你知道要去學人工智慧，但你卻無從入手，對嗎？

作者｜王天一

編輯｜小智

先賢孟子「勞心者治人，勞力者治於人」的名句一針見血、言猶在耳。兩千多年後的今天，雖然勞心和勞力的方式都發生了翻天覆地的變化，可治與受治的關係依然不動如山。更可怕的是，不進則退的勞力者甚至沒有資格受治於人，而不得不受治於演算法。

1

作者介紹

王天一，極客時間《人工智慧基礎課》專欄作者，工學博士，副教授

畢業於北京郵電大學，獲得工學博士學位，在讀期間主要研究方向是連續變數量子通信理論與系統，主持並參與了多項國家級 / 省部級科研項目，以第一作者身份發表了 5 篇 SCI 論文。

目前在貴州大學大數據與信息工程學院擔任副教授，主要研究方向是大數據與人工智慧，研究內容包括以物聯網為基礎的大數據應用及神經網路與機器學習。 著有《人工智慧革命》一書。

2

寫在前面

《人工智慧基礎課》專欄上新 1 個多月，共發布了 31 篇文章，涵蓋數學基礎、機器學習、人工神經網路、深度學習等模塊；向讀者額外推薦了 3 個私藏書單，共 18 本人工智慧進階書。專欄內文章被 10w+ 人閱讀。更是受到各方好評，比如，被騰訊雲佈道師黃希彤作為唯一人工智慧課推薦給盲人工程師。

3

為什麼要做基礎課這個專欄？

不知不覺，《人工智慧基礎課》專欄上新已一月有餘。各位朋友在閱讀之餘的互動帶給我不少的思考，藉此機會呢，和你聊聊這個專欄的雜七雜八。

正如開篇詞《人工智慧：新時代的必修課》中所說，人工智慧很可能成為下一個生存必備的技能。不管以後是不是吃這碗飯，對人工智慧原理和方法的理解都不可或缺，這是技術進步倒逼出來的結果。深一步講，先賢孟子「勞心者治人，勞力者治於人」的名句一針見血、言猶在耳。兩千多年後的今天，雖然勞心和勞力的方式都發生了翻天覆地的變化，可治與受治的關係依然不動如山。更可怕的是，不進則退的勞力者甚至沒有資格受治於人，而不得不受治於演算法。《未來簡史》中對這個問題的論述，有些是難得的理性思考，你可以讀一讀。

在這個日新月異的時代，懂點兒人工智慧的知識絕對有必要，極客邦的技術人們能夠敏銳地捕捉到這個趨勢，其前瞻性值得佩服。可是，當編輯和我商談開設一個關於人工智慧基礎知識的專欄時，我的第一感覺是費力不討好。為什麼呢？因為理工類學科的基礎知識普及和品三國或者解讀紅樓夢完全是兩碼事。人文學科的核心價值在於觀點和見解，這是對主觀意識進行加工的產物；而理工學科的核心價值在於事實和規律，這是客觀世界的存在方式。這個核心區別決定了講文學可以天馬行空，可講科學必須腳踏實地。要將腳踏實地的東西天馬行空地呈現出來，絕對是個棘手的問題。

正因如此，我們的專欄定位在技術的設計思想與實現原理。根據我自己學習和教學的經驗，要在有限的時間裡完成新知識的入門，首要問題是理解它為什麼有用，其次才是掌握它如何起作用。在每篇專欄的文章中，我都力圖通過通俗的語言解釋清楚方法背後的意義：每種方法都有其誕生背景和適用場景，理解這些才有助於認識方法的核心價值。如果不管青紅皂白擺出長篇大論的數學公式，文章的半數字元都是拉丁字母和希臘字母，這不僅對閱讀者是種折磨，也和「基礎課」的宗旨背道而馳。

但想必你也有這樣的經驗：解釋複雜問題時，高度抽象的公式的表達能力遠遠勝過啰哩啰嗦的語言。所以如何能像宣傳語所說的通俗易懂地把演算法解釋清楚，其傷腦筋的程度大大超出了我的預期。對困難的估計不足使寫作時每每因為找不到合適的實例抓耳撓腮已經成為常態，可一旦找到一個形神兼備的類比，那大呼過癮的興奮又溢於言表。對我自己而言，這又何嘗不是學習與進步的過程呢？

4

在專欄里我們會討論哪些內容？

在具體內容的設置上，我認為專欄作為一個相對長期而穩定的輸出過程，結構化和系統性是應該滿足的基本要求，而人工智慧基礎課這個主題恰恰具有內容編排上先天的優勢。出於這樣的考慮，專欄的內容以當下主流的連接主義學派為主，覆蓋了數學基礎、機器學習、人工神經網路、深度學習、應用場景等內容，力求給出對人工智慧發展現狀完整的概括。

這個專欄能給予你對人工智慧概貌性的理解，但它只是塊敲門磚，而不是打開人工智慧神秘宮殿的萬能鑰匙。想要深入理解人工智慧，你還需要大量時間、精力、甚至金錢的付出。畢竟，勞心者也不是那麼好當的。

此外，專欄的目標場景是茶餘飯後的碎片化時間，因而採用的是音頻為主、文字為輔的形式。在有限的容量中，我的優先選擇一定是將每個話題的核心內容呈現給你。而有舍才有得意味著在突出主題的指導思想下，輔助性和支撐性內容就必然有所縮減，被捨棄的輔助支撐內容就是數學推導以及代碼實現。當然，這部分內容的淡化也出於操作性上的考慮，因為公式和代碼既不適合以音頻的方式表達，也不適合在移動終端上處理。

但對數學推導和代碼實現的淡化並不意味著這兩部分內容無足輕重。如果有志於從事人工智慧理論方面的研究，那麼理論問題就是必須征服的大山。我建議你在通過專欄理解了每種方法背後的思想與思路後，再結合推薦的參考書目以及二級參考書目去深入數學細節。當然，閱讀最新的論文也是跟進最新研究進展的有效方法。大部分頂級會議論文都可以在會議網站或預印本網站 arxiv.org 上免費獲取，可以根據自己的需要有選擇地閱讀。

5

紙上得來終覺淺，絕知此事要躬行

如果要在人工智慧的工程崗位上大顯身手，就要讓知識轉化成能力。其實要實現這個轉化，最好的辦法就是參與到實戰項目中。無論是科研項目還是工程項目都能讓你在實踐中成長，這個「不想學也得學」的過程雖然痛苦，卻有涅槃的奇效。如果沒有參加項目的條件，一個退而求其次的選擇是做一做網路公開課的大作業。包括辛頓和吳恩達這些大咖都在各種平台上開設有人工智慧的公開課程，完成其中的項目也是很好的實踐方式。

雖然網路上的資源非常豐富，大量優質的代碼唾手可得，但我還是建議你親自動手編一編寫一寫。畢竟終日而思不如須臾之所學，即使是 Hello World 在實際編寫時都可能出現這樣那樣的問題，遠非想像中那麼簡單。在這裡也給你推薦一本 Peter Harrington 所著的 Machine Learning in Action，中譯本名為《機器學習實戰》。本書是基於 Python 語言，面嚮應用的演算法書，包含大量現實案例，可以作為代碼學習的參考。

在此，我要衷心感謝你的厚愛與反饋，它們既為我指明了改進的方向，也是督促我奉獻更好內容的不竭動力。懇請你繼續提出寶貴建議，讓你我一起進步、成長。

與君共勉！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！