如果要學(xué)習(xí)人工智能的編程？

現(xiàn)在人工智能可以說是非常的火熱，很多同學(xué)也想學(xué)習(xí)。但是剛開始時(shí)候總是會覺得比較迷茫，不知道如何開始學(xué)，也擔(dān)心人工智能太難，自己可能學(xué)不會。其實(shí)不用太擔(dān)心，因?yàn)槿斯ぶ悄苋腴T其實(shí)并不難。這篇文章對如何去學(xué)習(xí)人工智能，給出一些建議。

學(xué)習(xí)AI的大致步驟：

（1）了解人工智能的一些背景知識；

（2）補(bǔ)充數(shù)學(xué)或編程知識；

（3）熟悉機(jī)器學(xué)習(xí)工具庫；

（4）系統(tǒng)的學(xué)習(xí)AI知識；

（5）動(dòng)手去做一些AI應(yīng)用；

1 了解人工智能的背景知識

人工智能里面的概念很多，比如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等等，使得初學(xué)者覺得人工智能很神秘，難以理解。剛開始學(xué)習(xí)的時(shí)候，知道這些名詞大致的意思就行了，不用太深究，學(xué)習(xí)過一段時(shí)間自然也就清楚這些概念具體代表什么了。

人工智能是交叉學(xué)科，其中數(shù)學(xué)和計(jì)算機(jī)編程是學(xué)習(xí)人工智能最重要的兩個(gè)方面。這些在“知云AI專欄”之前的文章“認(rèn)識人工智能”，也為大家介紹過，沒閱讀過的同學(xué)可以去看一下。

下圖為人工智能學(xué)習(xí)的一般路線：

2 補(bǔ)充數(shù)學(xué)或編程知識

對于已經(jīng)畢業(yè)的工程師來說，在系統(tǒng)學(xué)習(xí)AI之前，一般要補(bǔ)充一些數(shù)學(xué)或者編程方面的知識。如果你的數(shù)學(xué)和編程比較好，那么學(xué)習(xí)人工智能會輕松很多。

很多同學(xué)一提到數(shù)學(xué)就害怕，不過，學(xué)習(xí)人工智能，數(shù)學(xué)可以說是繞不過去的。在入門的階段并不需要太高深的數(shù)學(xué)，主要是高等數(shù)學(xué)、線性代數(shù)和概率論，也就是說，大一大二學(xué)的數(shù)學(xué)知識已經(jīng)是完全夠用了。如果想要從事機(jī)器學(xué)習(xí)工程師的工作，或者搞人工智能的研究，那么應(yīng)該多去學(xué)習(xí)數(shù)學(xué)知識，數(shù)學(xué)好將會是工作中的一大優(yōu)勢。

Python是在機(jī)器學(xué)習(xí)領(lǐng)域非常受歡迎，可以說是使用最多的一門編程語言，因此Python編程也是需要掌握的。在眾多的編程語言中，Python是比較容易學(xué)習(xí)和使用的編程語言，學(xué)好Python也會受益很多。

3 熟悉機(jī)器學(xué)習(xí)工具庫

現(xiàn)在人們實(shí)現(xiàn)人工智能，主要是基于一些機(jī)器學(xué)習(xí)的工具庫的，比如TensorFlow、PyTorch等等。

在這里推薦大家學(xué)習(xí)PyTorch。PyTorch非常的受歡迎，是容易使用的機(jī)器學(xué)習(xí)工具庫，有人這樣評價(jià)PyTorch“也說不出來怎么好，但是使用起來就是很舒服”。

剛開始學(xué)習(xí)人工智能的時(shí)候，可以先運(yùn)行一下工具庫官網(wǎng)的示例，比如MNIST手寫體識別等。這樣會對人工智能有一個(gè)感性的認(rèn)識，消除最初的陌生感。然后可以看看里面的代碼，你會發(fā)現(xiàn)，其實(shí)神經(jīng)網(wǎng)絡(luò)的程序并不復(fù)雜，但是會對神經(jīng)網(wǎng)絡(luò)的原理和訓(xùn)練有很多的疑問。這是一件好事，因?yàn)閹е鴨栴}去學(xué)習(xí)，會更有成效。

4 系統(tǒng)的學(xué)習(xí)人工智能

這里的人工智能主要指機(jī)器學(xué)習(xí)，因?yàn)槟壳叭斯ぶ悄苤饕峭ㄟ^機(jī)器學(xué)習(xí)的方式來實(shí)現(xiàn)的。

機(jī)器學(xué)習(xí)知識主要有三大塊：

（1）傳統(tǒng)機(jī)器學(xué)習(xí)算法，比如決策樹、隨機(jī)森林、SVM等，這些稱作是傳統(tǒng)機(jī)器學(xué)習(xí)算法，是相對于深度學(xué)習(xí)而言的。

（2）深度學(xué)習(xí)，指的就是深度神經(jīng)網(wǎng)絡(luò)，可以說是目前最重要最核心的人工智能知識。

（3）強(qiáng)化學(xué)習(xí)，源于控制論，有時(shí)候也翻譯成增強(qiáng)學(xué)習(xí)。深度學(xué)習(xí)可以和強(qiáng)化學(xué)習(xí)相結(jié)合使用，形成深度強(qiáng)化學(xué)習(xí)。

在這里需要知道的是深度學(xué)習(xí)并不難學(xué)，對于一些工科的研究生，一般只需要幾周就可以上手，并可以訓(xùn)練一些實(shí)際應(yīng)用中的神經(jīng)網(wǎng)絡(luò)。但是想要對深入學(xué)習(xí)有深入理解不是容易的事情，一般需要幾個(gè)月的時(shí)間。

傳統(tǒng)機(jī)器學(xué)習(xí)算法的種類非常多，有些算法會有非常多的數(shù)學(xué)公式，比如SVM等。這些算法并不好學(xué)，因此可以先學(xué)習(xí)深度學(xué)習(xí)，然后再慢慢的補(bǔ)充這些傳統(tǒng)算法。

強(qiáng)化學(xué)習(xí)是比較有難度的，一般需要持續(xù)學(xué)習(xí)兩三個(gè)月，才能有所領(lǐng)悟。

5 動(dòng)手去做一些AI應(yīng)用

學(xué)習(xí)過幾周的深度學(xué)習(xí)之后，就可以動(dòng)手嘗試去做一些AI應(yīng)用了，比如圖像識別，風(fēng)格遷移，文本詩詞生成等等。邊實(shí)踐邊學(xué)習(xí)效果會好很多，也會逐漸的加深對神經(jīng)網(wǎng)絡(luò)的理解。

下圖是人工智能進(jìn)階的過程：

對于一些還在學(xué)校讀書的同學(xué)，時(shí)間比較多，可以多去學(xué)習(xí)各學(xué)科的知識。有足夠的知識積累，對于以后的發(fā)展是非常有好處的。