智能
    • 怎么学好人工智能?
    • 一些问题

04. 人工智能核心基础 - 导论(3)_第1张图片

Hi,你好。我是茶桁。

基于上一节课咱们的整体强度有点大,而且咱们马上也要进入高强度内容了,那么这一篇咱们就稍微水一篇吧。来聊聊天,讲讲学习人工智能的一些事项。

人工智能和其他学科的关系

经常有同学会问我:人工智能和其他学科有什么关系?有什么区别?

有人说人工智能就是博弈论、梯度下降,人工智能就是贝叶斯。

这都不对,大家要这样想:人工智能是我们刚刚说的解决各种各样的问题的一个研究课题。你可以把它想象成研究课题,这些数学方法,统计学方法是我们来解决这个问题所用到的方法。

千万不要把自己变成一个数学系的人,数学是你的工具。搞人工智能的人,绝对不是一个纯数学家。

04. 人工智能核心基础 - 导论(3)_第2张图片

比方说贝叶斯定理,其实在一七几几年就提出来了,以前一直被广泛应用于概率学。再比如最小二乘法,也是很早之前就提出来,最早用在天文学上;一阶逻辑是被用在逻辑学中;最大似然也是被用在统计学中;我们的神经网络最早是在神经科学中提出来的;MiniMax game,解决下棋问题的时候经常会用到的一个方法,其实最早是经济学里面的一个问题,博弈论用到的问题。

梯度下降最早叫做optimization research,是运筹学里面的一个内容,也就是我上一节课中讲到的search方法。最早是起源于算法与数据结构;

之后还有强化学习,它其实是指的迭代,是控制论当中的东西。

所以你看到这些就应该知道,人工智能与其他学科一个很大的区别,它是博采众长,为了解决问题,可以使用各种各样的方法。

AI是融汇了各个学科用来解决某种问题的一个学科。所以不要把它局限在某个东西,不管是啥只要能搞定问题都可以。只要能像人一样,要解决的问题能解决就可以。

为什么学习人工智能

给大家讲了这么多人工智能是什么,还讲了两个很典型的案例,我来讲一下为什么要学习人工智能。之后的课程中可以感受一下,这就和小马过河一样,代码其实不难,你会发现代码其实都挺短的,一二十行、二三十行。发现困难的时候正好是你能力提升的时候。

特斯拉、iPhone、抖音、淘宝这些的成功其实都是因为我们处在一个数字智能时代。这个数字智能时代所有东西几乎都要变成数字化的东西,大家要做的时候希望能够自动化的去处理这些东西,AI就会因此而生。

人工智能是一种力量,是一种能够使用这种数据能源的力量。

现在有很多很多的数据,你要把这些数据解决,人工智能就是这样的一个力量来解决他们。而且我们还能够实现职业的可持续成长,从薪资待遇上、发展的瓶颈上都会好过其他的场景。

比方说做传统的开发岗位可能会面临35岁下岗,人工智能这个行业整体上就要好很多。

怎么学好人工智能?

怎么样去学好AI呢?

上一节课中,咱们演示两段代码,讲了两个问题,有没有觉得好难?咱们的整个课程内容量其实很大,尤其是到咱们之后的课程。

要学好人工智能,首先你要知道AI它之所以工资高一定不简单,但是既然有那么多人都在做,也就证明它一定是能学会的。所以你不要觉得它会特别难,但也不要看成好像听一听就可以会了。

看我课程的这些同学们,我要郑重的说一下,不要指望在地铁上啊什么的碎片时间看看就可以学会了,这必须是不可能的。我一直想跟大家说,碎片化时间是绝对学不好的,不管是什么东西,你背单词可能还行,但是如果是一个系统性很强的学科,想要碎片化时间学习,这几乎是在害自己。

04. 人工智能核心基础 - 导论(3)_第3张图片

人工智能永远是一个高级职位,第一个点就是要有心力,要相信你能学好,能学会。

第二点,编程能力一定要强,有很多时候其实理论很简单,但是你就是实现不出来。编程能力一定要多多练习。

第三点是数学能力,我们很多问题其实都是要抽象成数学问题,但和数学的区别是我们还要把这个数学问题变成计算机能运行的,这个就更难了。

这也就是为什么我前面要花2个月的时间来写两篇专题,一篇Python基础,一篇数学基础,都是为了让大家能提高基础能力,应付之后的课程。

还有第四点,建模能力,你要把你见到的新问题变成你学过的模型。建模能力其实是这个行业中非常重要一个能力,是你需要不断的去练习的能力。

再有就是交流能力,为什么说这个重要,作为一个算法工程师,和做Java,做Web前端开发的区别是什么?算法工程师永远做不到100%正确,永远会有一些bad case,永远会有一些做的不好的地方。

