0 现阶段还处于人工智障阶段 现阶段人工智能，或者叫弱人工智能 其实非常容易上手，只要你把数据倒入keras、tensorflow、sklearn、xgboost等几百个炼丹炉（神经网络），然后搅拌一下，然后输出端等待答案就可以了。 大部分干人工智能的普通程序员，实际上做的是数据清洗和数据挖掘，就是把数据整理成可以倒入keras、tensorflow......的样子。 实际上很多公开数据集，是由薪资非常低的标注员（类似人工打码平台的人肉验证码识别）标注出来的。标注员工作非常类似找茬。
Q：如果答案错了怎么办？
A：调（lian）参（dan）一下，搅拌一下，答案（loss）就会越来越正确了。
1 人工智能学习其实相对人类来说，是非常慢的。只不过人工智能有计算机加持。 一个人要学会开车，需要开多少里程？普通人从完全不会，到能安全上路，一般只需要12节课，每节课1小时。 换成AI：学习上了百万mile，还开不好车。 自动驾驶距离真正上路还有一段距离，取代货车司机这种事情，还没那么快。
2 弱人工智能，是没有认知能力的（迁移学习能力弱） 一个人知道什么是猫：给她一只猫，告诉他这是“猫咪”。下一次，当她见到不管什么颜色的猫，不管它摆出什么姿势，都知道这是“猫咪”。 换成AI：神经网络训练上百万张猫的照片，各种颜色，各种姿势，各种角度。可以识别正常的猫以后，我们丢给神经网络一张这样的照片：
AI：喵喵喵？？？
3 对于专家智能，比如下棋、翻译，神经网络确实超越人类。但是让神经网络写小说emmmm
4 目前，神经网络的各种模型，可解释性都非常低。 比如，上面那个识别猫的神经网络，要了解是怎么识别猫的，目前真没人能说得清楚。
5 当今的AI，其实并没有比80年代的进步很多。
6 “深度学习”，其实跟人的思维方式、人脑结构、神经系统几乎完全不搭边。 顶多，数学模型上，神经网络的神经元和数学的神经元是类似的。 而我们平时说的“机器学习”，实际上就是《统计学习方法》
7 就算是最常见的自然聊天语意识别模型来说也会有上下文的问题。举例说明：不能真正理解上下文的对话（机票查询）：
AI：从哪里出发？ 用户：上海虹桥机场。
AI：到哪里？ 用户：还是从上海浦东走吧，对了，不要春秋的。
AI：好的，从虹桥出发到浦东的春秋航空的航班是......
8 展望一下未来吧，18年个人认为AI泡沫有点大，仿佛AI是万灵药（前几年是大数据），目前几个靠谱的方向比如无人驾驶，智能医疗，推荐系统，还是很靠谱的。目前智能医疗在诊断疾病（比如乳腺癌诊断，已有论文支持）上已经超越人类了，虽然不能治病，但是大大降低医生工作量和误诊率。虽然现在推荐系统和智障差不多，看了2个美女小视频以后就拼命推荐美女，但是未来应该会变得更智慧更懂用户。
9.“机器学习”是个筐，什么普适算法都往里装。
机器学习的核心思想是创造一种普适的算法，它能从数据中挖掘出有趣的东西，而不需要针对某个问题去写代码。你需要做的只是把数据“投喂”给普适算法，然后它会在数据上建立自己的逻辑。“基于样本数据得出解决具体问题的等式”
回到第0点，比如说有一种算法，叫分类算法，它可以把数据分到不同的组别当中。一个识别动物的分类算法，也可以用作识别手写数字、判断垃圾邮件，只需要调整输入（训练）数据，就可以自动生成不同的分类逻辑。这也是机器学习的价值所在
图文 | 小尧
