摘要：補(bǔ)充人工智能知識(shí)當(dāng)我從第一個(gè)人工智能程序中獲取了滿滿的自信后，作為開發(fā)者，我迫不及待地想要了解能用機(jī)器學(xué)習(xí)做什么更多的東西。開始在上看，關(guān)于深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的集中討論。

簡評(píng)：人工智能是 21 世紀(jì)最重要的技能。在人人都很忙碌的今天，如何把人工智能這個(gè)技能點(diǎn)加上？作者用自己的親身經(jīng)歷告訴大家。

當(dāng)我關(guān)閉我的創(chuàng)業(yè)公司 Zeading 時(shí)，我被這次失敗驚醒的同時(shí)感覺心里空落落的，就像失去了一些非常特別的東西。

全棧工程師在面臨劇變的時(shí)代是不夠的。在接下來的兩年中，沒有人工智能技術(shù)的全棧將不再是全棧。

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) —— 像開發(fā)者那樣更新我的技能，以像產(chǎn)品經(jīng)理一樣的心態(tài)以及像企業(yè)家一樣的哲學(xué)觀來面向數(shù)據(jù)。

正如著名的風(fēng)險(xiǎn)投資家，人工智能和金融科技的思想領(lǐng)袖 Spiros Margaris 雄心勃勃地對(duì)我說：

如果創(chuàng)業(yè)公司和企業(yè)只依賴于最前沿的 AI 和機(jī)器學(xué)習(xí)算法作為競爭 —— 這是不夠的。AI將不是競爭優(yōu)勢，而是基本需求。你聽過有人把用電作為競爭優(yōu)勢的嗎？

構(gòu)建我的第一個(gè)神經(jīng)網(wǎng)絡(luò)

一般是建議在 Coursera 注冊(cè) Andrew Ng 的課程。這是個(gè)很棒的網(wǎng)站但我發(fā)現(xiàn)我很難在觀看課程時(shí)保持長時(shí)間的專注。倒不是說這門課程很糟糕，只是我真的很難在講座中聚精會(huì)神。一直以來我個(gè)人的學(xué)習(xí)模式就是實(shí)踐，所以我想干嘛不直接來實(shí)現(xiàn)自己的神經(jīng)網(wǎng)絡(luò)。

我沒有直接跳到神經(jīng)網(wǎng)絡(luò)，因?yàn)樗且粋€(gè)更高的學(xué)習(xí)方式。我先熟悉了這個(gè)領(lǐng)域的所有概念，這樣我才能學(xué)習(xí)用專業(yè)術(shù)語談?wù)撨@個(gè)領(lǐng)域。

第一個(gè)任務(wù)不是學(xué)習(xí)。而是去熟悉。

我的知識(shí)背景是純 JavaScript 和 NodeJs，暫時(shí)不想換別的。我搜索到一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)模塊叫 nn，然后通過模擬輸入用它來實(shí)現(xiàn)一個(gè)與（AND）門。通過這篇指導(dǎo)，我選擇了這個(gè)問題：對(duì)于任意的輸入 X，Y，Z，輸出結(jié)果都是 X AND Y。

var nn = require("nn")
var opts = {
    layers: [ 4 ],
    iterations: 300000,
    errorThresh: 0.0000005,
    activation: "logistic",
    learningRate: 0.4,
    momentum: 0.5,
    log: 100   
}
var net = nn(opts)
net.train([
    { input: [ 0,0,1 ], output: [ 0 ] },
    { input: [ 0,1,1 ], output: [ 0 ] },            
    { input: [ 1,0,1 ], output: [ 0 ] },
    { input: [ 0,1,0 ], output: [ 0 ] },
    { input: [ 1,0,0 ], output: [ 0 ] },
    { input: [ 1,1,1 ], output: [ 1 ] },
    { input: [ 0,0,0 ], output: [ 0 ] }
    ])
// send it a new input to see its trained output
var output = net.send([ 1,1,0]) 
console.log(output); //0.9971279763719718

幸福來得太快了！

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)學(xué)會(huì)了如何做一個(gè) AND 操作，并且忽略附加的輸入。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)主要的宗旨。你給計(jì)算機(jī)程序一個(gè)數(shù)據(jù)集，然后調(diào)整內(nèi)部的參數(shù)，它就能夠從一個(gè)新的數(shù)據(jù)集中通過觀察原始數(shù)據(jù)得到一個(gè)縮小誤差的結(jié)論。

這個(gè)方法，我后來了解到，它也被稱為梯度下降。

補(bǔ)充人工智能知識(shí)

當(dāng)我從第一個(gè)人工智能程序中獲取了滿滿的自信后，作為開發(fā)者，我迫不及待地想要了解能用機(jī)器學(xué)習(xí)做什么更多的東西。

我解決了幾個(gè)監(jiān)督學(xué)習(xí)的問題，比如回歸和分類。

我通過一個(gè)有限的數(shù)據(jù)集來用多元線性回歸嘗試預(yù)測哪支隊(duì)伍將取得勝利（預(yù)測結(jié)果相當(dāng)差，但感覺還是不錯(cuò)的）。