这个时候如何去沟通让别人知道,这件事情暂时只能做成这样,或者如果我们要做的更好需要哪些数据,需要哪些支持。这些都是需要交流能力的。

建模能力是接下来课程会教给大家的,遇到一个问题我都会讲。那我的这个课程和其他课程最大的区别,就是很多课程都是告诉大家这有个方法你把它记住,而我是给大家讲为什么提出来这样的方法。

我把思考过程告诉大家之后,建模能力就会逐步提升。建模能力就是把看到的问题变成解决方法的一个能力。

再接下来第五点,我们的质疑能力。大家要学好,一定要有质疑能力。就是你现在看到的所有论文,你记住都有可能是错的。也不说都有可能绝对是错的,但肯定在某些场景下是不能运行的,结果很糟糕。

一定要知道这一点,知道这一点之后才能去提出新的方法,才能不断的前进。

以上这几种能力非常重要。

学习过程中,肯定会遇到各种各样的问题,当你遇到问题的时候,该怎么办呢?

如果遇到相关的名词术语、方程、公式或者代码看不懂的时候该怎么办呢?

不要放弃继续,也不要立马找人问,更不要怀疑自己。你应该去Google,维基百科等高质量的搜索引擎去搜索,自己学会去查找相关的问题解决方法。这里我要着重说一下,当然可以借助ChatGPT等人工智能,不过不要过分依赖,别想都没想,还没思考就赶紧去问,有的时候GPT给你的答案不一定准确,而因为你没有去思考过,可能就这样全盘接收了,那就走上歧路了。

那如果感到代码困难,做不出来,也是,不要轻易放弃和怀疑自己,要想尽一切办法,比如去Stack Overflow, Github等等上找找相似的问题代码。

那当然有感到困难的就有觉得过于简单的,觉得简单也不要放弃继续往后学,你可以跳过,不过终归还是有内容是你期望了解的。

那我现在这门课程和市面上大部分的人工智能都不相同,那些课程实际上就是跟风,将一些已经通用的解决方案整合一下打包给你,卖你个几千几万的。主打的就是一个信息差。而我现在给大家讲的,是思维,是基础,是如何去理解人工智能,属于底层建设。

AI的岗位动不动四五十万、五六十万年薪。那其实面向的也是工程师级别,而直接拿到解决方案去凑数的人,终究最后还是会被机器淘汰。

先把能力练起来,不要让自己很被动。我要给大家编撰的这门课程,首先收获是能力,就是常见的人工智能问题自己能够提出解决方案,并且自己写代码实现。

第二,潜力。新出现的人工智能模型能够理解,而且能够自学最先进的模型与代码,这是潜力。

按照我的理解,如果大家学到这门课程,应该会是你最后一次付费的AI课程,我期望达到这样的水平。

你以后不要去再去学习这些了,已经具备了继续学习的潜力,这门课程可以培养出来至少符合年薪25万及以上公司的ASM岗位要求。

在这个过程中,大家其实增强了适应性,能够在这个变化的世界中更加的适应。

如果你有前面这些能力的话,记得要多多使用你自己的Github账号,如果你没有一定要注册一个。课程上的练习代码,作业全部都同步上去。

第二个,用你的Linkedin,打造你的个人主页,把你的项目能力写上去。不要在58同城上工作,到Linkedin上寻找机会,基本上都是那种比较高级的职位。国内外这些大厂,都在上面去找人。

另外,你自己要能够在你的生活中,公司中,自己的实验室环境中找到能解决的项目。自己解决了之后,那么你下次要转行,换工作的时候别人这些项目就能给你加很多分。

一些问题

最后呢,给大家留下一些思考题。

  • 你学习这门课的目的是什么?希望达到什么结果?
  • 你达到的期望结果,有什么需要克服的苦难/劣势?
  • 你达到的期望结果,有什么可以发挥的长处/优势?
  • 你认为课程有什么地方可以改进?

再思考下下面几个问题:

  • 人工智能、机器学习和深度之间有什么关系和异同?
  • 人工智能和数学、算法与数据结构有什么关系?
  • 你能给出5个人工智能实例,这些实例是使用了哪种方法论、范式吗?
  • 你能复现出我们上一节课上的代码实例吗?

好,那我们本节课就到这里了,也到了假期了。大家好好休息,放个长假,之后,咱们下一节课要开始加强强度了。

你可能感兴趣的:(茶桁的AI秘籍,-,核心基础,人工智能)