我在 Google 機(jī)器學(xué)習(xí)云上嘗試了一些演示，看看 AI 在今天能做什么（作為一個(gè) SaaS 產(chǎn)品，Google 做得足夠好了）

我被 AI Playbook 難住了，由 Andreessen-Horowitz 組織的出色的資源，受人尊敬的基金。無愧為開發(fā)者和創(chuàng)業(yè)者最便捷的資源。

開始在 Youtube 上看 Siraj Rawal’s awesome channel，關(guān)于深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的集中討論。

閱讀 Hacker Noon 上的優(yōu)秀博客，講述了大佬如何在硅谷創(chuàng)建 Not Hotdog app（不知道咋翻譯 = =）。這是我們能做的最接近深度學(xué)習(xí)的案例之一。

閱讀了 Andrej Karpathy 的博客，特斯拉 AI 部門的主管。盡管我尚不能夠理解他講的任何東西，讓我很頭疼，但是我在多次被血虐后，對(duì)一些概念開始有點(diǎn)理解了。

鼓起勇氣，我開始逐字實(shí)現(xiàn)一些深度學(xué)習(xí)的教程（復(fù)制和粘貼）并嘗試在我的機(jī)器上訓(xùn)練模型和運(yùn)行代碼。大多數(shù)時(shí)候，結(jié)果很爛，因?yàn)榇蠖鄶?shù)模型需要的訓(xùn)練時(shí)間很長，而且我沒有 GPU。

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

這整個(gè)過程都是在被動(dòng)地消化內(nèi)容，并在你的腦海里建立參考，當(dāng)以后遇到一個(gè)真正的問題時(shí)，可以使用這些知識(shí)。

正如 Steve Jobs 所說，你只能往后看才能把這些點(diǎn)連起來。

趕上聊天機(jī)器人火車

作為電影 《她》 的粉絲，我也想要做一個(gè)聊天機(jī)器人。我接受了這個(gè)挑戰(zhàn)，然后設(shè)法用 Tensorflow 在不到兩小時(shí)內(nèi)完成。幾天前我在我其中一篇文章里列出了這個(gè)過程的大綱和商業(yè)需求。

幸運(yùn)的是，這篇文章廣為好評(píng)，被 TechInAsia，CodeMentor 和 KDNuggets 推薦了。這對(duì)我個(gè)人而言是個(gè)很棒的時(shí)刻，因?yàn)槲也艅傞_始寫技術(shù)博客。我認(rèn)為這篇文章可以算是我 AI 學(xué)習(xí)的里程碑之一。

我在 Twitter 和 LinkedIn 上交了許多朋友，我可以和他們?nèi)娑疃扔懻?AI 開發(fā)，發(fā)現(xiàn)自己的不足。我在咨詢項(xiàng)目上收獲了幾個(gè) offer，最重要的是，年輕的開發(fā)者和 AI 初學(xué)者開始向我提問如何開始學(xué)習(xí) AI。

這就是我寫這篇文章的原因。為了幫助更多的人從我的經(jīng)歷中找到開始他們的學(xué)習(xí)旅行的線索。

萬事開頭難。

其他

這絕不是一個(gè)簡單的事情。當(dāng)我在 JavaScript 上卡住時(shí)，我?guī)缀跻灰怪g跳到了 Python，學(xué)習(xí)如何編寫代碼。在經(jīng)過幾小時(shí)的訓(xùn)練后，我的模型在我的 i7 機(jī)器上跑不出結(jié)果，這讓我很煩躁，它們會(huì)返回一個(gè)胡亂的結(jié)果，就像在一個(gè)隊(duì)伍在板球比賽中贏得比賽一樣，這是個(gè) 50-50 的概率。學(xué)習(xí) AI 不像學(xué)習(xí) Web 框架一樣。

在微觀層次的計(jì)算中發(fā)現(xiàn)你的什么輸出 —— 你的代碼還是數(shù)據(jù)更為合理，這是一種技巧。

AI 同樣不只是一門學(xué)科。這是一個(gè)用來形容任何從簡單回歸問題到某天殺死我們的殺人機(jī)器人的總括術(shù)語。像其他你接觸的學(xué)科一樣，你可能想要 cherry pick AI 中任何你想要的足夠好的部分，比如計(jì)算機(jī)視覺或者自然語言處理，或者上帝禁止的，統(tǒng)治世界的等等。

Atlantis Capital 的 Gaurav Sharma 是 AI、金融科技、加密等行業(yè)的知名領(lǐng)導(dǎo)者，在與他的對(duì)話中，他向我表示：

在人工智能的時(shí)代，“變聰明”意味著完全不同。我們需要人們執(zhí)行高級(jí)的、關(guān)鍵的、創(chuàng)造性的、有思考能力的以及需要高度的情感參與的工作。

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。

這是一段很長很長的旅程。非常累，非常容易煩躁，以及非?；〞r(shí)間的過程。

但好處在于，像世界上其他旅程一樣，從一個(gè)簡單的步伐開始。

英文原文：How I started with learning AI in the last 2 months

作者：極小光
鏈接：http://www.jianshu.com/p/5a08...
來源：簡書
著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請(qǐng)聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請(qǐng)注明出處。